🪰🧠 fly-connectome-mujoco

El conectoma completo de Drosophila (166,700 neuronas) controlando un cuerpo físico simulado en MuJoCo. Whole-brain Drosophila connectome driving a physics-simulated fly: it forages by smell, eats, escapes a predator by flight and lands — with decisions read from the real wiring.

Una mosca virtual que busca comida, come, huye de un depredador volando, aterriza y vuelve a comer en un mundo 3D — con las decisiones tomadas por la simulación de su cerebro real: las 166,700 neuronas y 6.2 millones de conexiones del conectoma del sistema nervioso central de la mosca macho (Princeton / Janelia / Google, 2026). Hecho en una PC de casa en dos días.

▶ Video completo: videos/final/vida_de_mosca.mp4 · Panel izquierdo: las 107 regiones del cerebro y el cordón nervioso coloreadas por la actividad real del conectoma · Panel derecho: el cuerpo físico en MuJoCo.

---

Qué hace la mosca (y quién lo decide)

Momento	Estímulo que recibe el conectoma	Circuito real que responde	Lo que pasa
Busca	Olor de la comida en las neuronas receptoras olfativas izq/der; "hambre" en las 2 neuronas de comando DNp09	300+ motoneuronas de patas; las neuronas de proyección olfativas codifican de qué lado viene el olor	Camina hacia la comida. El rumbo sale del índice izquierda/derecha de su propio cerebro — sin instrucción de dirección
Come	275 neuronas gustativas de la cabeza	Motoneuronas de probóscide MN1–MN13 suben de ~14 a ~30 Hz	Extiende la probóscide; la extensión es la tasa de disparo
Huye	Un depredador se acerca → detectores de expansión visual LPLC2	Giant Fiber → TTMn (la neurona del músculo del salto) dispara ~780 ms después	Salta y escapa volando
Vuela / aterriza	Olor de la segunda comida	Índice lateral olfativo (rumbo); neuronas descendentes activadas por el olor (decisión de bajar)	Vuela hacia el olor, aterriza a 1 cm de la comida, camina, come, descansa

Nada de eso está cableado a mano: los caminos DNp09→patas, gusto→probóscide, LPLC2→Giant Fiber→TTMn y la lateralidad olfativa emergen del CSV del conectoma. Lo que sí es del guion está en la sección de honestidad más abajo.

Principales hallazgos

1. Los reflejos están en el cableado, no en el tamaño de la red. Con un conectoma barajado (mismas neuronas, mismos pesos y signos, destinos al azar) el estímulo visual de amenaza produce 0 spikes en TTMn frente a 38 con el real, y el gusto casi no llega a la probóscide (2 vs 11 motoneuronas). Ese cerebro no comería ni huiría.
2. Estimular 2 neuronas (la Giant Fiber) activa exactamente 1 motoneurona de 815: TTMn, la del salto — el reflejo de escape más estudiado de la mosca, reproducido con 36 spikes en todo el cerebro.
3. El cerebro simulado sabe de qué lado viene el olor… en las etapas tempranas. Las neuronas de proyección del lóbulo antenal y las células de Kenyon codifican la proporción izquierda/derecha del olor de forma monótona; las neuronas descendentes ya no. Leyendo esa señal temprana (con una calibración del sesgo de base) la mosca llega a la comida 6 de 6 veces desde 0°, ±60°, ±120° y 180°, en tierra y en vuelo.
4. Un conectoma congelado acelera el aprendizaje por refuerzo. Con el cerebro en el lazo, PPO llegó a 191 de recompensa frente a 169 sin cerebro (misma tarea, mismos pasos); el barajado, 147. Parte de la ventaja es "efecto reservorio", pero el barajado empeoró frente a no tener cerebro.
5. Reward hacking en vivo: con la recompensa "haz girar la bola", tanto la red genérica como la guiada por el conectoma aprendieron a remar con las patas delanteras arrastrando las traseras. La recompensa define qué se aprende; el cerebro sólo cambia cuánto.
6. Latencias que nadie programó: caminar 15 ms tras el comando, comer ~180 ms tras saborear, saltar ~780 ms tras aparecer la amenaza.

