Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

Decision-Driven Phase Transitions in Biological Collectives via Interpretable Multi-Agent IRL with Closed-Loop VR and Robotic Platform Validation

Descripción del proyecto

Analizar cómo la toma de decisiones impulsa las transiciones de fase en el comportamiento colectivo

Con el apoyo de las Acciones Marie Skłodowska-Curie, el equipo del proyecto CRIT-IRL investigará cómo los comportamientos individuales dan lugar a cambios drásticos en el comportamiento colectivo de los animales (transiciones de fase). Mediante la realidad virtual (RV) y modelos robóticos, en el proyecto se intenta identificar las reglas de decisión dependientes del contexto que impulsan las acciones individuales y desencadenan transiciones críticas a nivel grupal. Para lograrlo, se modelarán, analizarán y controlarán las dinámicas de los grupos animales mediante la inferencia de reglas de decisión interpretables a partir de datos de alta resolución a través del aprendizaje por refuerzo inverso multiagente con modelización basada en grafos. Posteriormente, estas decisiones individuales se vincularán con las transiciones a nivel grupal mediante diagramas de fase y se validarán a través de experimentos de circuito cerrado en los que se utilizan sistemas de RV y robótica para dirigir el comportamiento colectivo.

Objetivo

CRIT-IRL will uncover the individual decision rules that drive phase transitions in biological collectives and will validate these mechanisms causally using closed-loop virtual reality (VR) and bio-hybrid robotics. The project addresses a key gap: existing models reproduce global patterns but rarely capture interpretable, context-dependent decisions—or show how such decisions generate critical transitions at the group level.

Objective 1. From trajectories to decision rules: infer interpretable, multi-objective policies from high-resolution multi-animal data via multi-agent inverse reinforcement learning (IRL) with graph-based interaction modelling; deliver a validated model, curated datasets and open code.
Objective 2. From decision rules to criticality: construct phase diagrams linking decision parameters to collective regimes; derive early-warning diagnostics (variance, recovery time, influential-agent scores) and identify critical individuals/time windows precipitating transitions.
Objective 3. Closed-loop causal validation: embed the learned policy in immersive VR with live fish and deploy it on aquatic robots to steer groups across phase boundaries, benchmarking against rule-based baselines and ablations.

Methodological innovations. Interpretable MA-IRL with constrained reward bases and heterogeneity; multi-scale validation (micro kinematics to macro order parameters); physics-informed mechanism mapping; embodied, counterfactual tests in VR/robotics. Open science: preregistered analyses, FAIR data, and reusable protocols/software.

CRIT-IRL yields mechanistic insight into decision-driven criticality, principled controllers for bio-hybrid swarms, and transferable diagnostics for other complex systems (e.g. ecological monitoring, distributed AI). The fellowship provides integrated training across behavioural biology, machine learning, complex-systems physics, and VR/robotics, leveraging state-of-the-art facilities to maximise scientific and career impact

Ámbito científico (EuroSciVoc)

Palabras clave

Programa(s)

Tema(s)

Régimen de financiación

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) HORIZON-MSCA-2025-PF

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

MAX-PLANCK-GESELLSCHAFT ZUR FORDERUNG DER WISSENSCHAFTEN EV
Aportación neta de la UEn
€ 202 125,12
Coste total
Sin datos