LEGO 로봇에 신경 시스템 시뮬레이션을 설계 및 구현
Summary
레고 마인드 스톰 로봇 플랫폼의 신경망 모델링 방법이 제시되어 있습니다. 방법은 무척 신경 과학 연구 실험실 모두에서 연구와 교실 시뮬레이션 도구를 제공합니다. 이 기술은 생체 모방 로봇 제어 원리의 조사를 할 수 있습니다.
Abstract
우리는 시스템 수준의 신경 가설을 테스트하기 위해 상업적으로 이용 가능한 LEGO 마인드 스톰 NXT 로봇 플랫폼을 사용하는 방법을 제시한다. 메서드의 첫 번째 단계는 적절한 모델 생물의 특정 반사적 행동의 신경 시스템 시뮬레이션을 개발하는 것입니다, 여기에 우리가 미국의 랍스터를 사용합니다. (교차점) 신경망 연결을 decussating에 의해 중재 Exteroceptive 반사 신경 Braitenberg에 의해 설명 및 NXT 플랫폼을 사용하여 조사를 위해 특히 적합으로 방향 또는 멀리 자극에서 동물의 택시를 설명 할 수 있습니다. 1 신경계 시뮬레이션 LEGO에서 LabVIEW 소프트웨어를 사용하여 프로그래밍됩니다 마인드 스톰 플랫폼입니다. 신경계가 제대로 조정되면, 행동 실험은 로봇과 동일한 환경 조건에서 동물에 실행됩니다. 표본 경험 한 감각 환경을 제어하여, 행동 출력의 차이를 관찰 할 수 있습니다. 이러한 차이는 특정 deficienc을 가리킬 수 있습니다그리고 신경계 모델 이거는 연구중인 특정 행동에 대한 모델의 반복을 알리는 역할을한다. 이 방법은 전자 신경계의 실험 조작 할 수 있으며 특히 간단한 타고난 반사 행동의 신경 생리 학적 기초에 대한 신경 과학의 가설을 탐구하는 방법으로 역할을합니다. 레고 마인드 스톰 NXT 키트는 예비 생체 모방 로봇 제어 방식을 테스트하기에 저렴하고 효율적인 플랫폼을 제공합니다. 접근 방식은 또한뿐만위한 토대 역할을 손에 탐구 기반 바이오 로보 공학 교육 과정 고등학교 교실에 적합합니다.
Introduction
지난 100 년 동안 신경 생리 학적 연구는 대단히 신경계의 구조와 기능에 대한 지식 확대했다. 그러나 현재까지 신경계 연구의 대부분은 고립 된 준비하거나 억제 주제의 사용에 의존하고있다. 자유롭게 동물 2-5 행동의 신경 활동을 기록하는 많은 성공적인 노력이되었지만, biorobotic 접근 방식은 시스템 레벨의 신경 가설는 6 테스트하기 위해 신경 시스템을 조작 할 수있는 유용한 도구를 제공합니다. 로봇에 운영 시뮬레이션 신경 시스템을 실험적으로 조작하고 물리적 세계에 대한 소프트웨어 모델링의 연장을 허용 할 수 있습니다. 이 방법은 물론 학계 7,8에서 구현되었지만 가설 테스트를위한 생체 모방 로봇을 구축하는 과정은 비용과 시간이 소요될 수 있습니다. 우리는 상업적으로 이용 가능한 로봇 K를 사용하여 biorobotic 방법을 실행하는 방법을 제시그 (LEGO 마인드 스톰 NXT 2.0). 이 방법의 목적은 로봇 9 또는 바이오 하이브리드 10 구현 신경망 시뮬레이션에서 시스템 수준의 신경 가설을 테스트하기 위해 신속하고 효율적인 방법을 제공하는 것입니다. 가설의 실험 과정을 가속화하여 연구 생산성을 향상시킵니다. 간단한 레고 마인드 스톰 플랫폼은 우리가 모델 생물로 미국 가재 (Homarus americanus)를 사용을 보여주는 생체 모방 센서와 신경 네트워크를위한 테스트 베드를 제공합니다. 방법은 또한 학생들이 자신의 로봇을 11 설계 및 신경 시스템을 조작 할 수있는 교실에서 교육 도구 손에 강력한를 제공합니다.
Protocol
Representative Results
Discussion
biorobotic 신경계 시뮬레이션 실험을 시작할 때 따라야 할 몇 가지 중요한 지침이 있습니다. 오른쪽 모델 생물을 선택하는 것은 매우 중요합니다 : 획득하고 유지하기 쉬운 유기체를 선택합니다. 그들은 일반적으로 실험에 대한 기관의 승인을 필요로하지 않는 그들의 축산 요구는 종종 척추 동물에 비해 덜 요구하기 때문에 무척추 이상적입니다. 과학적인 관점에서, 21를 테스트 가설을 그?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
우리는 프로그래밍 및 원고 제안 박사 크리스 로저스 (Tufts 대학)을 주셔서 감사합니다. 우리는 비디오 제작 지원을 위해 알렉스 아노과 데보라 리 감사합니다.
자금은 NSF 대학원 연구 친목 및 합성 생물학 ONR 무리에 의해 제공.
References
- Braitenberg, V. Taxis, kinesis and decussation. Prog. in Brain Res. 17, 210-222 (1965).
- 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).
- Kagaya, K., Takahata, M. Readiness discharge for spontaneous initiation of walking in crayfish. Journal of Neuroscience. 30 (4), 1348-1362 (2010).
- Schrameck, J. E. Crayfish Swimming: Alternating Motor Output and Giant Fiber Activity. Science. 169 (3946), 698-700 (1970).
- 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).
- Webb, B. Validating biorobotic models. Journal of Neural Engineering. 3, 1-20 (2006).
- 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).
- 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).
- 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).
- 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).
- Blustein, D., Schultheis, K., Ayers, J. Building nervous systems for robots: an interactive and collaborative neuroscience curriculum. , (2011).
- 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).
- Cowan, N., Ma, E., Cutkosky, M., Full, R. A Biologically Inspired Passive Antenna for Steering Control of a Running Robot. , 541-550 (2003).
- Gasperi, M., Hurbain, P. . Extreme NXT: Extending the LEGO MINDSTORMS NXT to the Next Level. , (2007).
- Gasperi, M. . LabVIEW for LEGO MINDSTORMS NXT. , (2008).
- Kennedy, D., Davis, W. Chapter 27 Organization of invertebrate motor systems. Handbook of Physiology. 1, 1023-1088 (1977).
- Buchanan, J., Grillner, S. Newly identified “glutamate interneurons” and their role in locomotion in the lamprey spinal cord. Science. 236 (4799), 312-314 (1987).
- Rulkov, N. Modeling of spiking-bursting neural behavior using two-dimensional map. Physical Review E. 65, (2002).
- 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).
- 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).
- Huxley, T. H. . The Crayfish, An Introduction to the Study of Zoology. , (1880).
- 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).
- Webb, B., Scutt, T. A simple latency-dependent spiking-neuron model of cricket phonotaxis. Biological Cybernetics. 82 (3), 247-269 (2000).
- 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).
- 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).
