Ontwerpen en implementeren van het zenuwstelsel Simulaties op LEGO Robots

Het algemene doel van deze methode is om snel prototypes van simulaties van het zenuwstelsel te maken en te testen op een robotplatform. Dit wordt bereikt door neurale netwerksimulaties uit te voeren op het Lego Mindstorms NXT-platform, en door side-by-side vergelijkingstesten uit te voeren met het diermodel. Eerst wordt een robot geconstrueerd om te dienen als platform voor de simulatie van het zenuwstelsel.

Vervolgens wordt een hypothetisch neuraal netwerk ontwikkeld op basis van neuro-ethologische studies en geprogrammeerd op het robotplatform. Er worden ethologische studies uitgevoerd om de prestaties van de hypothetische neurale netwerken te vergelijken met die van het zenuwstelsel van het dier. Tekortkomingen in het model kunnen worden geïdentificeerd om verdere ontwikkeling te informeren; hypothesen op het niveau van systeemneurowetenschappen kunnen worden getest door directe manipulatie van simulatieparameters.

Hallo, ik ben Dan Bluestein van het Marine Science Center aan de Northeastern University. Hier demonstreren we een aanpak om zenuwstelselsimulaties snel te implementeren op een robotplatform. Door deze procedure te ontwikkelen voor gebruik met een commercieel verkrijgbare robotkit, hebben we deze bio-robotische benadering van de neurowetenschap betaalbaar, efficiënt en toegankelijk gemaakt voor onderzoekers zonder ervaring in robottechniek.

Deze aanpak is ook zeer geschikt voor het lokaal in het voortgezet en hoger onderwijs om als basis te dienen voor een praktijkgericht, onderzoekend curriculum voor bio-robotica. De eerste stap bij het bouwen van het robotplatform is het kiezen van een modelorganisme om te bestuderen dat goed vertegenwoordigd is in de neuro-ethologische literatuur. Ongewervelden zijn over het algemeen goede kandidaten omdat hun relatief eenvoudige zenuwstelsels uitgebreid zijn bestudeerd en hoofdzakelijk uit aangeboren reflexen bestaan.

We zullen deze aanpak demonstreren met de Amerikaanse kreeft Hamas Americana. De volgende stap is het selecteren van goed bestudeerde reflexmatige gedragingen voor modelleringsdoeleinden. Bij de kreeft kunnen we reacties op antenne-aanraking, buiging, klauwstoot en optische flow onderzoeken.

Eenvoudige reflexen zijn afhankelijk van neurale verbindingen die bilateraal zijn aangelegd. Symmetrische sensoren zijn zeer geschikt voor dit type onderzoek. Bouw met behulp van de Lego Mindstorms NXT 2.0-kit een robot die de lichaamsstructuur van het diermodel benadert.

Andere robotplatforms kunnen worden gebruikt, maar de hier gebruikte commercieel verkrijgbare kit maakt een snelle implementatie mogelijk. De volgende stap is om de robot uit te rusten met sensoren die overeenkomen met de systemen die zijn gekozen voor de studiesensoren. De sensoren die bij de Lego Mindstorms-kit zijn inbegrepen kunnen worden gebruikt, of er kunnen zelfgebouwde sensoren worden ontwikkeld zoals beschreven in diverse gepubliceerde materialen.

Wij gebruiken de Lego touch-sensor, een op maat gemaakte antenne Flex point bend-sensor en een optical flow-sensor ontwikkeld door Centi Incorporated om een aangepaste resistieve connector te bouwen; soldeer voor de antennesensor een NXT-connector Kabel en soldeer de zwarte en witte draden aan de aansluitingen van de sensor. Om te beginnen met het programmeren van de simulatie van het zenuwstelsel, gebruikt u eerder gepubliceerde neuro-ethologische studies om een neuraal netwerk voor modelleringsdoeleinden te ontwikkelen. In de literatuur zijn neurale netwerken voorgesteld om het gedrag van diverse modelorganismen te verklaren, van kreeften tot lampreys; functionele neurale eenheden en hun synaptische verbindingen moeten worden geïdentificeerd.

Indien de laboratoriumomstandigheden dit toelaten, kunnen er ook getheoretiseerde, nieuwe neuro-ethologische experimenten worden ontwikkeld en uitgevoerd. Gebruik LabVIEW-software om het netwerk voor het Lego Mindstorms-platform te programmeren. Virtuele instrumenten of BIS voor een neuron- en synapsmodel worden gebruikt en zijn online te vinden.

Wij raden het discrete tijdkaart-gebaseerde model ontwikkeld door Roloff aan, omdat dit computationeel efficiënte real-time bediening mogelijk maakt terwijl een verscheidenheid aan vurende neuronale outputregimes behouden blijft via twee controleparameters. Alpha en Sigma bepalen de dynamiek van het gesimuleerde neuron om uiteenlopende outputs te produceren, waaronder tonische, spiking, chaotische vuring, bursting en intrinsieke stilte. LabVIEW biedt een grafische programmeeromgeving die intuïtief is en snelle implementatie mogelijk maakt door neuron- en synaps-VI's in een while-loop te plaatsen, zodat het netwerk iteratief wordt bijgewerkt.

Verbind vervolgens de spike-outputs van presynaptische neuronen via synapsen met postsynaptische neuronen. Geef daarna iteratief bijgewerkte parameters via shiftregisters door aan de volgende berekeningscyclus. Het DTM-model werkt snelle en langzame dynamische variabelen bij die worden doorgegeven aan de volgende iteratie van berekeningen.

