Плодовая муха Drosophila melanogaster давно является модельным организмом в биологических и нейронаучных исследованиях благодаря своей простой нервной системе и значимости в генетике. Однако для глубокого понимания того, как нервная система контролирует сложные двигательные паттерны, недостаточно рассматривать лишь нейронные сети в изоляции от тела. Движение насекомого обусловлено взаимодействием его анатомических структур с окружающей средой. Последние достижения в области физического моделирования и искусственного интеллекта позволили создать детализированную симуляцию тела плодовой мухи и ее движений, которая выступает как революционный инструмент в изучении сенсомоторного контроля и биомеханики. Модель включает в себя полное физическое описание тела мухи, симулируя не только движения конечностей и крыльев, но и учитывая сложные физические силы, такие как аэродинамические эффекты и контакты с поверхностью.
Для достижения высокой точности разработчики использовали анатомические данные, полученные с помощью конфокальной микроскопии и трехмерного моделирования в Blender и MuJoCo. Это позволило воссоздать множество степеней свободы суставов мухи и их диапазон движения, что является критически важным для реалистичной симуляции. Особое внимание уделено моделированию аэродинамических сил во время полета, а также адгезионного взаимодействия лапок с поверхностями при ходьбе. Для адгезии была разработана феноменологическая модель, имитирующая механизм прилипания, позволяющий мухе уверенно двигаться по различным субстратам. Помимо физической модели, важным компонентом является управление движениями - его обеспечивает комплекс нейронных сетей, обученных с применением методов усиленного обучения.
Эти нейросети способны принимать высокоуровневые команды, преобразуя их в комплексные скоординированные движения, что позволяет симулятору имитировать реалистичные маневры как в пространстве, так и на земле. Использование визуальных сенсоров в системе расширяет её возможности: обученные контроллеры могут адаптироваться к изменениям окружающей среды, выполнять задачи, основанные на визуальной информации, например, избегать препятствия или следовать за определённой траекторией. Возможность интеграции различных уровней моторного контроля — от низкоуровневого управления полетом до высокоуровневого руководства проходами и визуальным восприятием — делает модель универсальным инструментом для исследований. Представленная система является открытым исходным проектом, что позволяет исследователям всего мира использовать её для собственных экспериментов, а также для расширения функционала, например, путем добавления новых сенсорных модальностей или моделирования различных условий окружающей среды. Это значительно ускорит прогресс в понимании сложных взаимодействий между нервной системой, телом и средой у насекомых.
