Design og bruk av et apparat for å presentere håndgripelig objekter i 3D Workspace
Summary
Presentert her er en protokoll for å bygge en automatisk apparat som veileder en ape til å utføre fleksibel rekkevidde-til-tak oppgave. Apparatet kombinerer en 3D translational enhet og snu bordet for å presentere flere objekter i en vilkårlig posisjon i 3D-rom.
Abstract
Nå og fatte er høyt sammenkoblede bevegelser, og deres underliggende nevrale dynamikk har blitt mye studert i det siste tiåret. For å skille rekkevidde og gripe kodinger er det viktig å presentere ulike objekt identiteter uavhengig av deres posisjoner. Presentert her er utformingen av et automatisk apparat som er montert med et vende bord og tredimensjonal (3D) translational enhet for å oppnå dette målet. Snu tabellen skifter forskjellige objekter som tilsvarer forskjellige grep typer mens 3D translational enheten transporterer snu bordet i 3D-rom. Begge drives uavhengig av motorer, slik at målet posisjon og objektet er kombinert vilkårlig. I mellomtiden er håndleddet bane og grep typer registrert via motion capture-systemet og touch sensorer, henholdsvis. Videre representative resultater som demonstrerer vellykket trent ape bruker dette systemet er beskrevet. Det er forventet at dette apparatet vil lette forskere til å studere kinematikk, nevrale prinsipper, og hjerne-maskin-grensesnitt knyttet til øvre lem funksjon.
Introduction
Ulike apparater har blitt utviklet for å studere neural prinsipper underliggende nå og fatte bevegelse i ikke-menneskelige primater. I å nå oppgaver, berøringsskjerm1,2, skjerm markør styrt av en joystick3,4,5,6,7og Virtual Reality-teknologi8 , 9 andre priser , 10 har alle vært ansatt for å presentere 2D og 3D mål, henholdsvis. Å innføre ulike grep typer, ulikt formede objekter fast i en posisjon eller roterende rundt en akse ble mye brukt i fatte oppgaver11,12,13. Et alternativ er å bruke visuelle stikkord for å informere om å ta tak i det samme objektet med forskjellige grep typer14,15,16,17. Mer nylig har nå og gripe bevegelser blitt studert sammen (dvs. nå flere posisjoner og forstå med ulike grep typer i en eksperimentell økt)18,19,20, 21,22,23,24,25,26,27,28,29. Tidlige eksperimenter har presentert objekter manuelt, noe som uunngåelig fører til lav tid og romlig presisjon20,21. For å forbedre eksperimentell presisjon og lagre arbeidskraft, har automatisk presentasjons enheter styrt av programmer blitt mye brukt. For å variere målposisjonen og grep typen, har forskere eksponert flere objekter samtidig, men den relative (eller absolutte) plasseringen av mål og grep typene er bundet sammen, noe som fører til stive skyte mønstre gjennom lang tids trening22 ,27,28. Objekter er vanligvis presentert i et 2D-plan, som begrenser mangfoldet av nå bevegelse og nevrale aktivitet19,25,26. Nylig har Virtual Reality24 og robot arm23,29 blitt innført for å presentere objekter i 3D-rom.
Presentert her er detaljerte protokoller for å bygge og bruke et automatisert apparat30 som kan oppnå en kombinasjon av flere målposisjoner og grep typer i 3D-rom. Vi designet en snu tabellen for å bytte objekter og 3D translational enhet for å transportere snu bordet i 3D-rom. Både dreiebordet og translational enheten drives av uavhengige motorer. I mellomtiden er 3D-banen for motivet håndleddet og nevrale signaler registrert samtidig gjennom eksperimentet. Apparatet gir en verdifull plattform for studiet av øvre lem funksjon i rhesus ape.
Protocol
Representative Results
Discussion
Det opptreden apparater er beskrevet her over setter i forbindelse med en prøve-klok kombinasjonen av annerledes rekkevidde og griper bevegelser (i.e., det apekatt kanne begripe annerledes formet emner dersom noe vilkårlig 3D plasseringene inne hver prøve). Dette oppnås gjennom kombinasjonen av en tilpasset snu tabell som bytter forskjellige objekter og en lineær translational enhet som transporterer snu tabellen til flere posisjoner i 3D-rom. I tillegg er det nevrale signaler fra ape, bane av håndleddet, og hånd …
Disclosures
The authors have nothing to disclose.
Acknowledgements
Vi takker Mr. Shijiang Shen for hans råd om apparat design og MS Guihua Wang for hennes hjelp med dyr omsorg og opplæring. Dette arbeidet ble støttet av National Key forsknings-og utviklings program i Kina (2017YFC1308501), National Natural Science Foundation i Kina (31627802), den offentlige prosjekter i Zhejiang-provinsen (2016C33059), og de grunnleggende forskningsmidler for Sentrale universiteter.