Todo el detalle, con los experimentos fallidos, en BITACORA.md.

Cómo está armado

escena (mundo, olor, comida, depredador)
   │  codificación sensorial: qué neuronas se estimulan y a qué frecuencia
   ▼
CONECTOMA REAL  (166,700 neuronas LIF, 6.2M sinapsis con signo, umbral único)   ← src/sim_brain.py
   │  lecturas: motoneuronas de patas / probóscide / TTMn, DN olfativas, índice lateral olfativo
   ▼
máquina de estados (BUSCA · COME · ESCAPA · VUELA · ATERRIZA · DESCANSA)          ← src/vida_de_mosca.py
   │  fantasma-guía (rumbo, velocidad, altura)
   ▼
CUERPO flybody en MuJoCo, patas + alas + probóscide en una sola física            ← src/mundo_abierto_env.py
   políticas de caminata y vuelo de Janelia/DeepMind (imitación de moscas reales)  ← src/janelia_policy.py
   mapa de regiones por actividad                                                  ← src/cerebro_regiones.py

Honestidad: qué es del cerebro y qué es del guion

• Del cerebro real: qué se activa ante cada estímulo, cuándo (latencias), cuánto (la probóscide), de qué lado viene el olor, y qué regiones se encienden. Y las pruebas de control con el barajado.
• Del guion: el mundo y sus eventos; la codificación sensorial (qué neuronas estimula cada cosa); qué poblaciones se leen y sus umbrales; la máquina de estados que traduce lecturas en acciones; la exploración en zigzag/círculos cuando no hay olor; la ejecución motora fina (políticas de Janelia); el salto de despegue y la nivelación al aterrizar (cambios instantáneos de postura).
• Simplificaciones del modelo: neuronas leaky integrate-and-fire con un único umbral global y peso = número de sinapsis; el mapa de regiones es un esquema anatómico, no una malla 3D; la red sobre-recluta las motoneuronas de vuelo con casi cualquier estímulo.

Reproducir

Requiere Python 3.11 (no 3.14), Windows/Linux, CPU (12 núcleos ≈ 10 min por video). Datos: ver data/README.md (conectoma ~220 MB + políticas de Janelia 6.5 MB, no incluidos).

python -m venv .venv && .venv\Scripts\pip install -r requirements.txt
python src\build_brain.py && python src\build_regiones.py           # conectoma -> matriz dispersa + regiones
python src\vida_de_mosca.py                                          # el video principal (~10 min)
python src\dia_de_mosca.py                                           # demo por escenas con raster de motoneuronas
python src\experimento.py --stim tipo:LPLC2 --record tipo:TTMn      # electrofisiología virtual desde la terminal
python src\test_navegacion_cerebral.py 110 60,-60 100                # ¿el cerebro dirige? 
python src\viewer_libre.py                                           # la mosca en el visor interactivo de MuJoCo

Más: src/train_walk.py / train_brain.py / train_shuffled.py (fases de RL), analiza_marcha.py (uso de cada pata), video_*.py.

Carpetas

• src/ código · videos/final/ los dos demos con sus gráficas y logs · videos/experimentos_conectoma/ rasters de los circuitos · videos/fases_entrenamiento/ RL con y sin cerebro · videos/pruebas_cuerpo/ pruebas intermedias de caminata, vuelo, despegue y aterrizaje · modelos/ políticas PPO entrenadas · logs/ · BITACORA.md la bitácora completa.

Créditos

• Conectoma del SNC de la mosca macho: consorcio FlyWire / Princeton / HHMI Janelia / Google Research (2026).
• Cuerpo y políticas de caminata/vuelo: flybody — Vaxenburg et al., Whole-body physics simulation of fruit fly locomotion, Nature 2025 (Google DeepMind & HHMI Janelia). Datos: Janelia Figshare.
• Simulador de spikes inspirado en Shiu et al. 2024 (Nature), A Drosophila computational brain model.
• MuJoCo, dm_control, Stable-Baselines3.

Código bajo licencia MIT. Los datos y las políticas pre-entrenadas conservan las licencias de sus autores.