ARGOS-MUKHTAR — embodied connectome testbed (ветка mukhtar)

Мухтар — стенд, где конкретные нервные цепи насекомого можно включить, отключить, нарушить и проверить, что они реально меняют в поведении шестиногого тела (MuJoCo-симуляция, Python 3.11, нода Coral/нода X230).

ARGOS-MUKHTAR is an embodied connectome testbed that connects anatomically identified insect neural circuits to a simulated six-legged body and measures their causal contribution to behavior.

Структура

Каталог	Что
mukhtar/	Модульный рефлекторный пакет Stage 1: reflexes/ (R1a stumble, R1b foot-catch, R3 v2 searching, R4 load-coordination, mixer, база ReflexContext/ReflexOutput), sensors/ (ContactPipeline с kind floor/obstacle/self), telemetry/, tests/ (38/38 pytest), ОТЧЁТ_Stage1.md
controllers/	Контроллеры: A = CPGGaitController (эталонный синус-CPG), Б = SineContactController (+contact feedback), В = SpikeCPGController (6-нейронный LIF half-center); limb_reflexes_FROZEN_v03_filters.py — замороженный боевой контроллер (sha256 a8db07c0…6dcde)
models/	hexapod.xml (6 ног × 3 сустава, 18 приводов) + генератор gen_hexapod.py
cpg_m0/	Изолированный MaleCNS-модуль T1-L: config.json (клетки DgR/E1/E2/I1/I2 + рёбра, BASE-веса), raster *.npz и метрики *.json для normal / KO DNg100 / KO E1 / KO E2 / KO I1 / KO I2 / KO I1+I2 при drive 0.4–1.6. Base checkpoint male_cns_spikewhale.pt sha256 b381422e…f6fb
fly_bridge/	Сценарии и бенчи: stage1_matrix.py (матрица flat/12мм/gap + event-log), stage1_regression.py, calib_load.py, scan_tibia.py, CPG: cpg_module_test.py, cpg_m5.py, cpg_base_vs_trained.py, cpg_prc.py, base_provenance.py, история: foot_catch.py, support_loss.py, neural_metronome.py
docs/	PROJECT_STATUS.md (статус ноды 26.09), протоколы диагностики
logs/	Сырые логи прогонов матрицы/regression (если доступны)

Статусы рефлексов (измерено 27.09.2026)

• R1b foot-catch — confirmed: 12-мм ловушка BASE 0.486 м (застрял) → R1b 1.238 м (прошёл), flat 0 ложных.
• R3 v2 searching — confirmed: яма 20 мм BASE fell=1 (просадка 152 мм) → R3 v2 fell=0 (просадка 19 мм, 0.987 м). На мелких неровностях выключать.
• R1a tibia-stumble — experimental/off: на текущей геометрии тибия не достаёт до препятствий (скан 12–28 мм: 0 контактов); польза v1 была артефактом tibia↔floor.
• R4 load-coordination — failed (v2): deadlock «hold фазы vs активный lift-off» походки Б (flat 1.26→0.887 м); ждёт инверсной схемы или 6-CPG-этапа.
• Global neural metronome + I2 phase reset — failed: локальная пертурбация ноги сбивала всю походку (global metronome хуже локальных CPG).

Воспроизведение

Нода: cd /opt/argos-roach && ./venv/bin/python fly_bridge/stage1_matrix.py (X230: тот же пакет в /home/argos-data/improve/mukhtar/). Тесты пакета: python -m pytest mukhtar/tests/ -q → 38 passed.

Публикации: HF Space ARGOS-MUKHTAR-Lab, dataset MUKHTAR-Bench, model repo ARGOS-MUKHTAR (аккаунт AvaSiG).

Реальная проверка системы — 27.09.2026

Статусы ниже означают именно проверку на текущих файлах X230/Coral-ноды, а не ожидаемое поведение по статье. Обозначения: CONFIRMED — измерено, PARTIAL — работает только часть контура, FAILED — проверено и отвергнуто, NOT CONNECTED — артефакт/нейросеть существует, но к телу Мухтара не подключена.

