Las estratégias de persecución colectiva aplicadas a los drones

ataque de un grupo de depredadores en círculo

Comprender cómo los depredadores lentos capturan presas más rápidas podrían mejorar las tácticas de drone

Dado que una gacela puede correr más rápido que un león, ¿cómo los leones alguna vez cogen a las gacelas? Un nuevo modelo de interacción predador-presa muestra cómo los grupos de depredadores usan estrategias de persecución colectiva, como curvas y círculos, para perseguir y capturar presas más rápidas. Sin esta colaboración táctica, los depredadores no tendrían ninguna posibilidad de atrapar a estas presas.

Los resultados no sólo son relevantes para entender la vida silvestre, sino que también tienen potenciales aplicaciones para las estrategias de drones y en la industria del entretenimiento.

Los investigadores, Milán Janosov, Csaba Virágh, Gábor Vásárhelyi y Tamás Vicsek, del Grupo de Investigación de Estadística y Biología Física del MTA-ELTE, Hungría, han publicado su artículo sobre su nuevo modelo de estrategias colectivas de caza en un reciente número del New Journal of Física.

"Después de muchos esfuerzos anteriores, logramos dar una explicación sencilla pero sorprendentemente realista de cómo los animales depredadores pueden formar exitosos grupos de caza, y por eso aumentan drásticamente sus posibilidades de éxito en una cacería", dijo Janosov. "Esto es particularmente interesante porque hemos logrado modelar estos sistemas excepcionalmente complejos - los grupos de caza de grandes carnívoros - en una simulación que se asemeja a las características realistas de las búsquedas de animales, tales como el rodeo, el tamaño óptimo del grupo y el espacio finito, sólo usando un conjunto de reglas compactas formuladas como interacciones similares a la fuerza en la física".

Aunque existen otros modelos que describen las interacciones predador-presa, el nuevo modelo es diferente debido al gran número de factores que explica, como el umbral de pánico de la presa, la capacidad del predador para predecir la posición futura de la presa y la interacción entre múltiples depredadores, dentro de límites cerrados con medidas realistas. Todos estos parámetros contribuyen a hacer un modelo más realista que describa con precisión los comportamientos observados en la naturaleza por grupos de depredadores como leones, lobos y coyotes.

ruta de escape probable

Al realizar simulaciones y medir la efectividad de diferentes combinaciones de valores de parámetros, los investigadores determinaron las combinaciones óptimas que resultaron en las estrategias de persecución en grupo más exitosas. Entre sus resultados, encontraron que sólo uno o dos depredadores nunca pueden atrapar una presa más rápida, y que grupos de tres o más solo tienen éxito con ciertas estrategias colaborativas.

El modelo reveló que tres depredadores forman un grupo óptimo al perseguir en dos dimensiones (como en tierra) en un espacio confinado. En tres dimensiones (como en el aire o bajo el agua), perseguir se vuelve más difícil, y son óptimos grupos de cinco. Estos tamaños de grupo son comparables a los observados en la naturaleza. Un tanto sorprendente, los investigadores también encontraron que un número impar de cazadores lo hace mejor que un número par, lo cual se debe a razones geométricas: con un número par, es más probable que permanezca una brecha entre los depredadores que permite a la presa escapar.

caza en parejas y escape de la presa

En su modelo, los investigadores también observaron el comportamiento emergente, que es el comportamiento que aparece sólo en grupos. En particular, grupos de depredadores a menudo comienzan a rodear a sus presas, y este comportamiento surge directamente de las reglas de persecución.

En la naturaleza, es común que las presas a veces se muevan en un patrón de zigzag para confundir al depredador, y finalmente salir directamente del depredador en línea recta. Los investigadores también observaron estas estrategias en su modelo, y encontraron que zigzaguear es especialmente ventajoso cuando los depredadores tienen un largo retraso en la respuesta.

{mp4}tacticas-caza{/mp4}

En el futuro, los investigadores esperan obtener resultados adicionales interesantes modificando el modelo, como la investigación de situaciones con múltiples presas rápidas y el equipamiento de depredadores y presas con algoritmos de aprendizaje automático.

"Nuestro principal objetivo en esta investigación fue obtener una comprensión más profunda del comportamiento colectivo de los animales, ampliar nuestro conocimiento sobre cuestiones fundamentales sobre el comportamiento animal", dijo Janosov. "Sin embargo, dado el hecho de que nuestro grupo de investigación está desarrollando algoritmos de movimiento colectivo para nuestra bandada de cuadriculados, hay un montón de aplicaciones potenciales que podríamos proponer. Por ejemplo, un grupo de drones tácticos que utilizan estrategias inteligentes de cercado podría llegar incluso a salvar vidas en caso de ataques terroristas, cuando el objetivo sea capturar vehículos terroristas voladores o perseguir a criminales en áreas urbanas estrechas y altamente pobladas.

"Además de estos, nuestros resultados podrían tener potenciales aplicaciones incluso en la industria del entretenimiento en el desarrollo de juegos de campo, posiblemente combinados con herramientas de realidad virtual, o por la transmisión de eventos deportivos populares, especialmente aquellos que están ampliamente extendidos en el espacio - por ejemplo, carreras de coches".

Artículo científico: Group chasing tactics: how to catch a faster prey

Dronografía