מאמר שיטה

מערכת אינטראקטיבית בזמן אמת לחקר התנהגות מרדף מתעמתת במכרסמים

DOI:

10.3791/68191

⸱

16 במאי 2025

 ,  ,  ,  ,  , 
1Department of Neurobiology, School of Basic Medicine, Army Medical University, 2School of Electrical Engineering, Chongqing University, 3Department of Biomedical Engineering and Imaging Medicine, Army Medical University, 4Guangxi Key Laboratory of Special Biomedicine & Advanced Institute for Brain and Intelligence, School of Medicine, Guangxi University

במאמר זה

סיכום

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

כאן, אנו מציגים פרוטוקול לאיתור וכימות התנהגות מרדף טורפת במודל עכבר. פלטפורמה זו מספקת פרדיגמת מחקר חדשה לחקר הדינמיקה והמנגנונים העצביים של התנהגות מרדף טורפת בעכברים ותספק פלטפורמה סטנדרטית לחקר התנהגות מרדף.

תקציר

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

התנהגות מרדף טורפת כוללת סדרה של תהליכים פיזיולוגיים חשובים, כגון תנועה, למידה וקבלת החלטות שהם קריטיים להצלחת בעל חיים בלכידת טרף. עם זאת, ישנן מעט שיטות ומערכות לחקר התנהגות מרדף טורף במעבדה, במיוחד בעכברים, מודל יונקים נפוץ. הגורמים העיקריים המגבילים מחקר זה הם חוסר השליטה של טרף חי (למשל, צרצרים) והאתגר של הרמוניה בסטנדרטים ניסיוניים. מטרת מחקר זה הייתה לפתח פלטפורמה אינטראקטיבית לאיתור וכימות התנהגויות מרדף טורפות בעכברים על פיתיון רובוטי. הפלטפורמה משתמשת בראייה ממוחשבת כדי לנטר את המיקומים היחסיים של העכבר והפיתיון הרובוטי בזמן אמת כדי לתכנת את דפוסי התנועה של הפיתיון הרובוטי, והמחוונים הדו-ממדיים האינטראקטיביים שולטים באופן מגנטי בתנועת הפיתיון הרובוטי כדי להשיג מערכת לולאה סגורה. הפיתיון הרובוטי מסוגל להתחמק מעכברים רעבים מתקרבים בזמן אמת, וניתן להתאים את מהירות הבריחה והכיוון שלו כדי לחקות את תהליך המרדף הטורף בהקשרים שונים. לאחר תקופה קצרה של אימון ללא פיקוח (פחות משבועיים), העכברים הצליחו לבצע את מטלת הטריפה ביעילות גבוהה יחסית (פחות מ-15 שניות). על ידי רישום פרמטרים קינמטיים כמו מהירות ומסלולים של הפיתיון הרובוטי והעכברים, הצלחנו לכמת את תהליך המרדף בתנאים שונים. לסיכום, שיטה זו מספקת פרדיגמה חדשה לחקר התנהגות טורפת וניתן להשתמש בה כדי לחקור עוד יותר את הדינמיקה והמנגנונים העצביים של התנהגות מרדף טורפת.

מבוא

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

המרדף אחר טרף על ידי טורפים הוא לא רק הדגמה חיה של מאבק ההישרדות אלא גם מניע מרכזי לאבולוציה של מינים, שמירה על האיזון האקולוגי וזרימת האנרגיה בטבע 1,2. עבור טורפים, פעילות המרדף אחר טרף היא מאמץ מתוחכם הכולל מגוון תהליכים פיזיולוגיים. תהליכים אלה כוללים את מצבי המוטיבציה המניעים את הטורף לצוד3, היכולות התפיסתיות המאפשרות לו לזהות ולעקוב אחר טרף 4,5,6, יכולות קבלת ההחלטות המכתיבות את מהלך הציד7, התפקוד התנועתי המאפשר את המרדף הפיזי 8,9 ומנגנוני הלמידה המשפרים אסטרטגיות ציד לאורך זמן 10, 11. לכן, רדיפה טורפת זכתה לתשומת לב רבה בשנים האחרונות כמודל התנהגותי חשוב ומורכב.

