收录解读
这篇论文处理的是一个很少被真正做实的问题：完整果蝇脑 connectome 能不能直接作为 embodied reinforcement learning 的控制骨架，而不是只作为生物学可视化对象。作者把成年果蝇全脑 connectome 直接转成 whole-body locomotion controller，并和生物力学果蝇身体模型耦合，目标是检验静态 connectome 结构本身是否足以支持稳定的运动控制。
方法上的新意在于 `FlyGM`：它不重新发明一个任务专用策略网络，而是把果蝇全脑连接结构固定为 directed message-passing graph，让信息从感觉输入到运动输出沿着 connectome 流动。论文再把这个控制器接到 embodied RL 训练里，并和 degree-preserving rewired graph、random graph、MLP 等结构做对照，以验证“真实 connectome 拓扑”本身是否带来样本效率和最终性能优势。
这篇值得放进仓库，是因为它把 connectome、graph model、embodied control 三件事真正接到了一起。它不是单纯的神经科学分析，也不是常规机器人控制调参，而是一个很明确的“脑连接结构能不能作为控制归纳偏置”的实验平台。按仓库标准，我把它放在突破性：它对 brain-inspired control 和 connectome-as-policy 方向有明显外溢价值。
它还不到更高一级，原因也明确：目前仍是 arXiv 工作，任务范围集中在 locomotion，离“完整虚拟果蝇”或更广泛的通用 embodied intelligence 还有距离。它更像一篇非常值得跟的强论文，而不是已经改写整条路线图的范式级成果。