Summary

Projetando e implementando Simulações do Sistema Nervoso em LEGO Robots

Published: May 25, 2013
doi:

Summary

É apresentada uma abordagem para a modelagem de rede neural na plataforma robótica LEGO Mindstorms. O método fornece uma ferramenta de simulação para invertebrados pesquisa em neurociência, tanto no laboratório de pesquisa e sala de aula. Esta técnica permite a investigação de princípios de controle de robôs biomiméticos.

Abstract

Nós apresentamos um método para usar o Mindstorms plataforma disponível comercialmente LEGO NXT robótica para testar sistemas de nível neurociência hipóteses. O primeiro passo do método é o de desenvolver um sistema de simulação de comportamentos nervoso reflexivas especiais de um organismo modelo adequado; aqui usamos a lagosta americana. Reflexos exteroceptivos mediadas por decussating (passagem) conexões neurais podem explicar táxis de um animal ou para longe de um estímulo, tal como descrito por Braitenberg e são particularmente bem adequado para investigação, utilizando a plataforma NXT. 1 A simulação do sistema nervoso está programado utilizando software LabVIEW no LEGO plataforma Mindstorms. Uma vez que o sistema nervoso está sintonizado corretamente, experimentos comportamentais são executados no robô e sobre o animal sob condições ambientais idênticas. Ao controlar o meio sensorial experimentada pelas amostras, as diferenças nos resultados comportamentais podem ser observadas. Estas diferenças podem apontar para deficienc específicos no modelo de sistema nervoso e servem para informar a iteração do modelo para o comportamento particular em estudo. Este método permite a manipulação experimental do sistema nervoso electrónicos e serve como um meio para explorar neuroscience hipóteses especificamente em relação à base de neurofisiológicos simples comportamentos reflexivos inatas. O LEGO Mindstorms NXT kit fornece uma plataforma acessível e eficiente em que para testar esquemas de controle de robôs biomiméticos preliminares. A abordagem também é adequado para a sala de aula do ensino médio para servir de base para um hands-on baseada na investigação currículo Biorobotics.

Introduction

Investigações neurofisiológicas ao longo dos últimos 100 anos, têm ampliado enormemente nosso conhecimento da estrutura e função do sistema nervoso. No entanto, a maioria das pesquisas sistema nervoso até à data tem contado com o uso de preparações isoladas ou assuntos contidos. Embora tenha havido muitos esforços bem-sucedidos para registrar a atividade neural de se comportar livremente animais 2-5, a abordagem biorobotic fornece uma ferramenta valiosa para permitir a manipulação do sistema nervoso, a fim de testar os sistemas de nível neurociência hipóteses 6. Sistemas nervosos simulados operacionais em robôs podem ser experimentalmente manipulada e permitir a extensão de modelagem de software para o mundo físico. Esta abordagem tem sido bem implementado no mundo acadêmico 7,8, mas o processo de construção de um robô biomimético para o teste de hipóteses pode ser caro e demorado. Apresenta-se um método para executar a abordagem biorobotic disponível comercialmente utilizando um k robóticaele (LEGO Mindstorms NXT 2.0). O objetivo deste método é fornecer uma maneira rápida e eficiente para testar sistemas de nível neurociência hipóteses sobre robótica 9 ou 10 incorporados simulações de rede neural bio-híbridos. Acelerar o processo de hipótese de experimentar melhora a produtividade de pesquisa. O simples plataforma LEGO Mindstorms fornece uma plataforma de teste para sensores biomiméticos e redes neurais que demonstrar usando a lagosta americana (Homarus americanus) como um organismo modelo. O método também fornece uma poderosa hands-on ferramenta pedagógica em sala de aula como os alunos podem projetar e manipular sistemas nervosos de seus próprios robôs 11.

Protocol

1. Construir o modelo Robot Escolha um organismo modelo para o estudo que está bem representado na literatura neuroetológica. Invertebrados geralmente fazem bons candidatos, porque seu sistema nervoso relativamente simples foram bem estudados e são, basicamente, composta de reflexos inatos. Vamos demonstrar esta abordagem utilizando o Lobster americana, Homarus americanus. Escolha bem estudado comportamentos reflexivos para fins de modelagem. Nós escolhemos as respostas da lagosta a cur…

Representative Results

Entradas de garras de um lagosta no seu sistema nervoso mediar negociação obstáculo num ambiente novo. Figura 1 mostra uma imagem do vídeo usadas para analisar o comportamento de um robô LEGO (Figura 1A) e uma lagosta (Figura 1B) na arena de teste. A arena de teste foi inalterado entre os testes de robô e animal, exceto que a água foi esvaziado do tanque para os ensaios do robô. Resultados de rastreamento de vídeo são apresentados …

Discussion

Ao iniciar experimentos de simulação do sistema nervoso biorobotic, existem algumas orientações importantes a seguir. Escolhendo o organismo modelo certo é fundamental: escolher um organismo que é fácil de obter e manter. Invertebrados são ideais porque eles geralmente não necessitam de aprovação institucional para a experimentação e as suas necessidades de criação são menos exigentes do que aqueles dos vertebrados. De uma perspectiva científica, é benéfico para escolher um animal que tem um registro …

Disclosures

The authors have nothing to disclose.

Acknowledgements

Agradecemos ao Dr. Chris Rogers (Tufts University) para sugestões de programação e manuscrito. Agradecemos Alex Giuliano e Deborah Lee para apoio à produção de vídeo.

Financiamento concedido por um NSF Graduate Research Fellowship e um MURI ONR em Biologia Sintética.

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