כמודל יונקים בשימוש נרחב במעבדה, תועדו עכברים צדים צרצרים הן בסביבתם הטבעית והן במחקרי מעבדה12. עם זאת, המגוון וחוסר השליטה של טרף חי בכימות התנהגות המרדף הטורף מגביל את יכולת השחזור של ניסויים כמו גם את חילופי ההשוואות בין מעבדות שונות13. ראשית, זני צרצרים עשויים להיות שונים בין מעבדות, וכתוצאה מכך הבדלים במאפייני הטרף שיכולים להשפיע על התנהגות המרדף. שנית, לצרצרים בודדים יש מאפיינים ייחודיים שעשויים להשפיע על התוצאה של אינטראקציות טורפות14. לדוגמה, מהירות הבריחה של כל צרצר עשויה להיות שונה, מה שמוביל לשונות בדינמיקת המרדף. בנוסף, לחלק מהצרצרים עשוי להיות מרחק אזהרה קצר, מה שעלול להוביל לחוסר תהליך מרדף, מכיוון שלטורף לא תהיה הזדמנות לעסוק במרדף. לבסוף, צרצרים מסוימים עשויים להפגין התנהגות הגנתית ותוקפנית כאשר הם לחוצים, מה שמסבך את הפרשנות של נתוני הניסוי15. קשה לקבוע אם שינויים בהתנהגות הטורף נובעים מאסטרטגיות ההגנה של הטרף או שהם טבועים בדפוסי ההתנהגות של הטורף. הגבול המטושטש הזה בין אסטרטגיות הגנה על טרף וטורפים מוסיף שכבה נוספת של מורכבות לחקר המרדף הטורף.

מתוך הכרה במגבלות אלה, חוקרים פנו לטרף מלאכותי כאמצעי לשליטה וסטנדרטיזציה של תנאי הניסוי16,17. שבעה מיני מכרסמים, כולל עכברים, הוכחו כמפגינים התנהגות טורפת משמעותית כלפי טרף מלאכותי13. לכן, פיתיון רובוטי הניתן לשליטה עשוי להיות אפשרי בחקר התנהגות מרדף טורפת. על ידי תכנון טרף מלאכותי שונה, חוקרים יכולים להפעיל רמה של שליטה על תנאי הניסוי, מה שאינו אפשרי עם טרף חי18,19. בנוסף, מספר קטן של מחקרים קודמים השתמשו בדגים רובוטיים או טרף בשליטה מלאכותית כדי לחקור התנהגות לימודית וטריפה בדגים 15,17,19. מחקרים אלה הדגישו את הערך של מערכות רובוטיות במתן גירויים עקביים, חוזרים וניתנים למניפולציה למחקר ניסיוני, אך למרות ההתקדמות הללו, תחום התנהגות המכרסמים, במיוחד בעכברים, חסר פלטפורמה ייעודית לאיתור וכימות התנהגות רדיפה טורפת באמצעות פיתיון רובוטי.

