这不是抽象模型,是 MaleCNS v1.0(Janelia FlyEM + Google)里切出来的真实子回路: 从复眼下游的 LPLC2 与 LC4 出发,经中继与抑制性神经元,收敛到 DNp01(巨纤维)。 每个时间步只推进真正发放的神经元的出边,所以本页能以 1 kHz 神经实时运行 —— 全部计算都在你的浏览器里。
一个半径 5 cm 的物体从 0.6 m 外正面逼近。左:距离视图(物体的画法尺寸按视夹角缩放,所以看起来是压过来的)。 右:复眼里的角尺寸,以及 LPLC2(角尺寸)和 LC4(角速度)两路归一化强度。
每行是一个神经元随时间发放的痕迹(约 260 ms 历史)。只有回路里真正发放的神经元的出边会被遍历, 这些点就是每一次遍历的来源。红线标出巨纤维那一行:它一开始亮,逃逸就发生了。
把 DNp01 的瞬时发放率画出来,黄虚线是判据。判据取 20 Hz 是照搬 FlyDrones 的做法, 好处是它对单个脉冲不敏感 —— 一两个偶发脉冲不足以构成"逃逸"。
同一颗大脑、同一套动力学,两边各自独立跑一遍,逐项对照。任何一格"不一致"都说明这个页面上的 数字不可信 —— 所以这一列是刻意留在这里的。
| 速度 (m/s) | Python 实测 | 浏览器实测 | 判定 | DNp01 平均发放率 | 全网络脉冲数 |
|---|---|---|---|---|---|
| 正在重算… | |||||
分别关掉一路输入,看巨纤维要到什么时候才发放。如果两路是冗余的,单路应该和双路差不多快; 如果它们是相加的,单路就会明显变慢 —— 这是可以当场读出来的判决,不用信我的结论。
| 条件 | Python 实测 | 浏览器实测 | 判定 |
|---|---|---|---|
| 正在重算… | |||
alextitonis/fly.ai)得到同样的阴性结果。
所以这里的定位是反射级,不是飞控级。
连接组数组由 tools/export_web_brain.py 导出(brain.bin 5.5 MB 二进制 +
brain.json 元参数),docs/live/engine.js 是 Python 内核的逐行移植。
命令行复跑校核:
node tools/check_web_engine.mjs — 浏览器引擎与 Python 逐点对齐(毫秒级)node tools/bench_web_engine.mjs — JS 步进开销与实时倍数