At forstå, hvordan langsomme rovdyr fanger hurtigere bytte, kan forbedre dronetaktik

(Phys.org) - Da en gazelle kan køre hurtigere end en løve, hvordan fanger løver nogensinde gazeller? En ny model for rovdyr-bytte-interaktion viser, hvordan grupper af rovdyr bruger kollektive jagtstrategier, såsom sving og cirkel, at forfølge og fange hurtigere bytte. Uden dette taktiske samarbejde, rovdyrene ville ikke have nogen chance for at fange disse bytte.

Resultaterne er ikke kun relevante for forståelse af dyreliv, men har også potentielle applikationer til droneflyvende strategier og i underholdningsindustrien.

Forskerne, Milán Janosov, Csaba Virágh, Gábor Vásárhelyi, og Tamás Vicsek ved MTA-ELTE Statistical and Biological Physics Research Group, Ungarn, har offentliggjort deres papir om deres nye model for kollektive jagtstrategier i et nyligt nummer af New Journal of Physics .

"Efter mange tidligere bestræbelser, det lykkedes os at give en enkel, alligevel overraskende livlignende forklaring på, hvordan rovdyr kan danne succesfulde jagtflokke, og derved drastisk øge deres chancer for at få succes på en jagt, "Fortalte Janosov Phys.org . "Dette er især interessant, fordi det lykkedes os at modellere disse usædvanligt komplekse systemer - jagtgrupperne af store kødædere - i en simulering, der lignede realistiske træk ved dyreliv, såsom omringning, optimal gruppestørrelse, og endelig plads, kun ved at bruge et sæt kompakte regler formuleret som kraftlignende interaktioner i fysik. "

Selvom der er andre modeller, der beskriver rovdyr-bytte-interaktioner, den nye model er anderledes på grund af det store antal faktorer, den står for, såsom byttedyrets paniktærskel, rovdyrets evne til at forudsige byttens fremtidige position, og samspillet mellem flere rovdyr, inden for lukkede grænser med realistiske foranstaltninger. Alle disse parametre bidrager til at lave en mere realistisk model, der præcist beskriver adfærd observeret i naturen af ​​grupper af rovdyr såsom løver, ulve, og coyoter.

Ved at køre simuleringer og måle effektiviteten af ​​forskellige kombinationer af parameterværdier, forskerne bestemte de optimale kombinationer, der resulterede i den mest succesrige gruppejagtstrategier. Blandt deres resultater, de fandt ud af, at kun et eller to rovdyr aldrig kan fange et hurtigere bytte, og at grupper på tre eller flere kun lykkes med visse samarbejdsstrategier.

Modellen afslørede, at tre rovdyr udgør en optimal gruppe, når de jagter to dimensioner (f.eks. På land) i et begrænset rum. I tre dimensioner (f.eks. I luften eller under vand), jagten bliver mere udfordrende, og grupper på fem er optimale. Disse gruppestørrelser er sammenlignelige med dem, der observeres i naturen. Noget overraskende, forskerne fandt også ud af, at et ulige antal chasers klarer sig bedre end et lige antal, hvilket skyldes geometriske årsager:med et lige tal, det er mere sandsynligt, at der stadig er et hul mellem rovdyr, der gør det muligt for byttet at flygte.

I deres model, forskerne observerede også fremtrædende adfærd, som er adfærd, der kun vises i grupper. I særdeleshed, grupper af rovdyr begynder ofte at omringe deres bytte, og denne adfærd stammer direkte fra jagtereglerne.

I naturen, det er almindeligt at bytte nogle gange løber i et zigzagmønster for at forvirre rovdyret, og til sidst at løbe direkte væk fra rovdyret i en lige linje. Forskerne observerede også disse strategier i deres model, og fandt ud af, at zigzagging er særlig fordelagtig, når rovdyrene har en lang forsinkelse i at reagere.

I fremtiden, forskerne forventer, at der kan opnås yderligere interessante resultater ved at ændre modellen, såsom at undersøge situationer med flere hurtige byttedyr og udstyre rovdyr og bytte med algoritmer til maskinlæring.

"Vores hovedmål i denne forskning var at få en dybere forståelse af dyrs kollektive adfærd, at udvide vores viden om grundlæggende spørgsmål om dyrs adfærd, "Sagde Janosov." Men i betragtning af at vores forskningsgruppe udvikler kollektive bevægelsesalgoritmer til vores flok quadrocopters, der er masser af potentielle applikationer, vi kunne foreslå. For eksempel, en gruppe taktiske droner, der bruger smarte omkredsstrategier, kan blive endda livreddende i tilfælde af terrorangreb, når målet er at fange terroristflyvende køretøjer, eller jagter kriminelle i snævre, stærkt befolkede byområder.

"Udover disse, vores resultater kunne have potentielle applikationer selv i underholdningsindustrien til udvikling af feltspil, muligvis kombineret med virtual reality -værktøjer, eller ved streaming af populære sportsbegivenheder, især dem, der er bredt spredt i rummet - f.eks. cykel- eller billøb. "

© 2017 Phys.org