בהתבסס על הסיבות לעיל, עיצבנו פלטפורמה אינטראקטיבית בזמן אמת בקוד פתוח לחקר התנהגות מרדף טורפת בעכברים. הפיתיון הרובוטי בפלטפורמה יכול לברוח מהעכברים בזמן אמת, והפיתיון הרובוטי ניתן לשליטה רבה, כך שאנו יכולים להגדיר כיווני מילוט או מהירויות שונות כדי לדמות תרחישי טריפה שונים. תוכנת Python במחשב שימשה ליצירת פרמטרי התנועה של הטרף הרובוטי, ששולבה עם מיקרו-בקר STM32 כדי להניע את מנועי הסרוו ולשלוט בתנועת הפיתוי הרובוטי. ניתן להתאים את מערכת החומרה המודולרית לסביבת המעבדה הספציפית בזמן אמת, ומערכת התוכנה יכולה להתאים את רמת הקושי של המערכת כמו גם את האינדיקטורים כדי לשרת טוב יותר את מטרת המחקר בהתאם לצרכי הניסוי. המערכת קלת המשקל מאפשרת קיצור משמעותי של זמן עיבוד המחשב, החיוני ליעילות המערכת ומשפר את ניידותה. הפלטפורמה תומכת בתכונות הטכניות הבאות: טרף מלאכותי גמיש וניתן לשליטה לחזרה ודוגמנות קלות; סימולציה מקסימלית של תהליך הציד בסביבה טבעית; אינטראקציה בזמן אמת וחביון מערכת נמוך; מדרגיות של חומרה ותוכנה כמו גם מדרגיות; עלות-תועלת וקלות שימוש. באמצעות פלטפורמה זו, אימנו בהצלחה עכברים לבצע משימות טורפות בתנאים שונים, והצלחנו לכמת פרמטרים כמו מסלול, מהירות ומרחק יחסי במהלך מרדף טורף. הפלטפורמה מספקת שיטה מהירה לביסוס פרדיגמת מרדף טורף כדי לחקור עוד יותר את המנגנונים העצביים מאחורי מרדף טורף.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

עכברי C57BL/6J בוגרים (זכרים, בני 6-8 שבועות) מסופקים על ידי מרכז חיות המעבדה של האוניברסיטה הרפואית הצבאית. כל הליכי הניסוי מבוצעים בהתאם להנחיות המוסדיות לרווחת בעלי חיים ומאושרים על ידי הוועדה לטיפול ושימוש בבעלי חיים של האוניברסיטה הרפואית הצבאית (No. AMUWEC20210251). עכברים שוכנים בתנאים מבוקרי טמפרטורה (22-25 מעלות צלזיוס) עם מחזור אור/חושך הפוך של 12 שעות (אורות דולקים 20:00-8:00) וגישה חופשית למזון ומים.

1. הכנת חומרה לפלטפורמה אינטראקטיבית בזמן אמת

  1. הרכיבו מצלמת אינטרנט על מוט צולב מעל הפלטפורמה כולה כדי לנטר את מיקומי העכבר והפיתיון הרובוטי בזירה למטה בזמן אמת ולשדר את התמונות למחשב (איור 1A).
  2. תכנן זירה עגולה גדולה (קוטר 800 מ"מ, גובה 300 מ"מ) המורכבת מפאנל אקרילי מרובע בתחתית וצינור אקרילי כגבול. הניחו ארבעה סמלים במרווחים שווים (ריבוע, משולש, עיגול וצלב) על הקירות הפנימיים של הזירה כדי לשמש כרמזים חזותיים (איור 1B).
    הערה: יש לכסות את הקיר הפנימי של צינור האקריליק ואת פני השטח של צלחת האקריליק המרובעת במדבקה אטומה.
  3. השתמש במגנט ניאודימיום עגול (קוטר 40 מ"מ, גובה 10 מ"מ, צרצרים באורךשל כ-2-4 ס"מ 4,22) עם כדורי מזון (5 × 0.2 מ"ג) כפיתיון רובוטי. הצמד מדבקה כחולה על פני המגנט לזיהוי ואיתור.
  4. התקן מחוון דו מימדי (עם מהלך יעיל של 1000 מ"מ) מתחת לזירה. התקן מגנט ניאודימיום נוסף על המנשא שלו כמגנט משיכה כדי למשוך את הפיתיון הרובוטי באופן מגנטי ומרוחק.
  5. הניעו את מגנט המושך על ידי מנועי סרוו הנשלטים על ידי לוח STM32 ומעגל מיתוג. שימוש במצב מהירות-כיוון לדחיפת מנוע סרוו (75 מ"מ לכל 16,000 פולסים), התדר של גל PWM ביציאת היציאה בלוח STM32 מקודד את המהירות, והרמות הגבוהות או הנמוכות (3.3 V או 0 V) מקודדות את הכיוון קדימה או אחורה (איור 1C).
    הערה: מעגל המיתוג מוצג באיור משלים 1, המציג רק את תרשים חיבור אות המהירות והכיוון הנדרש לתנועה של שקופית אחת ולשליטה בשקופית השנייה באותו אופן. ניתן לחבר את חוטי ההארקה בשני מעגלי בקרת ההחלקה יחד.

