Name: LEGO机器人神经系统仿真设计和实现 (视频) | JoVE Journal
Uploaded: 2013-05-25T14:00:00.000+00:00
Duration: 10 min 34 s
Description: 学习使用LEGO Mindstorms NXT平台进行神经网络建模与神经系统仿真，通过仿生机器人与动物模型的行为对比测试，验证神经科学假设并优化模型参数，为神经科学研究与教学提供高效工具。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

感谢塔夫茨大学的 Chris Rogers 博士在程序编写和稿件撰写方面提出的建议。感谢 Alex Giuliano 和 Deborah Lee 在视频制作方面提供的支持。
由美国国家科学基金会研究生研究奖学金和海军研究办公室合成生物学多学科大学研究计划资助。

1. 构建机器人模型
<ol>
 <li>选择一种在神经行为学文献中有充分代表性的模式生物进行研究。无脊椎动物通常是理想的选择，因为它们的神经系统相对简单，且已被广泛研究，主要由先天性反射构成。我们将以美洲龙虾 Homarus americanus 为例来演示这一方法。</li>
 <li>为建模目的选择已被深入研究的反射性行为。我们选择了龙虾对触角弯曲的反应以及对螯足碰撞的检测：动物会通过触角弯曲引发趋流性（对水流方向的定向），而螯足接触则介导避障行为。依赖于双侧对称感觉器官交叉神经连接的简单反射非常适合此类研究1。</li>
 <li>构建或选择具有适当传感器的机器人平台，以运行神经网络模拟。虽然可以专门构建机器人（例如 RoboLobster12 或 Sprawl 蟑螂机器人系列13），但本文采用市售套件以加快实验进程。LEGO Mindstorms NXT 2.0 套件提供了模板、模块化组件和成熟的传感器，可实现机器人的快速实体组装。</li>
 <li>选择或构建传感器，以匹配步骤 1.2 中选定行为的感觉模态。可使用 LEGO Mindstorms 套件中预制的传感器，也可自行设计和制作传感器14,15。我们选用了套件自带的 LEGO 触碰传感器，以及一种定制的触角弯曲传感器，该传感器由 FlexPoint 弯曲传感器与 NXT 连接器拼接而成。如需制作定制的电阻式连接器，可剪断 NXT 连接线，将黑色和白色导线焊接到传感器引脚上。</li>
 <li>利用已发表的神经行为学研究，查找或构建用于建模的假设神经网络。文献中已提出多种神经网络模型，用于解释从龙虾16到七鳃鳗17等多种模式生物的行为。应确定功能性的神经单元，并推断其突触连接方式。在实验条件允许的情况下，也可设计并实施新的神经行为学实验。</li>
</ol>
2. 编程神经系统
<ol>
 <li>使用 LabVIEW 软件及适用于 LEGO MINDSTORMS NXT 的 LabVIEW 模块，创建可运行数学神经元与突触模型方程的虚拟仪器（VIs）。尽管可采用任何已发表的模型，我们推荐使用基于离散时间映射（DTM）的模型18。该模型可在保持多种神经元放电输出模式的同时，实现计算高效的实时运行。两个控制参数 alpha 和 sigma 决定了模拟神经元的动力学行为，从而产生包括持续性放电、混沌放电、簇状放电以及内在静息在内的多样化神经输出。用于此神经元模型的 LEGO Mindstorms LabVIEW VIs 可在此处在线获取：<a href="http://myfiles.neu.edu/blustein.d/neurobots" target="_blank">http://myfiles.neu.edu/blustein.d/neurobots</a></li>
 <li>将 VIs 放入 While 循环中，以使网络能够迭代更新。</li>
 <li>通过突触将突触前神经元的放电输出连接至突触后神经元。</li>
