FLYLAB01
ETHGLOBAL TOKYO 2026

画面・刺激・コネクトームの関係 / How this app works ↓

BIO AGENT EXPERIMENT / 001

ちいさな羽で、
大きな一歩。

おやつを探して、ときどきひとやすみ。
あなたの刺激が、この子たちの次の一歩に。

↗ LIVE EXPERIMENT

蜜を探す12の個体。
遅れをとった子は「?」と学びなおし。
その場で考えて、もう一度歩き出す。

ADAPTIVE MODEL Q-LEARNING
いま、どうなってる?

観察の準備中

ブラウザー内の実験

おやつの草原

ROUND 01
⊕ クリックでお花を置こう
OBSERVATION AREA 36 × 22

? 学びなおし ♡ おやつ獲得 ! 危険 すやすや=休息
吹き出しは判定の可視化です。コネクトームの思考・感情を読み取るものではありません。

01 / WORLD INPUT

世界に刺激を。

環境を変えて、ハエの判断を観察しよう。

ブラウザー内の入力 · Sepolia 未接続

02 / AGENT INSPECTOR

MOMO

POLICY V1
FORAGING
ENERGY70%
状態・刺激 → 判定

蜜の匂いを探索

満腹度 — · 蓄え — · 体格 —
実際の観測キー —
身体モデルはゲーム用の仮定です

感覚入力を待機中

0EXPERIENCES
0NECTAR
03 / LEARNING LAB

ひとやすみして、学びなおそう。

経験を再生して方策を更新。検証スコアが上がったときだけ採用します。

EXPERIENCE → LEARN → EVALUATE → RETURN

Field notes / 行動と学習の記録

ONCHAIN RECEIPT / ANVIL 31337

この刺激の取引証明

ローカルAnvilからreceiptを取得します。この取引は公開Etherscanには掲載されません。

元のreceipt JSONを見る ↗

ABOUT THE EXPERIMENT

小さな判断の積み重ね。

まず環境TXで危険エリアとフィールドを用意し、確定した刺激TXで蜜を追加します。3匹は蜜・危険・身体状態から移動や休息を選びます。

「学習室へ」で、確認済み環境のコピーと経験からQ値を更新します。同じ環境の再生で新旧方策を比較し、改善した候補のみ採用。未知環境での効果や、復帰時の体力回復とは区別します。

実測7神経・19接続。刺激TXで餌を追加し、行動選択を学習します。身体と動力学は人工設計です。