2. עיצוב תוכנה לפלטפורמה אינטראקטיבית בזמן אמת

  1. השתמש בתוכנית הראשית כדי לזהות את המיקום היחסי של העכבר והפיתיון הרובוטי ולשדר את אות התנועה של הפיתיון הרובוטי למיקרו-בקר STM32 (איור 1D).
  2. כאשר המחשב מקבל תמונות ממצלמת הרשת, עבד את המסגרות בסביבת Python.
  3. המר כל מסגרת ממודל הצבע RGB למודל הצבע HSV באמצעות מודול OpenCV20 (cv2.cvtColor).
    הערה: מכיוון שעכברים הם מלקטים ליליים ולמען יציבות הזיהוי, יש לבצע את הניסויים בתנאים של תאורה נמוכה ויציבה, תוך הקפדה על תנאי תאורה עקביים בזירה והימנעות מצללים חלקיים. התאורה בניסוי זה הייתה כ-95 לוקס.
  4. רכוש תמונות מסיכה של העכבר והפיתיון הרובוטי על סמך טווחי הצבעים שלהם במודל הצבעים HSV, בהתאמה (cv2.inRange).
  5. החל סינון חציוני על תמונת המסכה כדי להפוך את קווי המתאר של העכבר והפיתיון הרובוטי לברורים ויציבים יותר (cv2.medianBlur).
  6. השג את פרטי קווי המתאר של העכבר והפיתיון הרובוטי באמצעות פונקציית זיהוי קווי המתאר (cv2.findContours), ולאחר מכן מצא מלבן מינימלי שיכול לכסות את אזור קווי המתאר. השתמש בקואורדינטות המרכזיות של מלבן זה כמיקום העכבר והפיתיון הרובוטי בהתאמה, ושמור אותם כקבצי TXT.
  7. בהתבסס על מידע המיקום של העכבר ופיתיון הרובוט בכל מסגרת, חשב את מהירות העכבר ואת המרחק היחסי לפיתיון הרובוט ושמור את הפרמטרים הללו כקבצי TXT.
    הערה: בהתחשב בעלות הזמן של חישובים הקשורים לעיבוד תמונה, מהירות העיבוד בפועל של הסקריפט היא כ-41 פריימים לשנייה, מה שאומר שהמערכת יכולה לזהות תנועות פיתיון עכבר ורובוטי תוך כ-24 אלפיות השנייה. עיכוב המערכת נבדק בין שליחת פקודת תנועה לזיהוי תנועה הוא 59.4 ± 7.3 אלפיות השנייה (n = 8), כך שהעיכוב בין תנועת העכבר לתנועת הטרף המופעל על ידי העכבר הוא כ-83 אלפיות השנייה (לצרצרים יש זמן תגובה של פחות מ-250 אלפיות השנייה22).
  8. בהתאם למרחק היחסי בין העכבר לפיתיון הרובוטי ומיקומם בזירה, קבע את אסטרטגיית הבריחה של הפיתיון הרובוטי 21,22,23.
    הערה: אם העכבר רחוק יחסית מהפיתיון הרובוטי (>250 מ"מ), ההנחה היא שהפיתיון הרובוטי נמצא באזור בטוח. נניח שהעכבר קרוב מספיק לפיתיון הרובוטי (<80 מ"מ, מכיוון שהמרחק היחסי בשיטה זו נקבע על סמך מרכז העכבר והפיתוי הרובוטי, התאמנו את מרחק הסף הזה על סמך אורך גוף העכבר, כ-11 ס"מ, וקוטר הפיתוי, 4 ס"מ). במקרה כזה, זה נחשב ללכידה מוצלחת, והפיתיון הרובוטי ייפסק, מה שיאפשר לעכבר לצרוך את כדורי המזון שעליו (איור 2A). באסטרטגיית הבריחה בקו ישר, אם הפיתיון נמצא באזור מרכז הזירה (מרחק לגבול >75 מ"מ), מה שמצביע על מספיק מקום בכל כיווני הבריחה, הוא ינוע בכיוון שהעכבר נע לעבר עצמו. להיפך, אם הפיתיון קרוב לקיר הזירה כפי שמצוין על ידי האזור שמסביב (מרחק לגבול ≤75 מ"מ), מה שמצביע על כך שאין מספיק מקום לתנועה רציפה, הוא יבצע פנייה של 90 מעלות הצידה עם מרחק גדול יותר לגבול הזירה (יותר מקום פנוי, איור 2B). באסטרטגיית הבריחה מבוססת התורות, הפיתיון הרובוטי יסתובב ב-90 מעלות הצידה עם יותר מרחב מילוט, במרווחים של 0.5 שניות (איור 2C).
  9. לאחר קביעת אסטרטגיית הבריחה, בקש מסקריפט Python לקודד את אותות המהירות והכיוון בנפרד ולשלוח אותם ל-STM32 דרך היציאה הטורית (ser.port = 'COM3') בקצב סיביות של 115200.
    הערה: קבצי Script ב-STM32 מהודרים בסביבת C. כאשר אות המהירות מתקבל, הוא מומר לגל PWM בתדר המתאים על ידי מחלק תדר מתנד הגביש והפלט (תדר הגביש STM32 הוא 72000000). לאחר קבלת אות הכיוון, האות הדיגיטלי מומר על ידי משיכה למעלה או למטה של המתח של יציאת הפלט (0 או 3.3 וולט).
  10. השתמש בצורב היציאות הטורי כדי לצרוב תוכנית C מהודרת ל-STM32.
  11. השתמש בתוכנית האיפוס כדי להעביר את הפיתיון הרובוטי למרכז הזירה.
    הערה: על ידי זיהוי מיקום הפיתיון הרובוטי בזירה, הפיתיון הרובוטי מונע ברציפות לעבר המיקום המרכזי (5 ס"מ לשנייה), וכאשר מתגלה מרחק של <20 מ"מ ממיקום המרכז, הוא נחשב כאילו הגיע למרכז הזירה ומפסיק לנוע. הפעל את תוכנית האיפוס לפני הפעלת התוכנית הראשית.

