Summary

Diseño e implementación de simulaciones del sistema nervioso en LEGO Robots

Published: May 25, 2013
doi:

Summary

Se presenta un enfoque para el modelado de redes neuronales en la plataforma de robótica LEGO Mindstorms. El método proporciona una herramienta de simulación para invertebrados investigación en neurociencias, tanto en el laboratorio de investigación y en el aula. Esta técnica permite la investigación de los principios de control de robots biomiméticos.

Abstract

Se presenta un método para utilizar la plataforma disponible en el mercado LEGO Mindstorms NXT robótica para poner a prueba los sistemas de nivel de la neurociencia hipótesis. La primera etapa del método es el desarrollo de una simulación del sistema nervioso de los comportamientos reflexivos específicos de un organismo modelo apropiado; aquí usamos la langosta americana. Reflejos exteroceptivos mediadas por decussating (cruce) conexiones neuronales pueden explicar los taxis de un animal hacia o lejos de un estímulo tal como se describe por Braitenberg y se adaptan particularmente bien para la investigación usando la plataforma de NXT. 1 La simulación del sistema nervioso se programa usando el software LabVIEW en el LEGO plataforma Mindstorms. Una vez que el sistema nervioso está sintonizado correctamente, los experimentos de comportamiento se ejecutan en el robot y en el animal en las condiciones ambientales idénticas. Al controlar el ambiente sensorial experimentado por las muestras, se pueden observar diferencias en resultados conductuales. Estas diferencias pueden indicar deficienc específicas en el modelo del sistema nervioso y sirve para informar a la versión del modelo para el comportamiento particular de estudio. Este método permite la manipulación experimental de los sistemas nerviosos electrónicos y sirve como una forma de explorar hipótesis neurociencia específicamente con respecto a la base neurofisiológica de comportamientos reflexivos innatas simples. El kit de LEGO Mindstorms NXT ofrece una plataforma asequible y eficiente en el que poner a prueba sistemas de control de robots biomiméticos preliminares. El enfoque también es muy adecuado para el aula de secundaria para servir como la base para una práctica en el plan de estudios basado en la investigación biorrobótica.

Introduction

Investigaciones neurofisiológicas en los últimos 100 años se han ampliado enormemente nuestro conocimiento de la estructura del sistema nervioso y la función. Sin embargo, la mayor parte de la investigación del sistema nervioso hasta la fecha se ha basado en el uso de preparaciones aisladas o materias restringidas. Aunque ha habido muchos esfuerzos exitosos para registrar la actividad neuronal de comportarse libremente animales 2-5, el enfoque biorobotic proporciona una valiosa herramienta para permitir la manipulación del sistema nervioso con el fin de probar los sistemas de nivel de hipótesis neurociencia 6. Sistemas nerviosos simulados que operan en los robots pueden ser experimentalmente manipulados y permiten la extensión de modelado de software con el mundo físico. Este enfoque ha sido bien implementada en el mundo académico de 7,8, pero el proceso de construcción de un robot biomimético para la prueba de hipótesis puede ser costoso y consume tiempo. Se presenta un método para ejecutar el enfoque biorobotic utilizando un comercialmente disponible robótica kél (LEGO Mindstorms NXT 2.0). El objetivo de este método es proporcionar una manera rápida y eficaz para poner a prueba los sistemas de nivel de neurociencia hipótesis sobre robótica 9 o bio-híbridos 10 incorporados simulaciones de redes neuronales. Acelerar el proceso de hipótesis y experimentación mejora la productividad de la investigación. La plataforma sencilla LEGO Mindstorms proporciona un banco de pruebas para sensores biomiméticos y redes neuronales que muestran el uso de la langosta americana (Homarus americanus) como organismo modelo. El método también proporciona una potente herramienta práctica educativa en el aula, los estudiantes pueden diseñar y manipular sistemas nerviosos por sus propios robots 11.

Protocol

1. Construyendo el Modelo Robot Elige un organismo modelo para el estudio que está bien representada en la literatura neuroethological. Los invertebrados en general son buenos candidatos debido a que sus sistemas nerviosos relativamente simples han sido bien estudiado y se componen principalmente de los reflejos innatos. Vamos a demostrar este enfoque con la langosta americana, Homarus americanus. Seleccione bien estudiado comportamientos reflexivos con fines de modelización. Hemos elegid…

Representative Results

Las aportaciones de las garras de una langosta en su sistema nervioso median en la negociación de obstáculos en un ambiente nuevo. Figura 1 se muestra una captura de pantalla del video utilizado para analizar el comportamiento de un robot LEGO (Figura 1A) y una langosta (Figura 1B) en el campo de prueba. La zona de ensayo no se modificó entre las pruebas robot animales y excepto que el agua se vació desde el tanque para los ensayos robot. <p class="jove_content"…

Discussion

Al iniciar experimentos de simulación del sistema nervioso biorobotic, hay algunas pautas importantes a seguir. Elegir el organismo modelo adecuado es fundamental: elegir un organismo que es fácil de obtener y de mantener. Los invertebrados son ideales, ya que por lo general no requieren la aprobación institucional para la experimentación y sus necesidades de cría suelen ser menos exigentes que los de los vertebrados. Desde una perspectiva científica, es beneficioso para elegir un animal que tiene un registro lite…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Agradecemos al Dr. Chris Rogers (Universidad de Tufts) para sugerencias de programación y el manuscrito. Damos las gracias a Alex Giuliano y Deborah Lee de apoyo a la producción de vídeo.

