Summary

Conception et implémentation de simulations du système nerveux sur LEGO Robots

Published: May 25, 2013
doi:

Summary

Une approche de modélisation de réseau neuronal sur la plate-forme robotique LEGO Mindstorms est présentée. La méthode fournit un outil de simulation pour les invertébrés recherche en neurosciences à la fois dans le laboratoire de recherche et de la salle de classe. Cette technique permet l'étude des principes de contrôle de robots biomimétiques.

Abstract

Nous présentons une méthode pour utiliser la plate-forme disponible dans le commerce LEGO Mindstorms NXT robotique pour tester les systèmes niveau neurosciences hypothèses. La première étape de la méthode est de développer une simulation du système nerveux de comportements réflexes spécifiques d'un organisme modèle approprié, ici nous utilisons le homard américain. Réflexes exteroceptifs médiées par decussating (croisement) connexions neuronales peuvent expliquer les taxis de l'animal vers ou à partir d'un stimulus tel que décrit par Braitenberg et sont particulièrement bien adaptés pour la recherche en utilisant la plate-forme NXT. 1 La simulation du système nerveux est programmé en utilisant le logiciel LabVIEW sur le LEGO plate-forme Mindstorms. Une fois que le système nerveux est réglé correctement, expériences comportementales sont exécutés sur le robot et sur l'animal dans des conditions environnementales identiques. En contrôlant le milieu sensorielle vécue par les spécimens, les différences de comportement des sorties peuvent être observés. Ces différences peuvent pointer vers deficienc spécifiques dans le modèle du système nerveux et servent à informer l'itération du modèle pour le comportement particulier à l'étude. Cette méthode permet la manipulation expérimentale des systèmes nerveux électroniques et sert comme un moyen d'explorer des hypothèses neuroscientifiques concernant spécifiquement la base neurophysiologique de comportements réflexes innés simples. Le kit Lego Mindstorms NXT offre une plate-forme abordable et efficace sur lequel tester des systèmes de contrôle de robots biomimétiques préliminaires. L'approche est aussi bien adapté pour les salles de classe de l'école secondaire à servir de base pour un hands-on basé sur l'enquête curriculum de biorobotique.

Introduction

Investigations neurophysiologiques au cours des 100 dernières années ont élargi considérablement notre connaissance de la structure du système nerveux et la fonction. Cependant, la majorité de la recherche sur le système nerveux à ce jour a misé sur l'utilisation de préparations isolées ou des sujets sobres. Bien qu'il y ait eu beaucoup d'efforts réussis pour enregistrer l'activité neurale de se comporter librement animaux 2-5, l'approche biorobotic offre un outil précieux pour permettre une manipulation du système nerveux afin de tester les systèmes au niveau neurosciences hypothèses 6. Systèmes nerveux simulés d'exploitation sur des robots peuvent être manipulés expérimentalement et permettent l'extension du logiciel de modélisation du monde physique. Cette approche a été mise en œuvre dans le monde universitaire 7,8 mais le processus de construction d'un robot biomimétique pour la vérification d'hypothèses peut être long et coûteux. Nous présentons une méthode pour exécuter l'approche biorobotic utilisant un commerce robotique kil (LEGO Mindstorms NXT 2.0). Le but de cette méthode est de fournir un moyen rapide et efficace pour tester les systèmes niveau neurosciences hypothèses sur robotisé 9 ou bio-hybrides 10 simulations de réseaux de neurones incarnés. Accélérer le processus de l'hypothèse d'expérimenter améliore la productivité de la recherche. Le simple plate-forme LEGO Mindstorms fournit un banc d'essai pour les capteurs biomimétiques et les réseaux neuronaux qui nous démontrons l'aide du homard américain (Homarus americanus) comme organisme modèle. La méthode fournit également un puissant outil pratique pédagogique en classe que les élèves peuvent concevoir et manipuler des systèmes nerveux pour leurs propres robots 11.

Protocol

1. Construire le modèle de robot Choisir un organisme modèle pour l'étude qui est bien représenté dans la littérature neuroethological. Invertébrés font généralement de bons candidats parce que leur système nerveux relativement simples ont été bien étudiés et sont principalement composé de réflexes innés. Nous allons démontrer cette approche en utilisant le homard, Homarus americanus. Choisissez bien étudié les comportements réfléchis à des fins de modélisation….

Representative Results

Entrées des griffes d'un homard dans son système nerveux médiation négociation d'obstacle dans un nouvel environnement. Figure 1 montre une capture d'écran de la vidéo utilisée pour analyser le comportement d'un robot LEGO (figure 1A) et un homard (figure 1B) dans l'arène de test. L'arène de test a été non modifiée entre les essais de robots animaux, sauf que l'eau a été vidée de la cuve pour les essais de robots. <p class=…

Discussion

Lors de l'initiation des expériences de simulation du système nerveux biorobotic, il ya quelques règles importantes à suivre. Choisir le bon modèle organisme est critique: choisir un organisme qui est facile à obtenir et à maintenir. Les invertébrés sont idéales car elles ne nécessitent généralement pas l'approbation institutionnel à l'expérimentation et à leurs besoins d'élevage sont souvent moins exigeants que ceux des vertébrés. D'un point de vue scientifique, il est avantageux …

Disclosures

The authors have nothing to disclose.

Acknowledgements

Nous remercions le Dr Chris Rogers (Tufts University) pour la programmation et manuscrit suggestions. Nous remercions Alex Giuliano et Deborah Lee appui à la production vidéo.

Le financement fourni par une bourse de recherche doctorale NSF et un MURI ONR en biologie synthétique.

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/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