3. התרגלות (איור 2D)

  1. הדק את העכבר למשך 12 שעות כדי להפחית את משקל גופו של בעל החיים ל-90-95% מהרגיל, עם גישה חופשית למים בתקופה זו.
  2. ראשית, הפעל את תוכנית האיפוס כדי להעביר את הפיתיון הרובוטי למרכז הזירה, ולאחר מכן בודד את העכבר הרעב בקצה הזירה עם מבלבל.
  3. הגדר את נתיב השמירה של file ואת מהירות התנועה של הפיתיון הרובוטי (5 ס"מ לשנייה) בתוכנית הראשית. לאחר מכן לחץ על הפעלה, ובדוק בחלון הווידאו המוקפץ אם פיתויי העכבר והרובוט מזוהים ביציבות.
  4. הסר את המבלבל והפעל את הטיימר כדי להתבונן בהתנהגות הטורפת של העכבר למשך 20 דקות, תוך רישום הזמן שבו העכבר לוקח לראשונה כדור מזון מהפיתיון הרובוטי. אם העכבר לא מצליח לעשות זאת, עצור את הפיתיון והנח אותו ליד העכבר להאכלה.
  5. החזר את העכבר לכלוב שלו ואפשר תקופת התאוששות של 24 שעות עם גישה חופשית למזון ומים. לאחר מכן, חזור על ההרגל. אם אין הבדל משמעותי בזמן עד לשליפת המזון הראשונה בין שני ניסויים עוקבים באותה קבוצת בעלי חיים, קחו בחשבון שההרגלה הושלמה. תקופה זו אורכת בדרך כלל 3-5 ניסיונות.
  6. לאחר כל הרגל, נקו את הזירה כראוי עם 75% אלכוהול ומים.