Контур	Статус	Фактический результат
Stage1 package	CONFIRMED	свежий прогон на Coral: 38 passed in 0.61s
R1b foot-catch	CONFIRMED	B02 12 мм: BASE 0.486 м → R1b 1.238 м, fell=0
R3 v2 searching	CONFIRMED	B03 gap20: BASE fell=1/drop 152.3 мм → R3v2 fell=0/drop 19.1 мм
R4 load-hold	FAILED	flat 1.260→0.887 м; deadlock load↔phase, max hold 402 мс
global neural metronome	FAILED	локальный phase reset сбивал ритм всех ног
T2 steering	PARTIAL	свежий held-out: mean final dist 0.657 м против fixed 0.765; goal=0/4
Central Complex EPG→PFL	FAILED/INACTIVE	EPG/Delta7/FC2/PFL3/PFL2 = 0 spikes и на синтетике, и на 6400 реальных кадрах
Vision optic-lobe	NOT CONNECTED	vision checkpoints/логи есть; locomotion camera→body отсутствует
Olfaction MB	NOT CONNECTED	KC/MBON/DAN эксперимент существует; газовый сенсор→робот отсутствует
Wings / halteres	NOT IMPLEMENTED	hexapod.xml содержит только 18 leg position actuators

B09-SHADOW-6CPG — подтверждённый рубеж

Свежий повтор fly_bridge/b09_shadow.py на Coral: PASS. Controller Б продолжал вести тело, шесть MaleCNS CPG работали параллельно и не имели доступа к актуаторам. Все три повтора дали одинаковые периоды и 0 dropout.

Модуль	период, тики	период при 20 мс/tick	jitter	dropouts
T1-L	17	0.34 с	0.059	0
T2-L	17	0.34 с	0.059	0
T3-L	18	0.36 с	0.094	0
T1-R	17	0.34 с	0.059	0
T2-R	17	0.34 с	0.059	0
T3-R	20	0.40 с	0.000	0

Последний burst каждого модуля был на тиках 983–998 из 1000. Межповторный std периода = 0.0 для всех шести. Свежий CPU замер: 0.275–0.280 мс на тик для всех 6 модулей; более ранний запуск давал ~0.50 мс/tick, поэтому CPU считаем диапазоном, а не константой. Body x = 1.266 м во всех трёх повторах.

Практический вывод: T3-R примерно на 18% медленнее 0.34-с модулей. Перед передачей фаз на ноги требуется либо per-leg drive calibration, либо мягкая межлапная синхронизация. Жёсткий общий метроном запрещён результатом M6.

M5 BASE/TRAINED — свежая проверка drive=0.8

Все 6 подграфов осциллируют и на BASE, и на TRAINED. I2 — доминирующий тормозной пул во всех 6 модулях в этой конкретной реализации. TRAINED не делает модули изохронными: например T1-L 12.00 ticks, T1-R 10.89, T2-L 21.94, T3-R 22.18. Поэтому «одинаковый DNg drive = одинаковая скорость всех ног» неверно.

Исправленный burst-based PRC остаётся каноническим: baseline ~18 ticks; I2 pulse даёт сильный фазозависимый сдвиг, E1 pulse слабее на большинстве фаз. Старый PRC по отдельным E1-spike ISI с P≈8.9 ticks не использовать как фазу CPG — это другой детектор события.

Что из «биологических ядер» реально работает сейчас

Central Complex / steering

Популяции EPG, Delta7, FC2, PFL3 и PFL2 найдены и сопоставлены с индексами, но функционально текущий тракт не активирован. На сетке Δθ от -180° до +180° все пять популяций дали ровно 0 spikes. Контрольная сеть при этом не полностью молчит: global fraction spiking ≈0.0003. На 6400 реальных teacher-кадрах EPG/Delta7/FC2/PFL3/PFL2 также дали 0 spikes при global mean ≈0.00206.

