嵌套交互网络提升群体行为的响应能力

动物群体如何保持如此敏锐的一致性

大型动物群体常常看起来像单一生物般一起转向、躲避或逃离。本文探讨了鱼群内部——以及受其启发的机器人群体中——隐藏的“谁跟随谁”结构如何使整个群体在环境变化时快速且可靠地作出反应。

移动群体内部的分层引导

当我们看着鱼群从危险处盘旋游走时，很容易认为每条鱼同时复制其邻居的动作。作者指出真实情况更为微妙：存在一种无形的引导模式，其中有些鱼影响许多其他鱼，而有些则主要是跟随者。这种模式不是僵化的地位序列，而是随群体所执行动作类型而变化的灵活领导—跟随链接网络。研究者关注的关键结构特征称为“嵌套性”：高层的领导者不仅直接引导其近邻跟随者，还通过链式传导间接影响许多处于更低层的鱼。

鱼群揭示的快速机动之道

研究团队拍摄了在浅圆形水槽中游动的一小群红鼻灯鱼，记录每条鱼随时间的位置信息和朝向。从这些轨迹中，他们重建出谁倾向于先动、谁倾向于后反应，进而为每个群体建立了有向影响网络。他们还测量了群体转向的敏锐度（曲率）和鱼之间的对齐程度（极化）。结果显示，当群体执行快速、频繁变向的扭转机动时，底层网络具有强烈的嵌套性：少数鱼影响多数，影响模式呈现整齐的三角形级联。相比之下，当鱼群平稳地朝单一方向滑行时，网络的嵌套性较低且更为平等，尽管鱼仍保持良好的一致性。

在理想化网络中测试信息流

为理解为何嵌套结构有助于响应，作者借用了常用于流行病学的简单传播模型。在这里，一个节点被“感染”意味着它已接收并在传播方向性提示，而非疾病。他们将完全嵌套的领导—跟随网络与部分嵌套和随机网络进行比较，同时保持总体连接数不变。在最嵌套的情况下，从顶端播种的信号能迅速到达几乎每个节点，即便节点较快“恢复”（停止传播）也能实现覆盖。随着网络被随机化、嵌套性下降，信号传播受阻：许多节点仍然未被告知，活跃传播者的峰值数量下降，且模型需要更多初始信号源才能达到相同覆盖率。

从方程到转向的机器人群体

研究接着考察这些结构优势是否能转化为实际运动表现。作者构建了一个“自驱动”群体模型，其中每个个体根据邻居动作的显著性选择跟随对象，但带有一个转折：该规则倾向于构建嵌套层级，即更“显著”的运动者成为许多其他个体的领导者。他们将这一完全嵌套的方案与两种常见替代方案比较：一种是每个邻居权重相同，另一种是根据运动线索平滑加权影响。在需要由少数知情个体多次发出大型转向指令的模拟群体中，嵌套方案使群体更紧密地匹配目标航向模式且延迟更小，即使在运动中添加了大量噪声也保持优势。

真实机器人像鱼群一样行动

最后，研究者在平坦场地上用五十个带轮小型机器人实现了嵌套网络控制。在“盘旋”任务中，一台知情机器人试图让群体围绕一个区域盘旋。采用传统的加权邻居规则时，群体路径平滑而迟缓，只出现轻微弯曲。采用嵌套规则时，机器人执行了更为锋利、更果断的转向，紧跟知情机器人变化。在“跟随”任务中，当知情机器人做出不可预测的方向变化时，受嵌套控制的群体在位置和航向上都保持得更紧密，而对照群体则将许多转向平滑掉或错过。

这对鱼类与机器人以外的意义

通俗来说，这项工作表明群体的连线方式与个体的敏感度同样重要。高度嵌套的影响网络——一个层次分明的链条，使更高层的领导者触及许多下层成员——能让群体更快、更可靠地对重要信号作出反应，而不会被噪声淹没。这些见解能够帮助生物学家解读动物群体行为，指导无人机或水下机器人团队在危险环境中快速响应的设计，甚至为我们在需要快速协调行动的人类网络组织提供参考。

引用: Zheng, Z., Tao, Y., Xiang, Y. et al. Nested interaction network enhances responsiveness in collective behavior. Commun Phys 9, 75 (2026). https://doi.org/10.1038/s42005-026-02510-0

关键词: 群体行为, 鱼群编队, 群体机器人学, 信息传递, 网络层级