Los fondos proporcionados por la NSF Graduate Research Fellowship y una MURI ONR en Biología Sintética.

References

  1. Braitenberg, V. Taxis, kinesis and decussation. Prog. in Brain Res. 17, 210-222 (1965).
  2. Schregardus, D. S., Pieneman, A. W., Ter Maat, A., Jansen, R. F., Brouwer, F., Gahr, M. L. A lightweight telemetry system for recording neuronal activity in freely behaving small animals. Journal of Neuroscience Methods. 155 (1), 62-71 (2006).
  3. Kagaya, K., Takahata, M. Readiness discharge for spontaneous initiation of walking in crayfish. Journal of Neuroscience. 30 (4), 1348-1362 (2010).
  4. Schrameck, J. E. Crayfish Swimming: Alternating Motor Output and Giant Fiber Activity. Science. 169 (3946), 698-700 (1970).
  5. Kanz, J. E., Eberly, L. B., Cobbs, J. S., Pinsker, H. M. Neuronal correlates of siphon withdrawal in freely behaving Aplysia. J. Neurophysiol. 42 (6), 1538-1556 (1979).
  6. Webb, B. Validating biorobotic models. Journal of Neural Engineering. 3, 1-20 (2006).
  7. Wessnitzer, J., Asthenidis, A., Petrou, G., Webb, B. A cricket-controlled robot orienting towards a sound source. Proceedings of the 12th Annual conference on Towards autonomous robotic systems. , 1-12 (2011).
  8. Grasso, F., Atema, J. Integration of flow and chemical sensing for guidance of autonomous marine robots in turbulent flows. Environ. Fluid Mech. 2 (1), 95-114 (2002).
  9. Westphal, A., Rulkov, N. F., Ayers, J., Brady, D., Hunt, M. Controlling a lamprey-based robot with an electronic nervous system. Smart Struct. and Systems. 8 (1), 39-52 (2011).
  10. Chao, Z. C., Bakkum, D. J., Potter, S. M. Shaping embodied neural networks for adaptive goal-directed behavior. PLoS Computational Biology. 4 (3), e1000042 (2008).
  11. Blustein, D., Schultheis, K., Ayers, J. Building nervous systems for robots: an interactive and collaborative neuroscience curriculum. , (2011).
  12. Ayers, J., Blustein, D., Westphal, A. A Conserved Biomimetic Control Architecture for Walking, Swimming and Flying Robots. Lect. Notes on Artif. Intelli. 7375, 1-12 (2012).
  13. Cowan, N., Ma, E., Cutkosky, M., Full, R. A Biologically Inspired Passive Antenna for Steering Control of a Running Robot. , 541-550 (2003).
  14. Gasperi, M., Hurbain, P. . Extreme NXT: Extending the LEGO MINDSTORMS NXT to the Next Level. , (2007).
  15. Gasperi, M. . LabVIEW for LEGO MINDSTORMS NXT. , (2008).
  16. Kennedy, D., Davis, W. Chapter 27 Organization of invertebrate motor systems. Handbook of Physiology. 1, 1023-1088 (1977).
  17. Buchanan, J., Grillner, S. Newly identified “glutamate interneurons” and their role in locomotion in the lamprey spinal cord. Science. 236 (4799), 312-314 (1987).
  18. Rulkov, N. Modeling of spiking-bursting neural behavior using two-dimensional map. Physical Review E. 65, (2002).
  19. Derby, C. D., Atema, J. Narrow-spectrum chemoreceptor cells in the walking legs of the lobster, Homarus americanus: Taste specialists. Journal of Comparative Physiology A. 146 (2), 181-189 (1982).
  20. Tort, A. B. L., Neto, W. P., Amaral, O. B., Kazlauckas, V., Souza, D. O., Lara, D. R. A simple webcam-based approach for the measurement of rodent locomotion and other behavioural parameters. Journal of Neuroscience Methods. 157 (1), 91-97 (2006).
  21. Huxley, T. H. . The Crayfish, An Introduction to the Study of Zoology. , (1880).
  22. Blustein, D., Ayers, J. A conserved network for control of arthropod exteroceptive optical flow reflexes during locomotion. Lect. Notes on Artif. Intelli. 6226, 72-81 (2010).
  23. Webb, B., Scutt, T. A simple latency-dependent spiking-neuron model of cricket phonotaxis. Biological Cybernetics. 82 (3), 247-269 (2000).
  24. Demarse, T. B., Wagenaar, D. A., Blau, A. W., Potter, S. M. The Neurally Controlled Animat: Biological Brains Acting with Simulated Bodies. Autonomous Robots. 11 (3), 305-310 (2001).
  25. Novellino, A., D’Angelo, P., Cozzi, L., Chiappalone, M., Sanguineti, V., Martinoia, S. Connecting neurons to a mobile robot: an in vitro bidirectional neural interface. Computational Intelligence and Neuroscience. , 12725 (2007).
check_url/kr/50519?article_type=t

Play Video

Cite This Article
Blustein, D., Rosenthal, N., Ayers, J. Designing and Implementing Nervous System Simulations on LEGO Robots. J. Vis. Exp. (75), e50519, doi:10.3791/50519 (2013).

View Video