Следствие: PFL3/PFL2 сейчас нельзя ставить в реальный steering loop. Следующий научный тест CX — прямое контролируемое возбуждение ER/EPG, проверка появления локального bump, затем perturb/KO и только после этого PFL.

T2 micro-MLP остаётся инженерным steering fallback. Свежий closed-loop held-out прогон: teacher mean final distance 0.518 м, fixed 0.765 м, T2 0.657 м; falls=0 у всех, goal rate=0/4. T2 уменьшает ошибку относительно нулевого steering, но пока не решает навигацию и не считается заменой CX.

Vision

На ноде есть vision_v4_step14580_frozen_day30.pt и полный trained export, но камера ещё не замыкает контур на тело Мухтара. Старые изолированные optic-lobe проверки честно смешанные: MNIST fly=0.874 против raw pixels=0.882, random projection=0.899, twin=0.905; looming fly=0.290 против pixels=0.840 и twin=0.536; parallax fly=0.4175 выше pixels=0.3263/random=0.3463, но ниже twin=0.600. Поэтому «готовое зрение Мухтара» пока не заявляется.

Olfaction

На MaleCNS есть проверенный mushroom-body стенд: 4064 Kenyon cells, 97 MBON, 340 DAN и 61,210 KC→MBON synapses, пять seed-прогонов odour-conditioning. Это доказательство доступного обучаемого MB-контура, но не работающий нюх робота: BME688/MQ/виртуальный plume ещё не подключён к ORN/PN/LH→steering.

Wings / flight

В текущем models/hexapod.xml нет wing/haltere/rotor/flight actuator: только 18 position actuators ног. Следовательно Tarsal Inhibition, wing CPG, GF takeoff и haltere/IMU stabilization — пока архитектурные кандидаты, а не реализованные функции Мухтара.

Архитектурные правила после проверок

1. Никакого глобального neural metronome. Каждая нога получает свой CPG state; межлапная координация допускается только как слабая модуляция.
2. Никакого hard load→phase_hold на Controller Б. R4 v2 доказал deadlock. Нагрузка может непрерывно менять dφ/dt или входной ток локального CPG, но не ждать разгрузки, одновременно запрещая lift-off.
3. I2-доминантность — факт нашего MaleCNS, не универсальный закон. Connectome-simulation MANC выделяет E1/E2/I1, FANC — E1/E2/I2+E3.
4. MDN/GF не равны «поворот фазы на π». Биология подтверждает backward walking / escape, а конкретное воздействие на наши 6 CPG надо измерять.
5. Connectome topology — inductive bias, не готовая динамика. FlyGM показывает пользу directed message-passing graph для embodied learning, но это инженерная модель, а не доказательство того, что биологический MaleCNS работает как обычный GNN.
6. Каждый новый biological module обязан пройти: anatomy → isolated activity → stimulus-response → KO/ablation → recovery/rescue → body A/B → combined regression.

Следующий порядок бенчей

• B09-A SHADOW-6CPG — DONE/PASS.
• B09-B CALIBRATE-6CPG: подобрать DNg drive_i, чтобы периоды шести модулей совпали в заданном диапазоне без изменения весов.
• B09-C NEURAL-PHASE-BODY: заменить только источник фазы Controller Б: neural φ_i → прежняя проверенная q_nominal(φ_i); reflexes OFF. Сравнение с BASE на flat, seeds/initial phases фиксированы.
• B09-D LOCAL-PRC: только после стабильного B09-C: локальный E1-vs-I2 pulse на одной ноге, остальные пять не должны получать reset.
• B09-E LOAD-MOD: непрерывная load→drive/phase-rate modulation; hard hold запрещён. Сначала flat, потом gap20.
• B05-T2: оставить контрольным steering baseline.
• B11-CX-BUMP: ER/EPG direct drive → bump → perturb → recovery.
• B10-LOOMING: сначала engineering looming→MDN-like reverse; затем LC16/LPLC2/GF anatomical substitution.
• B12-ODOR: bilateral virtual plume / BME688 → odor motion+gradient cues → casting/upwind steering; только потом MB/LH biological substitution.
• B13-FLIGHT: начинать только после добавления физики крыльев/винтов и отдельного flight safety bench; не привязывать к «все 6 стоп потеряли контакт» без отдельного fall/takeoff classifier.

