跳到主要内容
返回时间线
arXiv来源发表:

三个智能体只靠互相预测就排出纵队:没有对齐规则,领头者由一次“断链”临时产生

核心概要

三个智能体用贝叶斯与逆贝叶斯(BIB)推断互相预测位置并朝预测点移动,在没有任何对齐规则、也没有指定领头者的情况下反复形成领头—跟随队列,随后又自行瓦解。队列出现前,某个智能体对另一智能体的观测几乎不再修正其预测,预测点脱离真实位置成为“幻影目标”,把它带成领头者。在100次试验的1614个队列中,可评估的1312个队列里有89%让前位、朝向稳定和发起队列这三条判据指向同一个智能体,且不同队列的领头者会换人。

Source-provided article image: Emergence and Collapse of Leader-Follower Flocks through Phantom Targets: Surprise Nullification in Bayesian and Inverse Bayesian Inference
arXiv

深度剖析

三个智能体各自用BIB推断预测另外两个智能体的位置,并朝这些预测位置移动,于是反复出现一个在前、两个跟随的纵队,随后队列又瓦解,全程没有对齐规则,也没有预先指定的领头者。 常见的群体运动模型依靠显式的对齐规则,很多还加上排斥与吸引;这里唯一的运动规则是朝其他智能体预测位置的吸引。 在100次试验中,BIB共形成1614个队列;作为对照,固定β=0.5的BIB、随机化似然方差的random-R BIB和只更新信念方差的fixed-R BIB都没有形成队列,无重置的遗忘贝叶斯则出现平滑弯曲、三者并排平移的轨迹。

队列形成前,某个智能体对另一个智能体的观测几乎不再进入更新,它对该伙伴的预测位置被恒速外推、脱离真实位置,成为幻影目标,智能体径直朝它前进,另外两个智能体跟在后面。 这种“断链”由连续两次重置造成:前一步重置抽到极小的似然方差(中位数3.0×10⁻⁵),下一步重置抽到普通大小的似然方差,使似然方差与信念方差之比R/P升到约2.2×10⁴,学习率降到接近0。 在领头者的1202条断链上,断链后领头者转向角的中位数在20步内从约105°降到约4°,群体对齐度A在10步后从约−0.2升到约0.85,而它对被断链伙伴的信念误差在150步后中位数升到约110。

断链能持续,是因为“意外抵消”同时放大信念方差与似然方差,二者比值不变,学习率保持极低;当幻影目标回摆、放大的方差相对预测误差变得过大时,一次重置把R/P压到远小于1,学习率回到接近1,队列随之瓦解。 没有意外抵消时,断链在整个分析期内不恢复(zero-β BIB);只放大信念方差时,断链在几步内就恢复(fixed-R BIB,中位数2步、最多5步),队列无法形成。 在BIB中,断链长度中位数为16步,31%持续至少100步;在1151条于2000步内恢复的领头者断链上,恢复时信念方差中位数扩大为原来的2.8×10⁴倍,99%的断链通过断链期间唯一的一次重置恢复。

启示与展望

结论来自三个智能体在无界平面上以恒定速度移动、彼此始终可观测且无惯性的最小模型,二维位置估计使用的是由一维BIB更新规则导出的自适应估计,结果限于参考似然方差R₀=1的条件。作者提出,后续应在更大群体、有限视野、状态变化与离群值混合的环境中检验同一领头者形成机制。

重置时从均匀分布抽取似然方差属于建模假设,而非由观测噪声分布导出;当该分布的下界设为参考似然方差的千分之一时,没有队列形成。重置判据用更新后的预测分布评估当前观测,会偏好极小的似然方差;改用更新前的预测分布后仍有领头—跟随队列(1424个,三条判据在79%的可评估队列中一致),但断链更长。模型使用高斯观测噪声,既没有单独的离群值生成过程,也没有非平稳观测噪声,因此尚未直接证明这种延迟归因在状态变化与离群值混合时的适应优势。