在乐高机器人上设计与实现神经系统模拟

该方法的总体目标是在机器人平台上快速构建和测试神经系统模拟。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上手。

该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 为例来演示这种方法。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动的反应。

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，但我们在此使用的市售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，应参考先前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，也可以设计并实施新型的神经行为学实验。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 开发的离散时间地图模型，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，将神经元和突触的虚拟仪器（VI）置入一个 while 循环中，以实现网络的迭代更新。

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几何结构。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 vs。

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件框，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呈现不同的感觉输入。确认网络在已知条件下的功能表现与预期定性一致。

通过更改神经元和突触参数来调整网络。首次调节网络时，应通过改变各类突触的强度来进行。其他参数也可能需要相应调整。

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，使其与机器人的感知能力相匹配。在此，我们通过使用铝箔遮盖龙虾的眼睛以限制其视觉，并用清水处理以削弱其化学感受器的功能。同时改造环境，以允许乐高机器人正常运行。

使用机器人重复行为测试和录像流程。使用 MATLAB 自动追踪动物和机器人。我们采用在线可获取的小鼠实验室追踪 MATLAB 脚本。

创建并对比动物与机器人运动的图表。修改神经网络并重复行为追踪实验，以观察电子神经系统不同部分对机器人行为的影响。例如，可调整神经网络中特定节点的突触强度。

或者，可以改变测试环境中的感觉条件，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相似的行为输出。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。

这种方法适用于快速检验神经系统假说，且可被生物学家及其他研究人员（即使没有机器人学经验）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，可作为后续利用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。