Научная карта — источники, которые напрямую меняют дизайн

Ниже приоритетный набор работ, который уже используется как инженерные ограничения. Peer-reviewed и preprint помечены отдельно.

Connectome / whole-system architecture

• Berg et al., Cell 2026 — complete MaleCNS (peer-reviewed): https://doi.org/10.1016/j.cell.2026.08.015 Полный male brain+VNC, sensory→motor flow. Это основной анатомический источник для bodyId/type/flow Мухтара.
• Dorkenwald et al. / FlyWire, Nature 2024 — whole adult brain: https://www.nature.com/articles/s41586-024-07686-5 Типизация и сравнение cell types; полезно для CX/vision/MB.
• Takemura/FANC, Nature 2024 — female VNC connectome: https://doi.org/10.1038/s41586-024-07389-x Motor-neuron atlas, leg/wing/takeoff circuits.
• Cheong et al., eLife 2026 — DN→motor organization: https://doi.org/10.7554/eLife.96084 Walking, flight steering, power generation, coordinated wings+legs.
• Bates et al., Nature 2026 — distributed brain-and-cord control: https://www.nature.com/articles/s41586-026-10735-w Полезно для supervisory loops CX↔DN↔AN и multimodal control.
• FlyGM, arXiv 2026 (engineering preprint): https://arxiv.org/abs/2602.17997 Connectome как directed message-passing graph; использовать как A/B архитектурный baseline против rewired/random graph, не как биологический факт.

Walking CPG / steering

• Connectome simulations identify a CPG for fly walking (bioRxiv 2025, preprint): https://doi.org/10.1101/2025.09.12.675944 E1=IN17A001, E2=INXXX466; MANC core uses I1=IN16B036, FANC variant I2= IN19A007 + E3. Поддерживает наш six-module/KO протокол и запрещает универсализировать I2.
• Pires et al., Nature 2024 — head direction→goal steering: https://www.nature.com/articles/s41586-024-07039-2 PFL3 задаёт sign steering, PFL2 увеличивает gain около anti-goal; DNa03/DNa02 — естественный descending bridge.
• Feng et al., bioRxiv 2024 — central steering circuit (preprint): https://doi.org/10.1101/2024.06.27.601106 DNa03↔LAL013 top layer, DNa11 intermediate; использовать для разделения slow correction и saccadic turn, но помечать как preprint.

Proprioception / reflexes

• Lee et al., Nature Communications 2025 — FeCO circuits: https://www.nature.com/articles/s41467-025-59302-3 claw=position, hook=movement, club=vibration/exteroception; основа R7.
• Pratt et al., Nature Communications 2026 — CxHP8 limit detectors: https://www.nature.com/articles/s41467-026-69333-z CxHP8 возбуждает движение от anterior coxa limit и тормозит движение к пределу; прямой шаблон для R6.
• Fukuhara et al., Frontiers Neurorobotics 2022 — active load sensing: https://doi.org/10.3389/fnbot.2022.645683 Важен как идея decentralized support, но наш R4 доказал, что бинарный stance hold нельзя переносить буквально на активный lift-off Controller Б.

