Entwerfen und Implementieren von Nervous System Simulationen auf LEGO Roboter

Das übergeordnete Ziel dieser Methode ist es, schnell Prototypen zu erstellen und Simulationen des Nervensystems auf einer Roboterplattform zu testen. Dies wird erreicht, indem neuronale Netzwerksimulationen auf der Lego Mindstorms NXT-Plattform durchgeführt und Vergleichstests nebeneinander mit dem Tiermodell durchgeführt werden. Zunächst wird ein Roboter konstruiert, der als Plattform für die Simulation des Nervensystems verwendet werden soll.

Ein hypothetisches neuronales Netzwerk, das auf neuroethologischen Studien basiert, wird dann entwickelt und auf die Roboterplattform programmiert. Es werden ethologische Studien durchgeführt, um die Leistung der hypothetischen neuronalen Netzwerke mit der des tierischen Nervensystems zu vergleichen. Mängel im Modell können identifiziert werden und in seine weitere Entwicklung einfließen; neurowissenschaftliche Hypothesen auf Systemebene können durch direkte Manipulation von Simulationsparametern getestet werden.

Hallo, ich bin Dan Bluestein vom Marine Science Center an der Northeastern University. Hier zeigen wir einen Ansatz zur schnellen Implementierung von Simulationen des Nervensystems auf einer Roboterplattform. Durch die Entwicklung dieses Verfahrens für den Einsatz in einem kommerziell erhältlichen Robotik-Baukasten haben wir diesen biorobotischen Ansatz in den Neurowissenschaften erschwinglich, effizient und für Forscher ohne Erfahrung in der Robotertechnik zugänglich gemacht.

Dieser Ansatz eignet sich auch gut für den Unterricht in der Oberstufe und an Hochschulen, um als Grundlage für einen praxisorientierten, forschungsbasierten Lehrplan für Biorobotik zu dienen. Der erste Schritt beim Bau der Roboterplattform besteht darin, einen Modellorganismus auszuwählen, der in der neuroethologischen Literatur gut vertreten ist. Wirbellose Tiere sind im Allgemeinen gute Kandidaten, da ihr relativ einfaches Nervensystem gut untersucht wurde und hauptsächlich aus angeborenen Reflexen besteht.

Wir werden diesen Ansatz anhand des amerikanischen Hummers Hamas Americana demonstrieren. Der nächste Schritt besteht darin, gut untersuchte reflexive Verhaltensweisen für Modellierungszwecke auszuwählen. Mit dem Hummer können wir Reaktionen auf Inten, Biegung, Scherenstoß und optischen Fluss untersuchen.

Einfache Reflexe, die sich auf das Deck von neuronalen Verbindungen von bilateral verlassen. Symmetrische Sensoren eignen sich gut für diese Art von Untersuchungen. Baue mit dem Lego Mindstorms NXT 2.0 Bausatz einen Roboter, der sich der Körperstruktur des Tiermodells annähert.

Es können auch andere Roboterplattformen verwendet werden, aber der kommerziell erhältliche Bausatz, den wir hier verwenden, ermöglicht eine schnelle Implementierung. Der nächste Schritt besteht darin, den Roboter mit Sensoren auszustatten, die zu den für die Studiensensoren ausgewählten Systemen passen. Im Lego Mindstorms-Bausatz enthalten, können Sensoren verwendet oder selbst gebraut werden, wie in einer Vielzahl von veröffentlichten Materialien beschrieben.

Wir verwenden den Lego-Touch-Sensor, einen kundenspezifischen Antennen-Flex-Point-Biegesensor und einen optischen Durchflusssensor, der von Centi Incorporated entwickelt wurde, um einen kundenspezifischen resistiven Steckverbinder wie den Antennensensor zu bauen, ein NXT-Anschlusskabel zu spleißen und die schwarzen und weißen Drähte an die Leitungen des Sensors zu löten. Um mit der Programmierung der Simulation des Nervensystems zu beginnen, verwenden Sie zuvor veröffentlichte neuroethologische Studien, um ein neuronales Netzwerk für Modellierungszwecke zu entwickeln. In der Literatur wurden neuronale Netze vorgeschlagen, um das Verhalten verschiedener Modellorganismen von Hummern bis Lampre zu erklären, funktionale neuronale Einheiten zu identifizieren und ihre synaptischen Verbindungen zu identifizieren.