4. מטלת טריפה (איור 2D)

  1. התחל את משימת הטריפה מיד לאחר ההתרגלות.
  2. הדק את העכבר למשך 12 שעות כדי להפחית את משקל גופו של בעל החיים ל-90-95% מהרגיל, עם גישה חופשית למים בתקופה זו.
  3. ראשית, הפעל תוכנית איפוס כדי להעביר את הפיתיון הרובוטי למרכז הזירה, ולאחר מכן בודד את העכבר הרעב בקצה הזירה עם מבלבל.
  4. הגדר את נתיב השמירה של הקובץ ואת מהירות התנועה של הפיתיון הרובוטי (0-60 ס"מ לשנייה, ניתן להגדיר מהירויות שונות בהתאם לצרכי הניסוי) בתוכנית הראשית. לאחר מכן לחץ על הפעל, ובדוק בחלון הווידאו המוקפץ אם העכבר והפיתיון הרובוטי מזוהים ביציבות.
  5. הסר את המבלבל והפעל את הטיימר כדי לצפות בהתנהגות הטורפת של העכבר למשך 60 שניות.
    1. אם העכבר לוכד בהצלחה את הפיתיון הרובוטי תוך 60 שניות, סגור את התוכנית הראשית ואפשר לעכבר לאכול את כל כדורי המזון לפני החזרתו לכלוב.
    2. אם העכבר לא לוכד את הפיתיון הרובוטי תוך 60 שניות, שחרר את העכבר ישירות בחזרה לכלוב ללא כל פרס או עונש.
  6. ערכו סבב שני של משימות טריפה 4 שעות לאחר מכן, וחזרו על שלבים 4.3-4.5.
  7. אפשר לעכבר תקופת התאוששות של 24 שעות עם גישה חופשית למזון ומים. לאחר מכן, חזור על משימת הטריפה. אם יותר מ-80% מהעכברים מבלים פחות מ-15 שניות בשני ניסויים רצופים, העכברים נחשבים לטורפים מיומנים.
  8. לאחר כל משימת טריפה, נקו את הזירה כראוי עם 75% אלכוהול ומים.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

כדי לברוח מטורף, הטרף משתמש לעתים קרובות באסטרטגיות בריחה גמישות ומשתנות, כגון שינוי מהירויות המילוט או בריחה לכיוונים בלתי צפויים 21,22,23. במחקר זה, דפוס התנועה של הפיתיון הרובוטי נשלט בצורה גמישה במהירות ובכיוון כך שנוכל לשנות את כיוון המילוט כמו גם את מהירות הפיתיון הרובוטי כדי לדמות את משימת הטריפה בתנאים שונים, בהתאמה.

