Conception et implémentation de simulations du système nerveux sur LEGO Robots

L’objectif global de cette méthode est de prototyper et de tester rapidement des simulations du système nerveux sur une plate-forme robotique. Ceci est réalisé en exécutant des simulations de réseaux neuronaux sur la plate-forme Lego Mindstorms NXT, et en effectuant des tests de comparaison côte à côte avec le modèle animal. Tout d’abord, un robot est construit pour être utilisé comme plate-forme pour la simulation du système nerveux.

Un réseau neuronal hypothétique basé sur l’étude neuro-éthologique est ensuite développé et programmé sur la plate-forme robotique. Des études éthologiques sont menées pour comparer les performances hypothétiques des réseaux neuronaux à celles du système nerveux animal. Les lacunes du modèle peuvent être identifiées et éclairer son développement ultérieur Les hypothèses en neurosciences peuvent être testées par manipulation directe des paramètres de simulation.

Bonjour, je suis Dan Bluestein du Centre des sciences marines de l’Université Northeastern. Ici, nous allons démontrer une approche pour mettre en œuvre rapidement des simulations de système nerveux sur une plate-forme robotique. En développant cette procédure pour l’utiliser sur un kit robotique disponible dans le commerce, nous avons rendu cette approche biorobotique des neurosciences abordable, efficace et accessible aux chercheurs sans expérience en génie robotique.

Cette approche est également bien adaptée aux classes de lycée et d’université pour servir de base à un programme d’études pratiques en biorobotique basé sur l’enquête. La première étape de la construction de la plate-forme robotique consiste à choisir un organisme modèle à étudier qui est bien représenté dans la littérature neuro-éthologique. Les invertébrés sont généralement de bons candidats parce que leur système nerveux relativement simple a été bien étudié et est principalement composé de réflexes innés.

Nous démontrerons cette approche à l’aide de l’American Lobster Hamas Americana. L’étape suivante consiste à sélectionner des comportements réflexifs bien étudiés à des fins de modélisation. Avec le homard, nous pouvons étudier les réponses à l’inten, à la courbure, au choc des pinces et au flux optique.

Réflexes simples reposant sur les connexions neuronales bilatérales. Les capteurs symétriques sont bien adaptés à ce type d’étude. À l’aide du kit Lego Mindstorms NXT 2.0, construisez un robot qui se rapproche de la structure corporelle du modèle animal.

D’autres plates-formes robotiques peuvent être utilisées, mais le kit disponible dans le commerce que nous utilisons ici permet une mise en œuvre rapide. L’étape suivante consiste à équiper le robot de capteurs qui correspondent aux systèmes choisis pour les capteurs d’étude. Inclus dans le kit Lego Mindstorms peut être utilisé ou des capteurs de brassage maison peuvent être conçus comme indiqué dans une variété de documents publiés.

Nous utilisons le capteur tactile Lego, un capteur de courbure du point flexible d’antenne personnalisé et un capteur de flux optique développé par Centi Incorporated pour construire un connecteur résistif personnalisé tel que le capteur d’antenne, épisser un fil de connecteur NXT et souder les fils noir et blanc aux fils du capteur. Pour commencer à programmer la simulation du système nerveux, utilisez des études neuroéthologiques précédemment publiées pour développer un réseau neuronal à des fins de modélisation. La littérature a proposé des réseaux de neurones pour expliquer le comportement de divers organismes modèles allant des homards aux lampres, des unités neuronales fonctionnelles devraient être identifiées et leurs connexions synaptiques.

De nouvelles expériences neuroéthologiques théoriques peuvent également être développées et mises en œuvre si les circonstances du laboratoire le permettent. Utilisez le logiciel LabVIEW pour programmer le réseau pour la plate-forme Lego Mindstorms. Des instruments virtuels ou BIS pour un modèle de neurones et de synapses sont utilisés et peuvent être trouvés en ligne.

Nous recommandons le modèle discret basé sur une carte temporelle développé par Roloff car il permet un fonctionnement en temps réel efficace sur le plan informatique tout en maintenant une variété de régimes de sortie de décharge neuronale et deux paramètres de contrôle. Alpha et Sigma déterminent la dynamique du neurone simulé pour produire des sorties variées, y compris des sorties toniques, des pointes, des décharges chaotiques, des rafales et des silences intrinsèques. La vue Lab fournit un environnement de programmation graphique intuitif qui permet un déploiement rapide des neurones et des synapses vi en premier lieu dans une boucle while afin que le réseau se mette à jour de manière itérative.

Ensuite, connectez les sorties de pointes de neurones pré-synaptiques à travers les synapses aux neurones post-synaptiques. Transmettez ensuite les paramètres de mise à jour itérative via les registres à décalage au cycle de calcul suivant. Le modèle DTM met à jour les variables dynamiques rapides et lentes qui sont transmises à l’itération suivante des calculs.

Les paramètres Synapse doivent être définis pour définir la géométrie du réseau. Le modèle DTM spécifie que l’intensité d’une synapse, le taux de relaxation et les valeurs de potentiel d’inversion peuvent être ajustés en fonction des caractéristiques spécifiques de votre réseau, mais nous vous recommandons d’utiliser les paramètres suivants. JS est égal à 0,60, gamma est égal à 0,95 et XRP est égal à 2,2 pour une synapse excitatrice ou moins 1,8.