Theoretisierte neuartige neuroethologische Experimente können ebenfalls entwickelt und durchgeführt werden, wenn die Laborbedingungen dies zulassen. Verwenden Sie die LabVIEW-Software, um das Netzwerk für die Lego Mindstorms-Plattform zu programmieren. Es werden virtuelle Instrumente oder BIS für ein Neuronen- und Synapsenmodell verwendet, die online zu finden sind.

Wir empfehlen das von Roloff entwickelte diskrete Zeitkarten-basierte Modell, da es einen recheneffizienten Echtzeitbetrieb ermöglicht und gleichzeitig eine Vielzahl von neuronalen Zündausgangsregimen beibehält. Alpha und Sigma bestimmen die Dynamik des simulierten Neurons, um unterschiedliche Ergebnisse zu erzeugen, einschließlich Tonika, Spiking, chaotischem Feuern, Bursting und intrinsischer Stille. Die Lab-Ansicht bietet eine grafische Programmierumgebung, die intuitiv ist und eine schnelle Bereitstellung ermöglicht: Platzieren Sie Neuronen- und Synapsen-VIs in einer while-Schleife, damit das Netzwerk iterativ aktualisiert wird.

Verbinden Sie als Nächstes präsynaptische Neuronen-Spike-Ausgänge über Synapsen mit postsynaptischen Neuronen. Übergeben Sie dann iterative Aktualisierungsparameter über Schieberegister an den nächsten Berechnungszyklus. Das DTM-Modell aktualisiert schnelle und langsame dynamische Variablen, die an die nächste Iteration der Berechnungen übergeben werden.

Synapse-Parameter müssen festgelegt werden, um die Netzwerkgeometrie zu definieren. Das DTM-Modell gibt die Stärke einer Synapse an, die Relaxationsrate und die Werte für das Umkehrpotenzial können für Ihre spezifischen Netzwerkeigenschaften abgestimmt werden, aber wir empfehlen die folgenden Einstellungen. JS ist gleich 0,60, Gamma gleich 0,95 und XRP gleich 2,2 für eine exzitatorische Synapse oder minus 1,8.

Für eine inhibitorische Synapse passen Sie die Alpha- und Sigma-Kontrollparameter an, um die Ausgangsaktivität der Neuronen zu modifizieren. Es wird empfohlen, einen Alpha-Wert von 4,05 und einen Sigma-Wert von minus 3,10 zu verwenden. Verwenden Sie den Lab-View-Sensor im Vergleich

zum Eingeben von Sensorinformationen in Ihr Netzwerk. Für bereitgestellte Sensoren sind die vi's bereits im Mindstorms Lab View-Modul verfügbar. Verwenden Sie für benutzerdefinierte widerstandsfähige Sensoren den Lichtsensor VI als Programmier-Framework.

Fügen Sie grafische Diagramme auf der Vorderseite des Lab-View-Programms ein, um die neuronale Aktivität zu visualisieren. Ersetzen Sie vorübergehend die Sensoreingänge durch Steuerkästen auf der Vorderseite, um die Sensorinformationen, die an das neuronale Netzwerk gesendet werden, manuell zu bearbeiten, das neuronale Netzwerk auszuführen und die Bedienelemente auf der Vorderseite manuell anzupassen, um unterschiedliche sensorische Eingaben anzuzeigen. Vergewissern Sie sich, dass das Netzwerk qualitativ wie vorhergesagt für bekannte Bedingungen funktioniert.

Passen Sie das Netzwerk nach Bedarf an, indem Sie die Neuronen- und Synapsenparameter ändern. Erste Versuche, das Netzwerk zu optimieren, sollten durch Ändern der Stärke der verschiedenen Synapsen erfolgen. Möglicherweise müssen auch andere Parameter angepasst werden.

Sobald das Netzwerk mit qualitativer Genauigkeit funktioniert, ersetzen Sie die Schaltkästen auf der Vorderseite durch die VIs der Sensoreingänge. Programmieren Sie das Netzwerk über eine USB-Verbindung auf die NXT-Plattform. Um die Simulation des Nervensystems zu testen, richten Sie eine kontrollierte Umgebung ein, in der Sie das Tier und den Roboter unter ähnlichen Bedingungen beobachten können. Montieren Sie eine Videokamera über dem Kopf, um Verhalten aufzuzeichnen.