 <li>通过移位寄存器将迭代更新的参数传递至下一次计算循环。DTM 模型会快速更新动态变量 x（快变量）和 y（慢变量），并将这些变量传递至下一轮计算。</li>
 <li>设置突触参数以定义网络特性。对于每个突触，突触强度（gsyn）、弛豫速率（gamma）和反转电位（xrp）是 DTM 模型方程中的系数，用于决定突触行为。gsyn 的值为一个乘数，用于确定放电事件引起的突触电流效应的幅度，取值范围为 0.0（无效应）到 1.0（100% 效应）。gamma 的值为一个乘数，用于确定突触电流在无放电事件时的衰减速率，取值范围为 0.0（完全衰减）到 1.0（无衰减）。xrp 的值决定突触的兴奋或抑制水平，通常取值范围为 -3.0 到 3.0，正值代表兴奋，负值代表抑制。这些参数可根据特定网络特性进行调节。本文中采用以下设置：gamma = 0.95，gsyn = 0.60，xrp = 2.2（兴奋性突触）或 -1.8（抑制性突触）。</li>
 <li>调节控制参数 alpha 和 sigma 以改变神经元的基础活动状态。该模型在不同控制参数下的动力学特性已有详细描述18。通常情况下，当 alpha &lt; 4 时，低 sigma 值导致神经元处于内在静息状态，而高 sigma 值则引发持续性放电。“低”与“高”sigma 值之间的过渡通常发生在 -1.0 至 1.0 之间，具体取决于 alpha 的取值。当 alpha &gt; 4 且 sigma 值接近零时，可产生簇状放电行为。本文中采用 alpha = 4.05 和 sigma = -3.10。</li>
 <li>使用 LabVIEW VIs 将传感器信息输入到网络中。对于已提供的传感器，其对应的 VIs 已包含在 Mindstorms LabVIEW 模块中；对于自定义的电阻式传感器，可使用“光传感器 VI”作为编程框架。有关自制传感器的更多信息可参见其他文献14。</li>
 <li>在 LabVIEW 程序的前面板中插入图形图表，以可视化神经元活动。</li>
 <li>暂时用前面板上的控制框替代传感器输入，以便手动操控输入神经网络的传感器信息。</li>
 <li>运行神经网络，并手动调节前面板上的控制项以施加不同的感觉输入。确认网络在已知条件下的功能表现符合预期定性特征。</li>
 <li>根据需要通过调整神经元和突触参数来优化网络。首次调参时应优先改变各突触的突触强度（gsyn），其他参数也可能需要相应调整。</li>
 <li>当网络实现定性准确的功能后，将前面板上的控制框替换为实际的传感器输入 VIs。</li>
</ol>
3. 神经系统模拟测试
<ol>
 <li>建立一个受控环境，以便在相似条件下观察动物和机器人。我们使用一个包含岩石障碍物的矩形水箱（图1）。该水箱可排空，以便在同一空间内放置 LEGO 机器人。</li>
 <li>在上方安装摄像机以记录动物/机器人的行为。确保被观测对象与背景之间具有高对比度，以便实现自动追踪。我们将测试水箱底部涂成白色。</li>
 <li>将动物放入受控环境中，并进行视频记录其行为。务必限制龙虾的感觉能力，使其与机器人相匹配。在此，我们通过铝箔眼罩覆盖龙虾的眼睛，并用淡水去传入其化学感受器19，以限制其感觉功能。</li>
 <li>调整环境以适应 LEGO 机器人（必要时移除水），并在相同的受控环境中运行机器人。</li>
 <li>使用 MATLAB 脚本自动追踪样本上的标记点。我们使用 MouseLabTracker20。</li>
 <li>生成并比较动物与机器人运动的矢量图。</li>
 <li>修改神经系统，并重复步骤 3.3–3.6，以观察电子神经系统的不同方面如何影响机器人的行为。在此，我们调节钳爪碰撞传感器神经元与运动系统之间的突触强度，并将机器人性能与龙虾的表现进行比较。或者，也可改变测试区域内的感觉条件，并观察其对机器人和动物的影响。例如，此处描述的测试区域可施加不同的水流速度。</li>
</ol>

