Summary

Progettazione e implementazione di simulazioni del sistema nervoso su LEGO Robot

Published: May 25, 2013
doi:

Summary

Viene presentato un approccio alla modellazione rete neurale sulla piattaforma robotica LEGO Mindstorms. Il metodo fornisce uno strumento di simulazione per invertebrati ricerca neuroscientifica sia nel laboratorio di ricerca e l'aula. Questa tecnica permette la ricerca di principi di controllo di robot biomimetici.

Abstract

Vi presentiamo un metodo per utilizzare il LEGO Mindstorms NXT piattaforma robotica disponibile in commercio per testare i sistemi di livello di neuroscienze ipotesi. Il primo passo del metodo è quello di sviluppare una simulazione del sistema nervoso di specifici comportamenti riflessivi di un adeguato organismo modello, qui usiamo l'aragosta americana. Riflessi esterocettivi mediate da decussating (incrocio) connessioni neurali in grado di spiegare i taxi di un animale verso o lontano da uno stimolo come descritto da Braitenberg e sono particolarmente adatti per le indagini utilizzando la piattaforma NXT. Viene programmato 1 La simulazione del sistema nervoso utilizzando il software LabVIEW sul LEGO piattaforma Mindstorms. Una volta che il sistema nervoso è adeguatamente regolati, esperimenti comportamentali passino sul robot e sull'animale sotto identiche condizioni ambientali. Controllando l'ambiente sensoriale vissuta dai campioni, si possono osservare differenze di uscita comportamentali. Queste differenze possono puntare a specifiche deficiencrie del modello del sistema nervoso e servono per informare l'iterazione del modello per il particolare comportamento in fase di studio. Questo metodo consente la manipolazione sperimentale dei sistemi nervosi elettronici e serve come un modo per esplorare neuroscienze ipotesi specificamente per quanto riguarda la base neurofisiologica di comportamenti riflessivi innati semplici. Il kit Mindstorms NXT LEGO costituisce una piattaforma accessibile ed efficiente su cui testare schemi di controllo di robot biomimetici preliminari. L'approccio è adatto anche per l'aula di scuola per servire come base per un hands-on basato sulla ricerca curriculum biorobotica.

Introduction

Indagini neurofisiologiche negli ultimi 100 anni hanno ampliato enormemente la nostra conoscenza della struttura del sistema nervoso e la funzione. Tuttavia, la maggior parte della ricerca del sistema nervoso fino ad oggi ha invocato l'uso di preparati isolati o soggetti sobri. Mentre ci sono stati molti sforzi riusciti a registrare l'attività neurale di comportarsi liberamente animali 2-5, l'approccio biorobotic fornisce un valido strumento per consentire la manipolazione del sistema nervoso al fine di testare i sistemi di livello neuroscienze ipotesi 6. Sistemi nervosi simulati operanti sul robot possono essere sperimentalmente manipolati e permettono l'estensione del software di modellazione per il mondo fisico. Questo approccio è stato ben implementato nel mondo accademico 7,8, ma il processo di costruzione di un robot biomimetico per la verifica di ipotesi può essere costoso e richiede tempo. Vi presentiamo un metodo per eseguire l'approccio biorobotic utilizzando un robot disponibile in commercio kesso (LEGO Mindstorms NXT 2.0). L'obiettivo di questo metodo è quello di fornire un modo rapido ed efficiente per testare sistemi livello neuroscienze ipotesi sul robotizzato 9 o bio-ibridi 10 incarnata simulazioni di reti neurali. Accelerare il processo di ipotesi di sperimentare migliora la produttività della ricerca. Il semplice piattaforma LEGO Mindstorms fornisce un banco di prova per sensori biomimetici e le reti neurali che dimostriamo con l'aragosta americano (Homarus americanus) come organismo modello. Il metodo fornisce anche un potente hands-on strumento educativo in classe gli studenti in grado di progettare e gestire sistemi nervosi per i propri robot 11.

Protocol

1. Costruire il modello di robot Scegli un organismo modello per lo studio che è ben rappresentata nella letteratura neuroethological. Invertebrati generalmente fanno buoni candidati perché i loro sistemi nervosi relativamente semplici sono stati ben studiati e sono in prevalenza costituiti di riflessi innati. Dimostreremo questo approccio con l'aragosta americana, Homarus americanus. Selezionare ben studiato i comportamenti riflessivi per scopi di modellazione. Abbiamo scelto le risp…

Representative Results

Ingressi da artigli di un astice nel suo sistema nervoso mediano trattativa ostacolo in un ambiente nuovo. Figura 1 mostra uno screenshot del video utilizzato per analizzare il comportamento di un LEGO robot (Figura 1A) e un'aragosta (Figura 1B) in ambito di test. Dell'arena test è stato non modificata tra i test robot animale e tranne che l'acqua è stata svuotata dal serbatoio per le prove robot. Risultati di monitoraggio vide…

Discussion

Quando si inizia esperimenti di simulazione del sistema nervoso biorobotic, ci sono alcune importanti linee guida da seguire. La scelta del giusto organismo modello è critica: scegliere un organismo che è facile da ottenere e mantenere. Gli invertebrati sono l'ideale, perché di solito non richiedono l'approvazione istituzionale per la sperimentazione e le loro esigenze di allevamento sono spesso meno esigenti di quelli dei vertebrati. Dal punto di vista scientifico, è utile scegliere un animale che ha un rec…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Ringraziamo il Dott. Chris Rogers (Tufts University) per la programmazione e il manoscritto suggerimenti. Ringraziamo Alex Giuliano e Deborah Lee per il sostegno alla produzione video.

Finanziamenti erogati da un NSF Graduate Research Fellowship e un MURI ONR in biologia sintetica.

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