[Submitted on 13 Nov 2025 (v1), last revised 29 Jul 2026 (this version, v2)]

View PDF

Abstract:背景：具身智能与发育形态发生均依赖于集中式引导与分布式材料动力学之间的劳动分工，但控制自组织所需的自上而下控制量仍不明确。方法：我们将一个紧凑的全分辨率卷积控制器与一个可微的 Gray-Scott 反应-扩散（RD）基底耦合。控制器观测 U 和 V 两个场，并对 feed 和 kill 参数（ΔF 和 ΔK）施加平滑的增益调度调制。我们比较了纯 RD、神经网络（NN）主导以及混合机制，并评估了频谱选择性、收敛性和控制代价。结果：混合机制在约 165 步内实现了 100% 的严格收敛，而纯 RD 和 NN 主导基线在相同范围内未收敛。它匹配了基底的频谱选择性，同时使用的 L1 努力比 NN 主导控制器少约 15 倍，L2 功率少 200 倍以上。中等振幅（A ≈ 0.03-0.045）形成了一个“金发姑娘”区域，在 94-96 步内实现 100% 的准收敛。结论：有效控制最好理解为“播种后放手”：简短、平滑的参数级轻推将系统置于有利的吸引盆中，随后由反应-扩散动力学完成并稳定图案。这为受控自组织提供了形态计算的定量模型。

Submission history

From: Takehiro Ishikawa [view email]
[v1] Thu, 13 Nov 2025 09:05:27 UTC (437 KB)
[v2] Wed, 29 Jul 2026 08:28:55 UTC (2,278 KB)