<ol><li>Braitenberg, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Taxis%2C+kinesis+and+decussation%5BTitle%5D)+AND+%22Prog.+in+Brain+Res%22%5BJournal%5D)">Taxis, kinesis and decussation.</a> Prog. in Brain Res. 17, 210-222 (1965).</li>
<li>Schregardus, D. S., Pieneman, A. W., Ter Maat, A., Jansen, R. F., Brouwer, F., Gahr, M. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+lightweight+telemetry+system+for+recording+neuronal+activity+in+freely+behaving+small+animals%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">A lightweight telemetry system for recording neuronal activity in freely behaving small animals.</a> Journal of Neuroscience Methods. 155 (1), 62-71 (2006).</li>
<li>Kagaya, K., Takahata, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Readiness+discharge+for+spontaneous+initiation+of+walking+in+crayfish%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Readiness discharge for spontaneous initiation of walking in crayfish.</a> Journal of Neuroscience. 30 (4), 1348-1362 (2010).</li>
<li>Schrameck, J. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Crayfish+Swimming%3A+Alternating+Motor+Output+and+Giant+Fiber+Activity%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Crayfish Swimming: Alternating Motor Output and Giant Fiber Activity.</a> Science. 169 (3946), 698-700 (1970).</li>
<li>Kanz, J. E., Eberly, L. B., Cobbs, J. S., Pinsker, H. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuronal+correlates+of+siphon+withdrawal+in+freely+behaving+Aplysia%5BTitle%5D)+AND+%22J.+Neurophysiol%22%5BJournal%5D)">Neuronal correlates of siphon withdrawal in freely behaving Aplysia.</a> J. Neurophysiol. 42 (6), 1538-1556 (1979).</li>
<li>Webb, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Validating+biorobotic+models%5BTitle%5D)+AND+%22Journal+of+Neural+Engineering%22%5BJournal%5D)">Validating biorobotic models.</a> Journal of Neural Engineering. 3, 1-20 (2006).</li>
<li>Wessnitzer, J., Asthenidis, A., Petrou, G., Webb, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+cricket-controlled+robot+orienting+towards+a+sound+source%5BTitle%5D)+AND+%22Proceedings+of+the+12th+Annual+conference+on+Towards+autonomous+robotic+systems%22%5BJournal%5D)">A cricket-controlled robot orienting towards a sound source.</a> Proceedings of the 12th Annual conference on Towards autonomous robotic systems. , 1-12 (2011).</li>
<li>Grasso, F., Atema, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Integration+of+flow+and+chemical+sensing+for+guidance+of+autonomous+marine+robots+in+turbulent+flows%5BTitle%5D)+AND+%22Environ.+Fluid+Mech%22%5BJournal%5D)">Integration of flow and chemical sensing for guidance of autonomous marine robots in turbulent flows.</a> Environ. Fluid Mech. 2 (1), 95-114 (2002).</li>
<li>Westphal, A., Rulkov, N. F., Ayers, J., Brady, D., Hunt, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Controlling+a+lamprey-based+robot+with+an+electronic+nervous+system%5BTitle%5D)+AND+%22Smart+Struct.+and+Systems%22%5BJournal%5D)">Controlling a lamprey-based robot with an electronic nervous system.</a> Smart Struct. and Systems. 8 (1), 39-52 (2011).</li>
<li>Chao, Z. C., Bakkum, D. J., Potter, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Shaping+embodied+neural+networks+for+adaptive+goal-directed+behavior%5BTitle%5D)+AND+%22PLoS+Computational+Biology%22%5BJournal%5D)">Shaping embodied neural networks for adaptive goal-directed behavior.</a> PLoS Computational Biology. 4 (3), e1000042(2008).</li>
<li>Building nervous systems for robots: an interactive and collaborative neuroscience curriculum. Blustein, D., Schultheis, K., Ayers, J. National Science Teachers Association National Conference, San Francisco, C.A, , (2011).</li>
<li>Ayers, J., Blustein, D., Westphal, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Conserved+Biomimetic+Control+Architecture+for+Walking%2C+Swimming+and+Flying+Robots%5BTitle%5D)+AND+%22Lect.+Notes+on+Artif.+Intelli%22%5BJournal%5D)">A Conserved Biomimetic Control Architecture for Walking, Swimming and Flying Robots.</a> Lect. Notes on Artif. Intelli. 7375, 1-12 (2012).</li>
