Ett förhållningssätt till neuronätmodellering på LEGO Mindstorms Robotics plattformen presenteras. Metoden ger ett simuleringsverktyg för ryggradslösa neurovetenskaplig forskning både i forskningslabb och klassrummet. Denna teknik möjliggör undersökning av biomimetiska principer robotstyrning.
Vi presenterar en metod för att använda kommersiellt tillgängliga LEGO Mindstorms NXT Robotics plattform för att testa system nivå neurovetenskap hypoteser. Det första steget i metoden är att utveckla ett nervsystem simulering av särskilda reflexiva beteenden av en lämplig modell organism, här använder vi den amerikanska hummer. Exteroceptive reflexer förmedlas av decussating (korsning) neurala kopplingar kan förklara ett djurs taxibilar mot eller bort från en stimulans som beskrivs av Braitenberg och är särskilt väl lämpad för undersökning med hjälp av NXT-plattformen. 1 Nervsystemet simuleringen programmeras med LabVIEW programvara på LEGO Mindstorms plattform. När nervsystemet är inställd på rätt sätt, är beteendeexperimenten köras på roboten och på djuret under identiska miljöförhållanden. Genom att styra den sensoriska miljön upplevs av proverna, kan skillnader i beteende-utgångar observeras. Dessa skillnader kan peka på specifika deficienctalet i nervsystemet modell och tjänar till att informera iteration av modellen för att ett visst beteende som studeras. Denna metod gör det möjligt för den experimentella manipulation av elektroniska nervsystem och fungerar som ett sätt att utforska neurovetenskapliga hypoteser specifikt avseende neurofysiologiska grunden för enkla medfödda reflexiv beteenden. LEGO Mindstorms NXT kit erbjuder en prisvärd och effektiv plattform för att testa preliminära biomimetiska system robotstyrning. Tillvägagångssättet är också väl lämpad för gymnasiet klassrummet för att ligga till grund för en hands-on frågebaserad biorobotics läroplan.
Neurofysiologiska undersökningar under de senaste 100 åren har breddats enormt vår kunskap om nervsystemets struktur och funktion. Emellertid har de flesta nervsystemet forskning som hittills förlitat sig på användningen av isolerade preparat eller återhållna ämnen. Även om det har varit många lyckade försök att spela in neural aktivitet från fritt bete djur 2-5 ger biorobotic synsätt ett värdefullt verktyg för att möjliggöra nervsystemet manipulation för att testa systemnivå neurovetenskapliga hypoteser 6. Simulerade nervsystem trafikerar robotar kan experimentellt manipuleras och möjliggöra en utvidgning av programvara modellering till den fysiska världen. Detta tillvägagångssätt har genomförts väl i den akademiska världen 7,8, men arbetet med att bygga en biomimetisk robot för hypotesprövning kan vara dyrt och tidskrävande. Vi presenterar en metod för att utföra biorobotic tillvägagångssätt och använda en kommersiellt tillgänglig robotteknik kdet (LEGO Mindstorms NXT 2,0). Målet med denna metod är att ge ett snabbt och effektivt sätt att testa system nivå neurovetenskap hypoteser på robotliknande 9 eller bio-hybrid 10 förkroppsligade neurala simuleringar nätverk. Påskynda processen från hypotesen att experimentera förbättrar forskningen produktiviteten. Den enkla LEGO Mindstorms-plattformen ger en testbädd för biomimetiska sensorer och neurala nätverk som vi visar med hjälp av amerikanska Hummer (Homarus americanus) som modellorganism. Metoden ger också en kraftfull praktisk pedagogiskt verktyg i klassrummet som eleverna kan konstruera och manipulera nervsystem för sina egna robotar 11.
Vid start av biorobotic nervösa experiment systemsimuleringsprov, finns det några viktiga riktlinjer att följa. Att välja rätt modell organismen är kritisk: plocka en organism som är lätt att få och behålla. Ryggradslösa djur är idealiska eftersom de vanligtvis inte kräver institutionellt godkännande för experiment och deras djurhållning behov ofta är mindre krävande än ryggradsdjur. Ur ett vetenskapligt perspektiv är det fördelaktigt att välja ett djur som har en etablerad neuroethological littera…
The authors have nothing to disclose.
Vi tackar Dr Chris Rogers (Tufts University) för programmering och manuskript förslag. Vi tackar Alex Giuliano och Deborah Lee för videoproduktion stöd.
Finansiering tillhandahålls av en NSF Graduate Research Fellowship och en ONR MURI i Syntetisk biologi.