ראשית, בדקנו את אמינות פקדי הפלטפורמה, מהירות המילוט מתכווננת בטווח של 0-60 ס...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

בפרוטוקול זה, כדי להשיג שליטה בזמן אמת עם חביון מערכת נמוך, אנו משתמשים ב-OpnenCV, ספריית ראייה ממוחשבת קלת משקל ויעילה, ובמודל צבע כדי לזהות את מיקומי העכברים ואת פיתיון הרובוט. לשם כך התאורה בזירה תהיה יציבה יחסית ולהימנע ככל האפשר מהצללים בזירה כדי לא להפריע לגילוי העכברים השחורים. כדי להשיג זיהוי קווי מתאר יציב יחסית, אנו לוכדים את טווחי הצבעים של העכברים עם הפיתיונות הרובוטיים במספר מקומות בשטח לפני תחילת הניסוי. בנוסף, ניתן לשנות את טווחי הצבעים של העכברים והפיתיון הרובוטי כדי לספק...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

למחברים אין מה לחשוף.

תודות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מחקר זה נתמך על ידי הקרן הלאומית למדעי הטבע של סין ל-YZ (32171001, 32371050).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
צילינדר אקריליSENTAIPMMAקוטר 800 מ"מ
גובה 300 מ"מ
עובי 8 מ"מ
שולחן נגד רעידותVEOOבהתאמה אישיתאורך 1500 מ"מ
רוחב 1500 מ"מ
גובה 750 מ"מ
JIERUIWEITONGHF868SS פיקסל גודל 3 ומיקרו; m ואקוטי; 3 ומיקרו; m
480P: מסגרת תמיכה למצלמה 120 fps
RUITUמותאם אישיתרוחב מקסימלי 3300 מ"מ
גובה מקסימלי 2600 מ"מ
לוח מעגליםWXRKDZבהתאמה אישיתאורך 60 מ"מ
רוחב 40 מ"מ
מרווח חורים 2.54 מ"מ
מחשבDELLPrecision 5820 TowerInter(R) Xeon(R) W-2155 CPU
NVIDIA GeForce RTX 2080Ti
DuPont LineTELESKYבהתאמה אישית30 ס"מ
כדורי מזוןBio-serveF0759520 מ"ג
מסגרת תמיכה בפלטפורמהHENGDONGOB3030אורך 1600 מ"מ
גובה 900 מ"מ
רוחב 800 מ"מ
ספק כוח מווסתZHAOXINPS-3005Dמתח יציאה: 0-30 V
זרם יציאה: 0-3 A
בלוק מגנטי עגולYPE YPE-230213-5קוטר 40 מ"מ
עובי 10 מ"מ
נהג מנוע סרווFEREMEFCS860P 0.1 kw-5.5 kw
SVPWM
220 VAC+10%
~-15%
RS-485
מסילת הזזהJUXIANGJX45אורך 1000 מ"מ
רוחב 1000 מ"מ
לוח אקרילי מרובעSENTAIPMMAאורך 800 מ"מ
רוחב 800 מ"מ
עובי 10 מ"מ
בלוק מגנטיRUITONGN35אורך 100 מ"מ
רוחב 50 מ"מ
עובי 20 מ"מ
Stm32ZHENGDIANYUANZIF103STM32F103ZET6
72 מגה-הרץ
שעון טרנזיסטורSemtechC1185362N2222A, NPN