<li>A Biologically Inspired Passive Antenna for Steering Control of a Running Robot. Cowan, N., Ma, E., Cutkosky, M., Full, R. Proceedings of ISRR'2003, , 541-550 (2003).</li>
<li>Gasperi, M., Hurbain, P. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGasperi%2C+M+%22Extreme+NXT%3A+Extending+the+LEGO+MINDSTORMS+NXT+to+the+Next+Level%22">Extreme NXT: Extending the LEGO MINDSTORMS NXT to the Next Level</a>. , Apress. Berkeley, C.A. (2007).</li>
<li>Gasperi, M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGasperi%2C+M+%22LabVIEW+for+LEGO+MINDSTORMS+NXT%22">LabVIEW for LEGO MINDSTORMS NXT</a>. , National Technology and Science Press. Allendale, N.J. (2008).</li>
<li>Kennedy, D., Davis, W. Chapter 27 Organization of invertebrate motor systems. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKennedy%2C+D+%22Handbook+of+Physiology%22">Handbook of Physiology</a>. 1, 1023-1088 (1977).</li>
<li>Buchanan, J., Grillner, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Newly+identified+%22glutamate+interneurons%22+and+their+role+in+locomotion+in+the+lamprey+spinal+cord%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Newly identified "glutamate interneurons" and their role in locomotion in the lamprey spinal cord.</a> Science. 236 (4799), 312-314 (1987).</li>
<li>Rulkov, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modeling+of+spiking-bursting+neural+behavior+using+two-dimensional+map%5BTitle%5D)+AND+%22Physical+Review+E%22%5BJournal%5D)">Modeling of spiking-bursting neural behavior using two-dimensional map.</a> Physical Review E. 65, (2002).</li>
<li>Derby, C. D., Atema, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Narrow-spectrum+chemoreceptor+cells+in+the+walking+legs+of+the+lobster%2C+Homarus+americanus%3A+Taste+specialists%5BTitle%5D)+AND+%22Journal+of+Comparative+Physiology+A%22%5BJournal%5D)">Narrow-spectrum chemoreceptor cells in the walking legs of the lobster, Homarus americanus: Taste specialists.</a> Journal of Comparative Physiology A. 146 (2), 181-189 (1982).</li>
<li>Tort, A. B. L., Neto, W. P., Amaral, O. B., Kazlauckas, V., Souza, D. O., Lara, D. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+simple+webcam-based+approach+for+the+measurement+of+rodent+locomotion+and+other+behavioural+parameters%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">A simple webcam-based approach for the measurement of rodent locomotion and other behavioural parameters.</a> Journal of Neuroscience Methods. 157 (1), 91-97 (2006).</li>
<li>Huxley, T. H. The Crayfish, An Introduction to the Study of Zoology. , C. Kegan Paul & Co. London. (1880).</li>
<li>Blustein, D., Ayers, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+conserved+network+for+control+of+arthropod+exteroceptive+optical+flow+reflexes+during+locomotion%5BTitle%5D)+AND+%22Lect.+Notes+on+Artif.+Intelli%22%5BJournal%5D)">A conserved network for control of arthropod exteroceptive optical flow reflexes during locomotion.</a> Lect. Notes on Artif. Intelli. 6226, 72-81 (2010).</li>
<li>Webb, B., Scutt, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+simple+latency-dependent+spiking-neuron+model+of+cricket+phonotaxis%5BTitle%5D)+AND+%22Biological+Cybernetics%22%5BJournal%5D)">A simple latency-dependent spiking-neuron model of cricket phonotaxis.</a> Biological Cybernetics. 82 (3), 247-269 (2000).</li>
<li>Demarse, T. B., Wagenaar, D. A., Blau, A. W., Potter, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Neurally+Controlled+Animat%3A+Biological+Brains+Acting+with+Simulated+Bodies%5BTitle%5D)+AND+%22Autonomous+Robots%22%5BJournal%5D)">The Neurally Controlled Animat: Biological Brains Acting with Simulated Bodies.</a> Autonomous Robots. 11 (3), 305-310 (2001).</li>
<li>Novellino, A., D'Angelo, P., Cozzi, L., Chiappalone, M., Sanguineti, V., Martinoia, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Connecting+neurons+to+a+mobile+robot%3A+an+in+vitro+bidirectional+neural+interface%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">Connecting neurons to a mobile robot: an in vitro bidirectional neural interface.</a> Computational Intelligence and Neuroscience. , 12725(2007).</li>
</ol>

