Summary

Entwerfen und Implementieren von Nervous System Simulationen auf LEGO Roboter

Published: May 25, 2013
doi:

Summary

Ein Ansatz zur Modellierung neuronalen Netzes auf der LEGO Mindstorms Robotik-Plattform vorgestellt. Das Verfahren stellt ein Simulationstool für wirbellose neurowissenschaftlichen Forschung sowohl in der Forschung Labor und Klassenzimmer. Diese Technik ermöglicht die Untersuchung von biomimetischen Prinzipien Robotersteuerung.

Abstract

Wir präsentieren eine Methode, um die handelsüblichen LEGO Mindstorms NXT Roboter Plattform nutzen, um Systeme Ebene Neurowissenschaften Hypothesen zu testen. Der erste Schritt des Verfahrens ist es, ein Nervensystem Simulation der spezifischen reflexive Verhaltensweisen eines geeigneten Modells Organismus zu entwickeln, hier benutzen wir den amerikanischen Hummer. Exterozeptiven Reflexe von kreuzenden (Kreuzung) neuronalen Verbindungen vermittelt werden eines Tieres Taxis zu oder weg von einem Stimulus durch Braitenberg beschrieben und sind besonders gut geeignet für die Untersuchung mit dem NXT-Plattform zu erklären. 1 Das Nervensystem Simulation programmiert wird mithilfe von LabVIEW-Software auf dem LEGO Mindstorms Plattform. Sobald das Nervensystem richtig abgestimmt wird, werden Verhaltensexperimente am Roboter und am Tier unter identischen Umgebungsbedingungen ausgeführt. Durch die Steuerung der sensorischen Milieu von den Proben erlebt, können Unterschiede in Verhaltens-Ausgänge beobachtet werden. Diese Unterschiede können auf bestimmte deficienc hinweisenies im Nervensystem Modell und dienen dazu, die Iteration des Modells für das jeweilige Verhalten unter Studie zu informieren. Diese Methode ermöglicht die experimentelle Manipulation von elektronischen Nervensystem und dient als eine Möglichkeit, Neurowissenschaften Hypothesen speziell in Bezug auf die neurophysiologischen Grundlagen der einfachen angeborenen reflexive Verhaltensweisen zu erforschen. Der LEGO Mindstorms NXT-Kit bietet eine kostengünstige und effiziente Plattform, auf der vorläufigen biomimetische Roboter-Steuerung Systeme testen. Der Ansatz ist auch für die High-School-Klassenzimmer geeignet, um als Grundlage für einen Aufschlag hands-on inquiry-based Biorobotik Lehrplan.

Introduction

Neurophysiologische Untersuchungen in den letzten 100 Jahren enorm unser Wissen über das Nervensystem Struktur und Funktion erweitert. Allerdings hat die Mehrheit der Nervensystem Forschung bislang auf die Verwendung von isolierten Präparaten oder zurückhaltend Untertanen verlassen. Zwar gibt es viele erfolgreiche Bemühungen um die neuronale Aktivität von frei lebenden Tier 2-5 aufnehmen, stellt die biorobotic Ansatz ein wertvolles Werkzeug für Nervensystem Manipulation ermöglichen, um zu testen Systemebene Neurowissenschaften Hypothesen 6. Simulierte Nervensysteme, die auf Roboter kann experimentell manipuliert werden und ermöglichen die Erweiterung der Software-Modellierung der physischen Welt. Dieser Ansatz wurde auch in der akademischen Welt 7,8 umgesetzt, aber der Prozess des Aufbaus eine biomimetische Roboter zum Testen von Hypothesen kann teuer und zeitaufwändig sein. Wir präsentieren eine Methode, um die biorobotic Ansatz unter Verwendung eines handelsüblichen Robotik k ausführenes (LEGO Mindstorms NXT 2.0). Das Ziel dieser Methode ist es, eine schnelle und effiziente Möglichkeit, Systeme Ebene Neurowissenschaften Hypothesen über Roboter 9 oder bio-hybriden 10 verkörpert neuronalen Netzes Simulationen testen bereitzustellen. Beschleunigung des Prozesses vom Hypothese zu experimentieren verbessert Produktivität in der Forschung. Die einfache LEGO Mindstorms-Plattform bietet eine Testumgebung für biomimetische Sensoren und neuronale Netze, die wir mit den amerikanischen Hummer (Homarus americanus) demonstrieren als Modellorganismus. Das Verfahren bietet auch eine leistungsfähige Hands-on-pädagogisches Werkzeug im Klassenzimmer als Studenten entwerfen und zu manipulieren Nervensystem für ihre eigenen Roboter 11.

Protocol

1. Aufbau der Roboter-Modell Wählen Sie ein Modell Organismus zu studieren, das ist in der Literatur neuroethologischen vertreten. Wirbellose Regel machen gute Kandidaten, weil ihre relativ einfache Nervensysteme gut studiert haben und werden vor allem von den angeborenen Reflexen besteht. Wir zeigen diesen Ansatz mit der amerikanischen Hummer, Homarus americanus. Wählen Sie gut untersucht reflexive Verhaltensweisen für die Modellierung Zwecke. Wir haben die Antworten auf Hummers antenna…

Representative Results

Eingaben von einem Hummer Krallen in sein Nervensystem vermitteln Hindernis Verhandlung in einer neuen Umgebung. Abbildung 1 zeigt einen Screenshot des Videos verwendet werden, um das Verhalten eines LEGO-Roboter (Abbildung 1A) und einem Hummer (Abbildung 1B) im Test Arena analysieren. Der Test wurde Arena zwischen Tier und Roboter Tests, außer dass das Wasser aus dem Tank für den Roboter Studien entleert unverändert. Video-Tracking-Ergeb…

Discussion

Bei der Einleitung biorobotic Nervensystem Simulation Experimente, es gibt ein paar wichtige Leitlinien zu folgen. Die Wahl des richtigen Modells Organismus ist entscheidend: wählen Sie ein Organismus, der leicht zu erhalten und zu pflegen ist. Wirbellose sind ideal, weil sie in der Regel nicht erforderlich institutionellen Genehmigung für Experimente und ihre Tierhaltung Bedürfnisse sind oft weniger anspruchsvoll als die der Wirbeltiere. Aus wissenschaftlicher Sicht ist es sinnvoll, ein Tier, das eine etablierte neu…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Wir danken Dr. Chris Rogers (Tufts University) für die Programmierung und Manuskript Anregungen. Wir danken Alex Giuliano und Deborah Lee für Video-Produktion zu unterstützen.

Finanzierung durch ein NSF Graduate Research Fellowship und einer ONR MURI in der Synthetischen Biologie zur Verfügung gestellt.

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