Materials
| Active X-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 600 mm; Load, 25 kg |
| Active Y-rail | CCM Automation technology Inc., China | W60-35 | Effective travel, 300 mm, Load 35 kg |
| Active Z-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 500 mm; Load 25 kg |
| Bearing | Taobao.com | 6004-2RSH | Acrylic |
| Case | Custom mechanical processing | TT-C | Acrylic |
| Connecting ring | CCM Automation technology Inc., China | 57/60-W50 | |
| Connecting shaft | CCM Automation technology Inc., China | D12-700 | Diam., 12 mm;Length, 700 mm |
| Diaphragm coupling | CCM Automation technology Inc., China | CCM 12-12 | Inner diam., 12-12mm |
| Diaphragm coupling | CCM Automation technology Inc., China | CCM 12-14 | Inner diam., 14-12mm |
| Electric slip ring | Semring Inc., China | SNH020a-12 | Acrylic |
| Locating bar | Custom mechanical processing | TT-L | Acrylic |
| Motion capture system | Motion Analysis Corp. US | Eagle-2.36 | |
| Neural signal acquisition system | Blackrock Microsystems Corp. US | Cerebus | |
| NI DAQ device | National Instruments, US | USB-6341 | |
| Object | Custom mechanical processing | TT-O | Acrylic |
| Passive Y-rail | CCM Automation technology Inc., China | W60-35 | Effective travel, 300 mm; Load 35 kg |
| Passive Z-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 500 mm; Load 25 kg |
| Pedestal | CCM Automation technology Inc., China | 80-W60 | |
| Peristaltic pump | Longer Inc., China | BT100-1L | |
| Planetary gearhead | CCM Automation technology Inc., China | PLF60-5 | Flange, 60×60 mm; Reduction ratio, 1:5 |
| Right triangle frame | CCM Automation technology Inc., China | 290-300 | |
| Rotator | Custom mechanical processing | TT-R | Acrylic |
| Servo motor | Yifeng Inc., China | 60ST-M01930 | Flange, 60×60 mm; Torque, 1.91 N·m; for Y- and Z-rail |
| Servo motor | Yifeng Inc., China | 60ST-M01330 | Flange, 60×60 mm; Torque, 1.27 N·m; for X-rail |
| Shaft | Custom mechanical processing | TT-S | Acrylic |
| Stepping motor | Taobao.com | 86HBS120 | Flange, 86×86 mm; Torque, 1.27 N·m; Driving turning table |
| Touch sensor | Taobao.com | CM-12X-5V | |
| Tricolor LED | Taobao.com | CK017, RGB | |
| T-shaped connecting board | CCM Automation technology Inc., China | 110-120 |
References
- Leone, F. T., Monaco, S., Henriques, D. Y., Toni, I., Medendorp, W. P. Flexible Reference Frames for Grasp Planning in Human Parietofrontal Cortex. eNeuro. 2 (3), (2015).
- Caminiti, R., et al. Early coding of reaching: frontal and parietal association connections of parieto-occipital cortex. European Journal of Neuroscience. 11 (9), 3339-3345 (1999).
- Georgopoulos, A. P., Schwartz, A. B., Kettner, R. E. Neuronal population coding of movement direction. Science. 233 (4771), 1416-1419 (1986).
- Fu, Q. G., Flament, D., Coltz, J. D., Ebner, T. J. Temporal encoding of movement kinematics in the discharge of primate primary motor and premotor neurons. Journal of Neurophysiology. 73 (2), 836-854 (1995).
- Moran, D. W., Schwartz, A. B. Motor cortical representation of speed and direction during reaching. Journal of Neurophysiology. 82 (5), 2676-2692 (1999).
- Carmena, J. M., et al. Learning to control a brain-machine interface for reaching and grasping by primates. PLoS Biology. 1 (2), E42 (2003).
- Li, H., et al. Prior Knowledge of Target Direction and Intended Movement Selection Improves Indirect Reaching Movement Decoding. Behavioral Neurology. , 2182843 (2017).
- Reina, G. A., Moran, D. W., Schwartz, A. B. On the relationship between joint angular velocity and motor cortical discharge during reaching. Journal of Neurophysiology. 85 (6), 2576-2589 (2001).
- Taylor, D. M., Tillery, S. I., Schwartz, A. B. Direct cortical control of 3D neuroprosthetic devices. Science. 296 (5574), 1829-1832 (2002).