מקורות

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Gregr, E. J., et al. Cascading social-ecological costs and benefits triggered by a recovering keystone predator. Science. 368 (6496), 1243-1247 (2020).
  2. Brown, J. S., Vincent, T. L. Organization of predator-prey communities as an evolutionary game. Evolution. 46 (5), 1269-1283 (1992).
  3. Zhao, Z. -D., et al. Zona incerta gabaergic neurons integrate prey-related sensory signals and induce an appetitive drive to promote hunting. Nat Neurosci. 22 (6), 921-932 (2019).
  4. Hoy, J. L., Yavorska, I., Wehr, M., Niell, C. M. Vision drives accurate approach behavior during prey capture in laboratory mice. Curr Biol. 26 (22), 3046-3052 (2016).
  5. Holmgren, C. D., et al. Visual pursuit behavior in mice maintains the pursued prey on the retinal region with least optic flow. eLife. 10, e70838(2021).
  6. Johnson, K. P., et al. Cell-type-specific binocular vision guides predation in mice. Neuron. 109 (9), 1527-1539.e4 (2021).
  7. Nahin, P. J. Chases and Escapes: The Mathematics of Pursuit and Evasion. , Princeton University Press. (2007).
  8. Mcghee, K. E., Pintor, L. M., Bell, A. M. Reciprocal behavioral plasticity and behavioral types during predator-prey interactions. Am Nat. 182 (6), 704-717 (2013).
  9. Belyaev, R. I., et al. scavenging: Functional analysis of vertebral mobility and backbone properties in carnivorans. J Anat. 244 (2), 205-231 (2024).
  10. Weihs, D., Webb, P. W. Optimal avoidance and evasion tactics in predator-prey interactions. J Theor Biol. 106 (2), 189-206 (1984).
  11. Peterson, A. N., Soto, A. P., Mchenry, M. J. Pursuit and evasion strategies in the predator-prey interactions of fishes. Integr Comp Biol. 61 (2), 668-680 (2021).
  12. Galvin, L., Mirza Agha, B., Saleh, M., Mohajerani, M. H., Whishaw, I. Q. Learning to cricket hunt by the laboratory mouse (mus musculus): Skilled movements of the hands and mouth in cricket capture and consumption. Behav Brain Res. 412, 113404(2021).
  13. Timberlake, W., Washburne, D. L. Feeding ecology and laboratory predatory behavior toward live and artificial moving prey in seven rodent species. Anim Learn Behav. 17 (1), 2-11 (1989).
  14. Sunami, N., et al. Automated escape system: Identifying prey's kinematic and behavioral features critical for predator evasion. J Exp Biol. 227 (10), jeb246772(2024).
  15. Szopa-Comley, A. W., Ioannou, C. C. Responsive robotic prey reveal how predators adapt to predictability in escape tactics. Proc Natl Acad Sci U S A. 119 (23), e2117858119(2022).
  16. Krause, J., Winfield, A. F. T., Deneubourg, J. -L. Interactive robots in experimental biology. Trends Ecol Evol. 26 (7), 369-375 (2011).
  17. Swain, D. T., Couzin, I. D., Leonard, N. E. Real-time feedback-controlled robotic fish for behavioral experiments with fish schools. Proceedings of the IEEE. 100 (1), 150-163 (2012).
  18. Eyal, R., Shein-Idelson, M. Preytouch: An automated system for prey capture experiments using a touch screen. bioRxiv. , (2024).
  19. Ioannou, C. C., Rocque, F., Herbert-Read, J. E., Duffield, C., Firth, J. A. Predators attacking virtual prey reveal the costs and benefits of leadership. Proc Natl Acad Sci U S A. 116 (18), 8925-8930 (2019).
  20. Farhan, A., et al. An OpenCV-based approach for automated cardiac rhythm measurement in zebrafish from video datasets. Biomolecules. 11 (10), 1476(2021).
  21. Hein, A. M., et al. An algorithmic approach to natural behavior. Curr Biol. 30 (11), R663-R675 (2020).
  22. Kiuchi, K., Shidara, H., Iwatani, Y., Ogawa, H. Motor state changes escape behavior of crickets. iScience. 26 (8), 107345(2023).
  23. Wilson-Aggarwal, J. K., Troscianko, J. T., Stevens, M., Spottiswoode, C. N. Escape distance in ground-nesting birds differs with individual level of camouflage. Am Nat. 188 (2), 231-239 (2016).
  24. Mathis, A., et al. Deeplabcut: Markerless pose estimation of user-defined body parts with deep learning. Nat Neurosci. 21 (9), 1281-1289 (2018).
  25. Kane, G. A., Lopes, G., Saunders, J. L., Mathis, A., Mathis, M. W. Real-time, low-latency closed-loop feedback using markerless posture tracking. eLife. 9, e61909(2020).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

מאמרים קשורים