Key points are not available for this paper at this time.
一些蝙蝠物种在其生物声纳感知和飞行系统上具有关节适应性，使它们能够在茂密植被中导航和捕猎。了解这些物种的生物声纳感知与飞行之间的联系是一项挑战：蝙蝠飞行的运动学记录可以记录系统输出，但由于各种限制，尤其是在处理上，蝙蝠飞行的分析仅限于少量飞行，因此难以捕捉飞行机动中的自然变异。在蝙蝠飞行控制系统的输入侧，了解指导在茂密植被中飞行的刺激集是必要的。在这些情况下，导航必须基于杂波回声，即由许多未能解决的成分组成的信号。由于难以记录蝙蝠的生物声纳输入而且会严重干扰动物行为，因此可以使用仿生声纳机器人从自然环境及其重建中收集刺激。凭借其出色的模式识别能力，深度学习为突破蝙蝠飞行控制的输入和输出数据的复杂性提供了机会，并阐明了杂波回声如何与蝙蝠的高维飞行动力学相结合，从而创造出这些动物卓越的机动能力.
Müller 等人（星期五）研究了这个问题。