Я подключил коннектом настоящей дрозофилы к CS 1.6. Ботом управляют 12 000
нейронов и 495 225 синапсов, без waypoint'ов и без дерева решений.
Видео (3 минуты):
нейронов и 495 225 синапсов, без waypoint'ов и без дерева решений.
Картинку получаю трассировкой лучей на стороне сервера через Metamod-плагин,
подаю её на нейроны, а выход нейронов становится командами поворота и движения.
Связи нейронов взяты из проекта FlyWire (реконструкция мозга реальной мухи,
FAFB v783). Модель мухи сделана из микро-КТ скана настоящей Drosophila
(NeuroMechFly, Apache-2.0).
Эксперимент с обучением: на карте стоят цветные столбы. За правильный цвет муха
получает "сахар", за неправильный — "горечь". Потом я меняю вознаграждаемый цвет,
и ей приходится переучиваться.
Измерено:
• Сразу после смены цвета: 51% правильных выборов (уровень случайности)
• К концу того же блока: 84%
• Поиск нового цвета: в среднем 8,5 попыток
• Всего 161 попытка, 6 смен цвета
Муха сама решает, когда взлетать, строит собственную карту стен и запоминает
места, где получила "горечь".
Исходники пока не публикую, проект ещё в разработке.
подаю её на нейроны, а выход нейронов становится командами поворота и движения.
Связи нейронов взяты из проекта FlyWire (реконструкция мозга реальной мухи,
FAFB v783). Модель мухи сделана из микро-КТ скана настоящей Drosophila
(NeuroMechFly, Apache-2.0).
Эксперимент с обучением: на карте стоят цветные столбы. За правильный цвет муха
получает "сахар", за неправильный — "горечь". Потом я меняю вознаграждаемый цвет,
и ей приходится переучиваться.
Измерено:
• Сразу после смены цвета: 51% правильных выборов (уровень случайности)
• К концу того же блока: 84%
• Поиск нового цвета: в среднем 8,5 попыток
• Всего 161 попытка, 6 смен цвета
Муха сама решает, когда взлетать, строит собственную карту стен и запоминает
места, где получила "горечь".
Исходники пока не публикую, проект ещё в разработке.
Видео (3 минуты):