Vision / navigation / escape

• Wolff et al., Nature 2024 — visual features for navigation: https://www.nature.com/articles/s41586-024-07967-z ER→EPG visual heading pathway; шаблон для B11-CX-BUMP после оживления EPG.
• LC16→MDN, Current Biology 2017: https://pubmed.ncbi.nlm.nih.gov/28238656/ LC16/MDN необходимы для visually evoked retreat; основа B10 reverse.
• LPLC2+LC4→Giant Fiber, Current Biology 2019: https://doi.org/10.1016/j.cub.2019.01.079 LPLC2 кодирует looming size, LC4 speed; отдельный fast escape channel.
• NeuroMechFly v2, Nature Methods 2024/2025: https://www.nature.com/articles/s41592-024-02497-y Готовые embodied patterns: vision-following, odor-taxis, hybrid locomotion; использовать как reference environment и regression inspiration.

Olfaction

• Sensorimotor transformation underlying odor-modulated locomotion, Nature Communications 2023: https://www.nature.com/articles/s41467-023-42613-8 ORN/PN/LH signals modulate several motor parameters; не сводить нюх к одному dC/dt.
• Odour motion sensing enhances navigation, Nature 2022: https://www.nature.com/articles/s41586-022-05423-4 bilateral temporal correlations между антеннами дают direction cue.
• Fly navigational responses exploit plume-specific gradient/motion cues, 2026: https://pubmed.ncbi.nlm.nih.gov/42446985/ В smooth plume важнее gradient, в complex plume — odor motion. Поэтому B12 должен иметь минимум два plume режима, а не один universal casting rule.

Flight / wings / halteres

• Verbe et al., Current Biology 2024 — multifunctional haltere: https://doi.org/10.1016/j.cub.2024.06.066 Haltere feedback активно регулируется и участвует в saccades; IMU-loop должен быть feedback controller, а не просто «гироскоп → мотор».
• Dhawan et al., Current Biology 2026 — flight-control connectivity atlas: https://doi.org/10.1016/j.cub.2025.12.024 Карта haltere campaniform afferents→wing motor circuits; основа будущего B13.
• Lesser et al./FANC, Nature 2024 — leg/wing premotor architecture: https://doi.org/10.1038/s41586-024-07600-z Leg premotor networks модульны; wing steering architecture отличается и не должна моделироваться копией leg CPG.

Артефакты независимой проверки

• verification/b09_shadow_results.json — свежие 3 повторения six-CPG shadow.
• verification/t2_closed_fresh.txt — свежий T2 held-out closed loop.
• verification/cc_activity.json — synthetic Δθ scan EPG/Delta7/FC2/PFL3/PFL2.
• verification/cc_real_control.json — те же CX-популяции на 6400 real frames.
• verification/vision_phase0_rec20.json — untrained optic-lobe encoder benchmark.
• verification/vision_depth_looming.json — looming benchmark.
• verification/vision_depth_parallax.json — parallax benchmark.
• fly_bridge/b09_shadow.py — воспроизводимый shadow harness.

Правило публикации: README не повышает статус результата. CONFIRMED появляется только после сохранённого A/B или causal probe. Отрицательные результаты (R4 deadlock, global metronome, silent CX) сохраняются наравне с удачными.

B09-B calibration hypothesis (ещё не PASS)

Грубая линейная интерполяция BASE M5 drive-sweep к общей цели 17.5 neural ticks даёт стартовые DNg drive-кандидаты: T1L≈0.891, T2L≈0.666, T3L≈0.787, T1R=0.400, T2R≈0.886, T3R=1.200. Это только initial guess: период нелинеен и местами насыщается. Следующий изолированный probe обязан прогнать эти значения минимум 3 раза и измерить period/jitter/dropout до подключения фаз к телу. Olfaction MB, 5-seed проверка step2948: mean test accuracy = frozen 0.4699, backprop 0.7070, DAN-per-MBON 0.6902, real DAN wiring 0.6691, global reward 0.6395. Эти числа относятся к синтетическому odour-conditioning тесту, а не к поиску источника газа телом. Raw seed-файлы сохранены в verification/olfaction_mb_seed0..4.json.