作者声明不存在任何竞争性经济利益。

在启动生物机器人神经系统模拟实验时，需遵循一些重要准则。选择合适的模式生物至关重要：应挑选易于获取和饲养的生物。无脊椎动物是理想选择，因为通常无需机构审批即可进行实验，且其饲养需求通常比脊椎动物更低。从科学角度来看，选择具有已建立的神经行为学文献记录的动物将有利于提出可供验证的假设21。
选择合适的研究生物体同样重要的是选择适当的行为反射进行研究。LEGO NXT 平台在不进行自定义修改的情况下仅能连接四个传感器，因此选择具有较少传感器的相对简单的感官系统至关重要。简单的行为反射通常已有充分描述，并能为可检验的假设提供更大的灵活性。NXT 的计算能力也是一个限制因素，因此应尽量缩小神经系统模拟的范围。科学家们经常发表解释特定行为的神经网络模型，选择其中一种模型最为简便。简单的趋性与动性行为非常适合这种生物机器人研究方法22。
尽管这种方法对于快速检验神经系统假说具有实用价值，但仍需注意若干局限性。其可测试的范围有限，复杂的感官系统无法在此平台上使用。例如，复杂的视觉信息处理超出了NX...

过去100年中的神经生理学研究极大地拓展了我们对神经系统结构与功能的认识。然而，迄今为止大多数神经系统研究依赖于离体标本或固定状态的实验对象。尽管已有许多成功记录自由活动动物神经活动的研究2-5，但生物机器人方法为操控神经系统以检验系统神经科学假说提供了一种有价值的工具6。在机器人上运行的模拟神经系统可进行实验性操控，从而将软件建模扩展到物理世界。该方法在学术界已有良好应用7,8，但构建用于假设检验的仿生机器人过程可能成本高昂且耗时。本文介绍一种利用市售机器人套件（LEGO Mindstorms NXT 2.0）实现生物机器人方法的技术。该方法旨在为在机器人9或生物混合10具身神经网络模拟中快速高效地检验系统神经科学假说提供途径。加快从假说到实验的转化过程有助于提升科研效率。我们以美洲龙虾（Homarus americanus）为模式生物，展示了LEGO Mindstorms这一简易平台在仿生传感器与神经网络测试中的应用。此外，该方法还为课堂教学提供了强大的实践性教学工具，学生可为其自主设计的机器人构建并操控神经系统11。

在乐高机器人上设计与实现神经系统模拟

Designing and Implementing Nervous System Simulations on LEGO Robots

我们提出一种利用市售的 LEGO Mindstorms NXT 机器人平台来检验系统神经科学假说的方法。该方法的第一步是构建适当模式生物特定反射行为的神经系统模拟；本文以美洲龙虾为例。由交叉（decussating）神经连接介导的外感受反射可以解释动物趋向或远离刺激的行为，正如 Braitenberg 所描述的那样，这类反射特别适合利用 NXT 平台进行研究。1 神经系统模拟通过 LabVIEW 软件在 LEGO Mindstorms 平台上编程实现。一旦神经系统模型被正确调校，即可在机器人和动物上于完全相同的环境条件下开展行为实验。通过控制实验对象所经历的感觉环境，可以观察其行为输出的差异。这些差异可能揭示神经系统模型中的特定缺陷，并为针对所研究行为的模型迭代提供依据。该方法允许对电子神经系统进行实验性操控，为探索有关简单先天反射行为神经生理基础的神经科学假说提供途径。LEGO Mindstorms NXT 套件提供了一个经济高效的研究平台，可用于测试初步的仿生机器人控制方案。该方法同样适用于高中课堂，可作为实践性探究式生物机器人课程的基础。