Pour une synapse inhibitrice, ajustez les paramètres de contrôle alpha et sigma pour modifier l’activité neuronale de base. Nous vous recommandons d’utiliser une valeur alpha égale à 4,05 et une valeur sigma égale à moins 3,10. Utilisez le capteur de vue de laboratoire ou

pour saisir des informations de capteur dans votre réseau. Pour les capteurs fournis, les vi sont déjà disponibles dans le module de vue de laboratoire de Mindstorms. Pour les capteurs résistants personnalisés, utilisez le capteur de lumière VI comme cadre de programmation.

Insérez des diagrammes graphiques sur le panneau avant du programme de vue de laboratoire pour visualiser l’activité neuronale. Remplacez temporairement les entrées des capteurs par des boîtiers de commande du panneau avant afin de manipuler manuellement les informations du capteur transmises au réseau neuronal, d’exécuter le réseau neuronal et d’ajuster manuellement les commandes du panneau avant pour présenter des entrées sensorielles variées. Confirmez que le réseau fonctionne qualitativement comme prévu pour des conditions connues.

Ajustez le réseau selon vos besoins en modifiant les paramètres des neurones et des synapses. Les premières tentatives de réglage du réseau doivent être faites en modifiant la force des différentes synapses. D’autres paramètres peuvent également devoir être ajustés.

Une fois que le réseau fonctionne avec une précision qualitative, remplacez les boîtiers de commande du panneau avant par l’entrée du capteur VI pour programmer le réseau sur la plate-forme NXT via une connexion USB. Pour tester la simulation du système nerveux, mettez en place un environnement contrôlé dans lequel observer l’animal et le robot dans des conditions similaires. Montez une caméra vidéo au-dessus de votre tête pour enregistrer les comportements.

Assurez-vous que le contraste entre le sujet et l’arrière-plan est élevé. Pour permettre un suivi automatique. Placez l’animal dans l’environnement contrôlé et enregistrez le comportement sur vidéo.

Assurez-vous de limiter les capacités sensorielles du homard pour qu’elles correspondent à celles du robot. Ici, nous limitons la vision du homard et la détection de la chimiothérapie en couvrant les yeux avec un masque en papier d’aluminium et en enfonçant les récepteurs de chimiothérapie avec de l’eau douce. Modifier l’environnement pour permettre le fonctionnement du robot Lego.

Répétez la procédure de test de comportement et d’enregistrement vidéo à l’aide du robot. Utilisez MATLAB pour suivre automatiquement l’animal et le robot. Nous utilisons le script MATLAB, qui est disponible en ligne.

Créez et comparez des tracés des mouvements de l’animal et du robot. Modifiez le réseau neuronal et répétez l’expérience de suivi comportemental pour observer comment différents aspects du système nerveux électronique affectent le comportement du robot. Par exemple, les forces synaptiques à certains nœuds du réseau neuronal peuvent être ajustées.

Alternativement, les conditions sensorielles dans l’arène d’essai peuvent être modifiées et les effets observés chez le robot et l’animal. En comparant les performances comportementales d’un robot et d’un animal, nous pouvons étudier les principes du fonctionnement du système nerveux. La force synaptique des neurones sensoriels des griffes dans le système nerveux a varié sur un robot et le comportement résultant a été suivi.

Les lignes rouges représentent les robots en mouvement avec des synapses excitatrices faibles. Les lignes bleues montrent les synapses excitatrices de force moyenne, et les lignes vertes montrent le mouvement du robot avec des synapses excitatrices fortes. Les trajectoires des homards sont représentées par des lignes noires, le système nerveux hypothétique avec des connexions excitatrices de niveau intermédiaire à partir de la bosse de la pince.

Les neurones sensoriels produisent une sortie comportementale similaire à celle de l’animal. Des paramètres quantitatifs de comparaison peuvent être extraits des données, tels que la longueur du chemin et la vitesse de marche moyenne. Comme le montre ce tableau, nous venons de montrer comment utiliser une plate-forme robotique abordable et accessible pour exécuter et tester des simulations de système nerveux.

Cette approche est utile pour tester rapidement des hypothèses sur le système nerveux et peut être rapidement adoptée par des biologistes et d’autres chercheurs sans expérience en robotique. L’utilisation de cette plate-forme présente quelques limitations inhérentes, telles que les capacités de traitement de la puce NXT et la gamme de capteurs disponibles pour une mise en œuvre robotique. Néanmoins, cette approche est un outil puissant pour la mise en œuvre précoce de simulations du système nerveux incarné et peut servir de point de départ pour des enquêtes biorobotiques plus approfondies à l’aide de plates-formes personnalisées lorsqu’elles sont utilisées par des lycéens et des étudiants.

Cette approche fournit une méthode passionnante basée sur l’enquête pour enseigner les neurosciences, la robotique et la valeur de la science interdisciplinaire aux scientifiques de l’avenir. Merci d’avoir regardé.