Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

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

Descrizione del progetto

Come il processo decisionale influenza le transizioni di fase nel comportamento collettivo

Il progetto CRIT-IRL, finanziato dal programma di azioni Marie Skłodowska-Curie, studierà come i comportamenti individuali diano origine a cambiamenti drastici nel comportamento collettivo degli animali (transizioni di fase). Attraverso la realtà virtuale (VR, Virtual Reality) e modelli robotici, il progetto si propone di identificare le regole decisionali dipendenti dal contesto che guidano le azioni individuali e innescano transizioni critiche a livello di gruppo. Per raggiungere questo obiettivo, il sistema creerà modelli, analizzerà e controllerà le dinamiche di gruppo degli animali, deducendo regole decisionali interpretabili da dati ad alta risoluzione tramite l’apprendimento per rinforzo inverso multi-agente con modellazione basata su grafi. Queste decisioni a livello individuale saranno poi collegate a transizioni a livello di gruppo tramite diagrammi di fase e validate attraverso esperimenti a circuito chiuso in cui la realtà virtuale e i sistemi robotici serviranno a guidare il comportamento collettivo.

Obiettivo

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

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

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

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2025-PF

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

MAX-PLANCK-GESELLSCHAFT ZUR FORDERUNG DER WISSENSCHAFTEN EV
Contributo netto dell'UE
€ 202 125,12
Costo totale
Nessun dato