- Wang, W., Chan, S. S., Heldman, D. A., Moran, D. W. Motor cortical representation of hand translation and rotation during reaching. Journal of Neuroscience. 30 (3), 958-962 (2010).
- Murata, A., Gallese, V., Luppino, G., Kaseda, M., Sakata, H. Selectivity for the shape, size, and orientation of objects for grasping in neurons of monkey parietal area AIP. Journal of Neurophysiology. 83 (5), 2580-2601 (2000).
- Raos, V., Umiltá, M. A., Murata, A., Fogassi, L., Gallese, V. Functional Properties of Grasping-Related Neurons in the Ventral Premotor Area F5 of the Macaque Monkey. Journal of Neurophysiology. 95 (2), 709 (2006).
- Schaffelhofer, S., Scherberger, H. Object vision to hand action in macaque parietal, premotor, and motor cortices. eLife. 5, (2016).
- Baumann, M. A., Fluet, M. C., Scherberger, H. Context-specific grasp movement representation in the macaque anterior intraparietal area. Journal of Neuroscience. 29 (20), 6436-6448 (2009).
- Riehle, A., Wirtssohn, S., Grun, S., Brochier, T. Mapping the spatio-temporal structure of motor cortical LFP and spiking activities during reach-to-grasp movements. Frontiers in Neural Circuits. 7, 48 (2013).
- Michaels, J. A., Scherberger, H. Population coding of grasp and laterality-related information in the macaque fronto-parietal network. Scientific Reports. 8 (1), 1710 (2018).
- Fattori, P., et al. Hand orientation during reach-to-grasp movements modulates neuronal activity in the medial posterior parietal area V6A. Journal of Neuroscience. 29 (6), 1928-1936 (2009).
- Asher, I., Stark, E., Abeles, M., Prut, Y. Comparison of direction and object selectivity of local field potentials and single units in macaque posterior parietal cortex during prehension. Journal of Neurophysiology. 97 (5), 3684-3695 (2007).
- Stark, E., Asher, I., Abeles, M. Encoding of reach and grasp by single neurons in premotor cortex is independent of recording site. Journal of Neurophysiology. 97 (5), 3351-3364 (2007).
- Velliste, M., Perel, S., Spalding, M. C., Whitford, A. S., Schwartz, A. B. Cortical control of a prosthetic arm for self-feeding. Nature. 453 (7198), 1098-1101 (2008).
- Vargas-Irwin, C. E., et al. Decoding complete reach and grasp actions from local primary motor cortex populations. Journal of Neuroscience. 30 (29), 9659-9669 (2010).
- Mollazadeh, M., et al. Spatiotemporal variation of multiple neurophysiological signals in the primary motor cortex during dexterous reach-to-grasp movements. Journal of Neuroscience. 31 (43), 15531-15543 (2011).
- Saleh, M., Takahashi, K., Hatsopoulos, N. G. Encoding of coordinated reach and grasp trajectories in primary motor cortex. Journal of Neuroscience. 32 (4), 1220-1232 (2012).
- Collinger, J. L., et al. High-performance neuroprosthetic control by an individual with tetraplegia. The Lancet. 381 (9866), 557-564 (2013).
- Lehmann, S. J., Scherberger, H. Reach and gaze representations in macaque parietal and premotor grasp areas. Journal of Neuroscience. 33 (16), 7038-7049 (2013).
- Rouse, A. G., Schieber, M. H. Spatiotemporal distribution of location and object effects in reach-to-grasp kinematics. Journal of Neuroscience. 114 (6), 3268-3282 (2015).
- Rouse, A. G., Schieber, M. H. Spatiotemporal Distribution of Location and Object effects in Primary Motor Cortex Neurons during Reach-to-Grasp. Journal of Neuroscience. 36 (41), 10640-10653 (2016).
- Hao, Y., et al. Neural synergies for controlling reach and grasp movement in macaques. Neuroscience. 357, 372-383 (2017).
- Takahashi, K., et al. Encoding of Both Reaching and Grasping Kinematics in Dorsal and Ventral Premotor Cortices. Journal of Neuroscience. 37 (7), 1733-1746 (2017).
- Chen, J., et al. An automated behavioral apparatus to combine parameterized reaching and grasping movements in 3D space. Journal of Neuroscience Methods. 312, 139-147 (2019).
- Zhang, Q., et al. Development of an invasive brain-machine interface with a monkey model. Chinese Science Bulletin. 57 (16), 2036 (2012).
- Hao, Y., et al. Distinct neural patterns enable grasp types decoding in monkey dorsal premotor cortex. Journal of Neural Engineering. 11 (6), 066011 (2014).