龙虾的螯肢向其神经系统提供的输入介导了其在新环境中对障碍物的规避行为。图1展示了用于分析LEGO机器人（图1A）和龙虾（图1B）在测试 arena 中行为的视频截图。动物实验与机器人实验之间，测试 arena 本身未作任何改动，仅在机器人试验时将水箱中的水排空。
视频追踪结果如图2所示。使用MATLAB中的MouseLabTracker20自动追踪动物和机器人的运动轨迹。图中展示了龙虾（黑色线条）和LEGO机器人实验（彩色线条）的代表性路径。在机器人实验中，从螯足触碰感觉神经元传入神经系统的突触强度被调整，并以不同颜色的路径表示（红色表示低兴奋性；蓝色表示中等兴奋性；绿色表示高兴奋性）。当模拟神经系统中螯足触碰感觉神经元的兴奋性连接处于中等水平时，机器人表现出与动物相似的行为。可从数据中提取定量参数，例如路径长度和平均行走速度（表I）。
<p class="jove_content" ...

介绍了一种在LEGO Mindstorms机器人平台上进行神经网络建模的方法。该方法为无脊椎动物神经科学研究提供了在实验室和课堂环境中均可使用的模拟工具。该技术能够用于探究仿生机器人控制原理。

我们提出一种利用市售的 LEGO Mindstorms NXT 机器人平台来检验系统神经科学假说的方法。第一步……

该方法的总体目标是在机器人平台上快速构建并测试神经系统模拟。通过在乐高 Mindstorms NXT 平台上运行神经网络模拟，并与动物模型进行并行对比测试来实现这一目标。首先，构建一个机器人作为神经系统模拟的平台。随后，基于神经行为学研究构建一个假设的神经网络，并将其编程到机器人平台上。通过行为学研究，将该假设神经网络的性能与动物神经系统的性能进行比较。模型中的不足之处可以被识别出来，并用于指导其进一步的开发；通过直接调控仿真参数，可在系统层面验证神经科学的假设。大家好，我是来自东北大学海洋科学中心的Dan Bluestein。在这里，我们将演示一种在机器人平台上快速实现神经系统模拟的方法。通过为市售的机器人套件开发这一实验流程，我们使这种生物机器人神经科学研究方法变得经济、高效，并且让没有机器人工程经验的研究人员也能轻松开展相关研究。这种方法也非常适用于高中和大学课堂，可作为实践性探究式生物机器人课程的基础。构建机器人平台的第一步是选择一种在神经行为学文献中有充分研究的模式生物。无脊椎动物通常是理想的选择，因为它们的神经系统相对简单，已被广泛研究，且主要由先天反射构成。我们将以美洲龙虾 Homarus americanus 为例来演示这一方法。下一步是为建模目的选择已被深入研究的反射行为。利用龙虾，我们可以研究其对触碰、弯曲、螯足碰撞以及视觉流的反应。依赖于双侧对称感觉器官与神经连接的简单反射非常适合此类研究。使用乐高Mindstorms NXT 2.0套件构建一个近似动物模型身体结构的机器人。其他机器人平台也可使用，但我们在此使用的商用套件可实现快速部署。下一步是为机器人配备与所选研究系统相匹配的传感器。乐高Mindstorms套件中包含的传感器可以直接使用，也可根据已发表的多种文献中所述方法自行设计和构建传感器。我们使用乐高触碰传感器、定制的天线柔性弯曲传感器，以及由Centi公司开发的光学流传感器，来构建一种自定义的电阻式连接器，例如将天线传感器与NXT连接线拼接，并将黑色和白色导线焊接到传感器的引线上。开始编程神经系统模拟时，应参考已发表的神经行为学研究，以构建用于建模的神经网络。文献中已提出多种神经网络，用于解释从龙虾到七鳃鳗等多种模式生物的行为，应识别出其中的功能性神经单元及其突触连接。如果实验室条件允许，还可以设计并实施理论上的新型神经行为学实验。使用 LabVIEW 软件为 Lego Mindstorms 平台编程。神经元和突触模型所用的虚拟仪器或 BIS 可在线获取。我们推荐采用 Roloff 开发的离散时间图模型，因为它能够在保持多种神经元放电输出模式的同时，实现计算高效的实时运行，且仅需两个控制参数。