El cerebro de una mosca enseña a un robot a caminar exprés
La mosca de la fruta, Drosophila, es una criatura diminuta con un cerebro del tamaño de una semilla de amapola. Contiene unas cien mil células nerviosas, y los científicos ya han trazado un mapa completo de sus conexiones, como si fuera un plano del metro urbano, donde las estaciones son las neuronas y las líneas son las conexiones entre ellas. Este esquema se llama conectoma.
Los investigadores se preguntaron: ¿se puede usar este esquema natural ya hecho como 'cerebro' para un modelo informático de la mosca? Tomaron el conectoma de una Drosophila adulta y lo convirtieron en un programa de control: una red neuronal con la misma estructura de conexiones. Luego colocaron la mosca virtual en un simulador, donde tenía que aprender a caminar, girar y realizar otros movimientos. El aprendizaje se realizaba por ensayo y error: por pasos exitosos, el programa recibía una recompensa; por caídas, un castigo.
El resultado sorprendió: la mosca con el conectoma 'nativo' aprendía más rápido y se movía con más estabilidad que los modelos con estructura aleatoria o simplificada. Necesitaba menos intentos para dominar un nuevo movimiento, algo así como a un bailarín experto le resulta más fácil aprender un baile nuevo que a un principiante. Además, este modelo resultó más fácil de analizar: se puede rastrear cómo viajan las señales desde los 'ojos' hasta los 'músculos' y qué conexiones son las más importantes.
Este trabajo es un paso hacia la creación de máquinas que no aprenden desde cero, sino que se apoyan en esquemas probados por la evolución. Quizás los futuros robots reciban un 'cerebro' inspirado no en algoritmos abstractos, sino en la biología real, desde la mosca hasta el ser humano.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2602.17997
Animals perform coordinated whole-body movements under the control of neural systems shaped by brain-wide connectivity. The mapping of the whole-brain neural connections, or the connectomes, provides a natural graph for modeling sensorimotor information flow, yet its potential as a neural controller for embodied agents remains largely unexplored. Here, we introduce the Fly-connectomic Graph Model, which directly instantiates the whole-brain connectome of an adult Drosophila as a graph-structured neural controller for movements of a simulated biomechanical fruit fly via deep reinforcement learning. We achieve stable performance across diverse locomotion tasks, as well as better sample efficiency compared to both graph and non-graph baselines. Our results demonstrate a biologically informed way towards effective control policy design by translating whole-brain wiring principles into actionable architectural priors, while also improving the interpretability through dynamic information flow. This work also highlights the potential to bridge neuromechanics with embodied intelligence by providing a computational platform for investigating the sensorimotor transformation underlying animal behavior and a paradigm to advance the development of more nature-aligned intelligent systems.
El cerebro de la Drosophila contiene alrededor de 100 000 neuronas, pero la mosca es capaz de realizar maniobras complejas en vuelo, esquivar peligros e incluso aprender.
La idea de usar un cerebro biológico como esquema para una máquina recuerda a la película 'RoboCop', donde un cerebro humano controlaba el cuerpo de un robot.