Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

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

Description du projet

Examiner l’influence de la prise de décision sur les transitions de phase dans le comportement collectif

Soutenu par le programme Actions Marie Skłodowska-Curie, le projet CRIT-IRL étudiera comment les comportements individuels donnent lieu à des changements spectaculaires dans le comportement collectif des animaux (transitions de phase). En utilisant la réalité virtuelle (RV) et des modèles robotiques, il vise à identifier les règles de décision dépendantes du contexte qui pilotent les actions individuelles et déclenchent des transitions critiques au niveau du groupe. Pour ce faire, il modélisera, analysera et contrôlera la dynamique des groupes d’animaux en déduisant des règles de décision interprétables à partir de données à haute résolution grâce à un apprentissage par renforcement inverse multi-agents avec une modélisation basée sur des graphes. Ces décisions individuelles seront ensuite reliées à des transitions de groupe à l’aide de diagrammes de phase et validées par des expériences en boucle fermée dans lesquelles des systèmes de RV et robotiques serviront à orienter le comportement collectif.

Objectif

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

Champ scientifique (EuroSciVoc)

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

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

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) HORIZON-MSCA-2025-PF

Voir tous les projets financés au titre de cet appel

Coordinateur

MAX-PLANCK-GESELLSCHAFT ZUR FORDERUNG DER WISSENSCHAFTEN EV
Contribution nette de l'UE
€ 202 125,12
Coût total
Aucune donnée