Alpha 和 Sigma 决定了模拟神经元的动态行为，从而产生包括紧张性放电、峰电位、混沌放电、簇状放电以及内在静息在内的多样化输出。LabVIEW 提供了一个直观的图形化编程环境，可快速部署。首先，将神经元和突触的 VI 放入一个 while 循环中，以确保网络能够进行迭代更新。接下来，通过突触将突触前神经元的脉冲输出连接到突触后神经元。然后将迭代更新的参数通过移位寄存器传递至下一次计算循环。DTM 模型会更新快速和慢速的动力学变量，并将其传递至下一轮计算迭代中。必须设置突触参数以定义网络结构。DTM 模型指定了突触强度，松弛速率和反转电位值可根据您特定的网络特性进行调整，但我们推荐以下设置：对于兴奋性突触，JS 等于 0.60，gamma 等于 0.95，XRP 等于 2.2 或负 1.8。对于抑制性突触，调整 alpha 和 sigma 控制参数以调节神经元的基础活动。我们建议使用等于 4.05 的 alpha 值和等于 -3.10 的 sigma 值。使用 LabVIEW 传感器与。将传感器信息输入到您的网络中。对于提供的传感器，其 VI 已经在 Mindstorms 实验室视图模块中可用。对于自定义的电阻式传感器，请使用光传感器 VI 作为编程框架。在LabVIEW程序的前面板上插入图形图表，以可视化神经元活动。暂时将传感器输入替换为前面板控制框，以便手动调节输入到神经网络的传感器信息，运行神经网络，并手动调整前面板控件以提供不同的感觉输入。确认网络在已知条件下定性地表现出预期功能。通过更改神经元和突触参数来根据需要调整网络。首次调节网络时，应通过改变各种突触的强度来进行。其他参数也可能需要进行相应调整。当网络实现定性准确的功能后，将前面板的控制框替换为传感器输入 VI，并通过 USB 连接将网络程序下载到 NXT 平台。为测试神经系统模拟，需建立一个受控环境，以便在相似条件下观察动物和机器人的行为。在上方安装摄像机以记录行为表现。确保受试对象与背景之间的对比度较高，以实现自动追踪。将动物置于受控环境中，并录制其行为视频。务必限制龙虾的感知能力，使其与机器人相匹配。在此，我们通过使用铝箔遮盖龙虾的眼睛以限制其视觉，并用清水处理化学感受器以抑制其化学感知能力。同时改造环境，以适应乐高机器人的运行。使用机器人重复行为测试和录像流程。利用 MATLAB 自动追踪动物和机器人。我们使用的是可在线获取的小鼠实验室追踪 MATLAB 脚本。创建并比较动物与机器人运动的图表。修改神经网络后，重复行为追踪实验，以观察电子神经系统不同方面对机器人行为的影响。例如，可调节神经网络中特定节点的突触强度。或者，可以改变测试区域中的感觉条件，并观察机器人和动物的行为变化。通过比较机器人与动物的行为表现，我们可以研究神经系统功能的基本原理。在机器人中，调节了来自爪子末端感觉神经元进入神经系统的突触强度，并追踪了由此产生的行为变化。红线代表具有弱兴奋性突触的机器人的运动轨迹。蓝线显示中等强度兴奋性突触的运动情况，绿线显示具有强兴奋性突触的机器人的运动轨迹。龙虾的运动路径用黑线表示，假想的神经系统具有来自螯足碰撞的中等水平兴奋性连接。感觉神经元对动物产生类似的行为输出。可以从数据中提取用于比较的定量参数，例如路径长度和平均行走速度。如本表所示，我们刚刚展示了如何使用一种经济且易于获取的机器人平台来运行和测试神经系统模拟。这种方法适用于神经系统假说的快速测试，且可被生物学家及其他研究人员（即使没有机器人技术经验）迅速采用。该平台在使用上存在一些固有局限性，例如 NXT 芯片的处理能力以及可用于机器人实现的传感器种类范围。尽管如此，该方法仍是实现具身神经系统模拟的有力工具，当中学生和大学生使用该平台时，可作为未来基于定制化平台开展更深入生物机器人研究的起点。这种方法为向未来的科学家讲授神经科学、机器人学以及跨学科科学的重要性提供了一种令人兴奋的、以探究为基础的教学方式。感谢观看。