Synaps parameters moeten worden ingesteld om de geometrie van het netwerk te definiëren. Het DTM-model specificeert de sterkte van een synaps; de relaxatiesnelheid en de waarden voor het omkeerpotentiaal kunnen worden afgestemd op uw specifieke netwerkkenmerken, maar wij bevelen de volgende instellingen aan: JS is 0,60, gamma is 0,95 en XRP is 2,2 voor een excitatoire synaps of -1,8.

Pas voor een inhiberende synaps de alfa- en sigma-controleparameters aan om de baseline-neuronactiviteit te wijzigen. Wij raden aan om een alfa-waarde van 4.05 en een sigma-waarde van -3.10 te gebruiken. Gebruik de LabVIEW-sensor vs.

Om sensorinformatie in uw netwerk in te voeren. Voor de meegeleverde sensoren zijn de vi's al beschikbaar binnen de Mindstorms lab view-module. Gebruik voor aangepaste weerstandssensoren de lichtsensor-VI als programmeerkader.

Voeg grafische diagrammen toe aan het frontpaneel van het LabVIEW-programma om de neuronale activiteit te visualiseren. Vervang de sensorinputs tijdelijk door bedieningsknoppen op het frontpaneel om de sensorinformatie naar het neurale netwerk handmatig te manipuleren, start het neuronale netwerk en pas de bedieningselementen op het frontpaneel handmatig aan om variërende sensorische input te presenteren. Bevestig dat het netwerk kwalitatief functioneert zoals voorspeld voor bekende condities.

Pas het netwerk naar behoefte aan door de parameters van de neuronen en synapsen te wijzigen. De eerste pogingen tot het afstemmen van het netwerk moeten worden gedaan door de sterkte van de verschillende synapsen te wijzigen. Mogelijk moeten er ook andere parameters worden aangepast.

Zodra het netwerk met kwalitatieve nauwkeurigheid functioneert, vervangt u de bedieningsvakken op het voorpaneel door de sensor-input VI's en programmeert u het netwerk op het NXT-platform via een USB-verbinding. Om de simulatie van het zenuwstelsel te testen, richt u een gecontroleerde omgeving in waarin het dier en de robot onder vergelijkbare omstandigheden kunnen worden geobserveerd. Monteer een videocamera boven het geheel om de gedragingen vast te leggen.

Zorg voor een hoog contrast tussen het subject en de achtergrond om automatische tracking mogelijk te maken. Plaats het dier in de gecontroleerde omgeving en neem het gedrag video-op.

Zorg ervoor dat de sensorische vermogens van de kreeft worden beperkt zodat deze overeenkomen met die van de robot. Hier beperken we het zicht en de chemo-detectie van de kreeft door de ogen af te dekken met een masker van aluminiumfolie en de chemoreceptoren te beïnvloeden met zoet water. Pas de omgeving aan om de werking van de Lego-robot mogelijk te maken.

Herhaal de procedure voor gedragstesten en video-opnamen met gebruik van de robot. Gebruik MATLAB om het dier en de robot automatisch te volgen. Wij maken gebruik van het mouse lab tracker MATLAB-script, dat online beschikbaar is.

Maak grafieken van de bewegingen van het dier en de robot en vergelijk deze met elkaar. Pas het neurale netwerk aan en herhaal het experiment voor gedragsregistratie om te observeren hoe verschillende aspecten van het elektronische zenuwstelsel het gedrag van de robot beïnvloeden. Zo kunnen bijvoorbeeld de synaptische sterktes bij bepaalde knooppunten van het neurale netwerk worden aangepast.

Als alternatief kunnen de sensorische omstandigheden in de testarena worden aangepast om de effecten bij de robot en het dier te observeren. Door de gedragsprestaties van een robot en een dier te vergelijken, kunnen we principes van de werking van het zenuwstelsel onderzoeken. De synaptische sterkte van de sensorische neuronen van de klauwverbranding in het zenuwstelsel werd bij een robot gevarieerd en het resulterende gedrag werd gevolgd.

Rode lijnen stellen de bewegingen van robots met zwakke exciterende synapsen voor. Blauwe lijnen tonen exciterende synapsen van gemiddelde sterkte, en groene lijnen tonen robotbewegingen met sterke exciterende synapsen. De paden van de kreeft worden weergegeven door zwarte lijnen, het hypothetische zenuwstelsel met exciterende verbindingen van gemiddeld niveau vanuit de klauwstoot.

Sensorische neuronen produceren een vergelijkbare gedragsmatige output voor het dier. Kwantitatieve parameters voor vergelijking, zoals padlengte en gemiddelde loopsnelheid, kunnen uit de data worden geëxtraheerd. Zoals in deze tabel wordt getoond, hebben we zojuist aangetoond hoe een betaalbaar en toegankelijk robotplatform kan worden gebruikt om simulaties van het zenuwstelsel uit te voeren en te testen.

Deze benadering is nuttig voor het snel testen van hypothesen over het zenuwstelsel en kan snel worden overgenomen door biologen en andere onderzoekers zonder ervaring met robotica. Er zijn enkele inherente beperkingen aan het gebruik van dit platform, zoals de verwerkingscapaciteit van de NXT-chip en het assortiment aan beschikbare sensoren voor robotische implementatie. Desondanks is deze benadering een krachtig instrument voor de vroege implementatiefase van belichaamde simulaties van het zenuwstelsel en kan het, bij gebruik door middelbare scholieren en studenten, dienen als uitgangspunt voor meer diepgaand bio-robotisch onderzoek met behulp van op maat gemaakte platforms.

Deze aanpak biedt een boeiende, op onderzoek gebaseerde methode om neurowetenschappen, robotica en de waarde van interdisciplinaire wetenschap te onderwijzen aan de wetenschappers van de toekomst. Bedankt voor het kijken.