Stellen Sie sicher, dass der Kontrast zwischen dem Motiv und dem Hintergrund hoch ist. Um eine automatische Nachverfolgung zu ermöglichen. Platzieren Sie das Tier in der kontrollierten Umgebung und zeichnen Sie das Verhalten auf Video auf.

Achten Sie darauf, die sensorischen Fähigkeiten des Hummers so zu begrenzen, dass sie denen des Roboters entsprechen. Hier schränken wir das Sehvermögen und die Chemoerkennung des Hummers ein, indem wir die Augen mit einer Aluminiumfolienmaske abdecken und die Chemorezeptoren mit frischem Wasser eindellen. Ändern Sie die Umgebung, um den Betrieb des Lego-Roboters zu ermöglichen.

Wiederholen Sie den Verhaltenstest und die Videoaufzeichnung mit dem Roboter. Verwenden Sie MATLAB, um das Tier und den Roboter automatisch zu verfolgen. Wir verwenden das Maus-Lab-Tracker-Skript MATLAB, das online verfügbar ist.

Erstellen und vergleichen Sie Diagramme der Tier- und Roboterbewegungen. Modifizieren Sie das neuronale Netzwerk und wiederholen Sie das Verhaltensverfolgungsexperiment, um zu beobachten, wie verschiedene Aspekte des elektronischen Nervensystems das Verhalten des Roboters beeinflussen. So können beispielsweise synaptische Stärken an bestimmten Knoten des neuronalen Netzes angepasst werden.

Alternativ können die sensorischen Bedingungen in der Testarena modifiziert und die Effekte bei Roboter und Tier beobachtet werden. Durch den Vergleich der Verhaltensleistung eines Roboters und eines Tieres können wir die Funktionsprinzipien des Nervensystems untersuchen. Die synaptische Stärke von den sensorischen Neuronen des Klauenbauchs in das Nervensystem wurde an einem Roboter variiert und das resultierende Verhalten wurde verfolgt.

Rote Linien stellen die Bewegungsroboter mit schwachen erregenden Synapsen dar. Blaue Linien zeigen erregende Synapsen mittlerer Stärke, und grüne Linien zeigen Roboterbewegungen mit starken erregenden Synapsen. Hummerpfade werden durch schwarze Linien dargestellt, das hypothetische Nervensystem mit den erregenden Verbindungen auf mittlerer Ebene von der Scherenbeule.

Sensorische Neuronen produzieren eine ähnliche Verhaltensleistung wie das Tier. Aus den Daten können quantitative Parameter zum Vergleich extrahiert werden, wie z.B. die Weglänge und die durchschnittliche Gehgeschwindigkeit. Wie in dieser Tabelle gezeigt, haben wir gerade gezeigt, wie man eine erschwingliche und zugängliche Roboterplattform verwendet, um Simulationen des Nervensystems durchzuführen und zu testen.

Dieser Ansatz ist nützlich für die schnelle Überprüfung von Hypothesen des Nervensystems und kann von Biologen und anderen Forschern ohne Robotik-Erfahrung schnell übernommen werden. Es gibt einige inhärente Einschränkungen bei der Verwendung dieser Plattform, wie z. B. die Verarbeitungsfähigkeiten des NXT-Chips und die Auswahl an Sensoren, die für die robotergestützte Implementierung verfügbar sind. Nichtsdestotrotz ist dieser Ansatz ein leistungsfähiges Werkzeug für die frühe Implementierung von Simulationen des verkörperten Nervensystems und kann als Ausgangspunkt für tiefergehende biorobotische Untersuchungen mit benutzerdefinierten Plattformen dienen, wenn sie von Schülern und Studenten verwendet werden.

Dieser Ansatz bietet eine spannende, forschungsbasierte Methode, um den Wissenschaftlern der Zukunft Neurowissenschaften, Robotik und den Wert der interdisziplinären Wissenschaft zu vermitteln. Danke fürs Zuschauen.