designing-and-implementing-nervous-system-simulations-on-lego-robots

Research

科研

JoVE Journal

Neuroscience

神经科学

LEGO机器人神经系统仿真设计和实现

DNA折纸是一种通过编程DNA分子的自组装来制造精确纳米级结构的强有力方法。本文描述了如何利用DNA折纸技术设计一种能够感知生物信号并响应性地发生形状变化，进而实现特定效应的纳米机器人。...

从DNA折纸设计一种生物响应机器人

本文提出了一种用于开展闭环实验的实验框架，其中信息处理（即在与机器人身体持续交互的过程中，研究神经元集合的编码与解码及其学习机制。...

闭环神经机器人实验以测试神经元网络的计算特性

本方法的总体目标是通过整合多种软件程序，建立一种基于稳态视觉诱发电位（SSVEP）的实验流程，以实现对人形机器人脑-机交互的研究，该技术在辅助病患和老年人以及执行不卫生或危险任务方面具有广阔的应用前景。...

基于稳态视觉诱发电位的人形机器人脑-机交互实验流程

本文介绍了一种用于训练和分析大鼠自动化熟练抓取任务的范式。对抓取尝试的分析揭示了运动学习的不同子过程。...

利用机器人操纵装置研究运动技能学习过程

我们提出了一种智能机器人模块化设计与制造的方案，旨在帮助科研与技术人员根据个人需求及个性化设计，开发适用于特定生产任务的智能机器人。...

基于闭环控制策略的智能机器人模块化设计与制作

分布式机器人节点提供一系列蓝光刺激，以引导攀援植物的生长轨迹。通过激活植物的天然向光性，机器人引导植物做出左右二元选择，使其生长成预设的图案；而当机器人处于休眠状态时，则无法实现此类生长模式。...

用于引导植物生长的机器人感知与刺激供给

本方案提供了制造、控制和评估仿壁虎软体机器人攀爬性能所需执行步骤的详细列表。...

仿壁虎软体机器人的制造、控制与性能评估

本研究介绍了一种在线实验系统，该系统提供可视化实验，包括对理论、概念和公式的可视化，通过三维（3-D）虚拟试验装置对实验过程进行可视化，并利用图表和摄像头等控件对控制系统和监控系统进行可视化。...

面向工程教育与科研的交互式可视化在线实验系统

据估计，全球约有六分之一的人在一生中会发生中风，导致长期残疾，而其康复机制目前仍不甚清楚。本研究提出了一种方案，用于在下肢机器人治疗过程中，通过功能性近红外光谱技术（fNIRS）评估大脑激活情况。...

使用功能性近红外光谱技术与机器人辅助下肢多关节指物运动的实验

本文介绍了一种通过协作机器人与基于计算机视觉系统的质量控制验证相协同，实现对缩放式半自动化装配过程进行模拟与监控的实验方案。...

机械臂协作与视觉系统监控下缩尺装配过程的模拟及质量控制

学习使用LEGO Mindstorms NXT平台进行神经网络建模与神经系统仿真，通过仿生机器人与动物模型的行为对比测试，验证神经科学假设并优化模型参数，为神经科学研究与教学提供高效工具。

在乐高机器人上设计与实现神经系统模拟

探索更多视频