🐟 Aquarium — Bancs de poissons

À chaque image, un poisson calcule trois vecteurs de force. Séparation : pour chaque voisin à moins de 80 pixels, ajouter un vecteur unitaire pointant à l'opposé, mis à l'échelle par 0,04. Alignement : faire la moyenne des vecteurs de vélocité de tous les voisins à moins de 160 pixels, mettre à l'échelle par 0,02, et ajouter ceci à la vélocité du poisson. Cohésion : calculer le vecteur du poisson vers la position moyenne des voisins à moins de 160 pixels, le normaliser, et le mettre à l'échelle par le paramètre de cohésion. Les trois forces sont additionnées et appliquées. La vitesse est ensuite plafonnée au maximum défini par le curseur Vitesse. Ce sont des forces de pilotage par intégration d'Euler plutôt que de la physique newtonienne, ce qui signifie que l'accélération et la traînée sont implicites dans le plafonnement.

Le comportement de banc chez les vrais poissons a évolué principalement comme une défense anti-prédateur. Un banc dense de centaines ou milliers de poissons d'apparence identique déclenche ce que les biologistes appellent « l'effet de confusion » — un prédateur trouve presque impossible de suivre et d'isoler une cible unique parmi le mouvement rapide et coordonné de nombreux poissons similaires. Les bancs bénéficient aussi de « l'effet des nombreux yeux » : avec plus d'individus surveillant le danger, le groupe détecte les menaces plus tôt. Certaines espèces en banc gagnent en plus des avantages hydrodynamiques, les poissons pouvant se laisser porter dans le sillage de pression de leurs voisins et réduire leur dépense énergétique.

Une idée reçue courante est qu'un banc est mené par un « poisson meneur » en tête que les autres suivent. En réalité, les poissons en banc n'ont ni meneur ni hiérarchie. Le poisson qui semble être en tête se trouve simplement là en raison du pilotage combiné de tous les individus. S'il tourne, tout le groupe se réorganise, et un autre poisson peut se retrouver en tête. Chaque individu prend ses propres décisions en fonction uniquement des poissons qu'il peut immédiatement percevoir, et le mouvement de groupe ordonné est une propriété émergente auto-organisée.

Craig Reynolds, alors chercheur en infographie, a publié l'algorithme des Boids en 1987 dans les actes SIGGRAPH intitulés « Flocks, Herds, and Schools: A Distributed Behavioral Model ». Le modèle a immédiatement eu une influence sur le cinéma et l'animation — il a été utilisé pour la première fois dans une grande production en 1992 dans le film de Tim Burton Batman, le défi, où des milliers de chauves-souris et de pingouins ont été animés à l'aide des Boids. Reynolds a reçu un Oscar de la réussite technique en 1998 pour ses travaux sur le contrôle du mouvement et l'animation comportementale.

L'aquarium est étroitement lié à la simulation Boids 3D de ce site, qui montre le vol groupé dans un espace tridimensionnel sans le thème de l'aquarium. La simulation École de poissons 3D utilise aussi des règles de vol groupé mais rend les poissons sous forme de maillages 3D. Plus largement, les mêmes principes de comportement émergent apparaissent dans le Jeu de la vie (émergence d'automate cellulaire), le Modèle épidémique SIR (propagation d'agents à travers une population), et L-Systems (règles de croissance produisant des structures végétales complexes). Tous montrent comment des règles locales simples peuvent générer des motifs globaux complexes.

Les algorithmes dérivés des Boids sont largement utilisés en robotique en essaim, où des groupes de drones ou robots terrestres autonomes simples doivent se coordonner sans contrôleur central. Les mêmes règles permettent des opérations décentralisées de recherche et sauvetage, des essaims de drones agricoles pour la surveillance des cultures, et la coordination militaire multi-drones. En ingénierie du trafic, les modèles de vol groupé informent la façon dont les véhicules autonomes peuvent former des pelotons pour réduire la traînée aérodynamique. En ingénierie réseau, les algorithmes de colonies de fourmis et d'optimisation en essaim — mathématiquement liés aux Boids — résolvent des problèmes de routage et d'équilibrage de charge dans de grands systèmes distribués.

Les chercheurs étudient actuellement comment les vrais bancs de poissons prennent des décisions collectives, comme choisir dans quelle direction tourner quand un prédateur approche, sans qu'aucun individu n'ait d'information complète. Des études utilisant le suivi multi-caméras à haute vitesse ont révélé que l'information se propage à travers un banc comme une onde se déplaçant à environ 20 longueurs de poisson par seconde — bien plus vite que le temps de réaction de tout individu. Les questions ouvertes incluent comment les bancs maintiennent leur cohésion en trois dimensions en eau turbulente, comment se forment et se dissolvent les bancs multi-espèces, et comment le cerveau de chaque poisson encode et traite rapidement les signaux sociaux de dizaines de voisins simultanément.