Progettazione e implementazione di simulazioni del sistema nervoso su LEGO Robot

L'obiettivo generale di questo metodo è quello di prototipare e testare rapidamente simulazioni del sistema nervoso su una piattaforma robotica. Ciò si ottiene eseguendo simulazioni di reti neurali sulla piattaforma Lego Mindstorms NXT ed eseguendo test comparativi fianco a fianco con il modello animale. In primo luogo, viene costruito un robot da utilizzare come piattaforma per la simulazione del sistema nervoso.

Un'ipotetica rete neurale basata sullo studio neuroetologico viene quindi sviluppata e programmata sulla piattaforma robotica. Vengono condotti studi etologici per confrontare le prestazioni ipotetiche delle reti neurali con quelle del sistema nervoso animale. Le carenze nel modello possono essere identificate e informare il suo ulteriore sviluppo a livello di sistemi, le ipotesi neuroscientifiche possono essere testate mediante la manipolazione diretta dei parametri di simulazione.

Ciao, sono Dan Bluestein del Marine Science Center della Northeastern University. Qui dimostreremo un approccio per implementare rapidamente simulazioni del sistema nervoso su una piattaforma robotica. Sviluppando questa procedura per l'uso su un kit di robotica disponibile in commercio, abbiamo reso questo approccio biorobotico alle neuroscienze conveniente, efficiente e accessibile ai ricercatori senza esperienza di ingegneria robotica.

Questo approccio è adatto anche per le scuole superiori e le aule universitarie per fungere da base per un curriculum di biorobotica basato sull'indagine pratica. Il primo passo nella costruzione della piattaforma robotica è quello di scegliere un organismo modello da studiare che sia ben rappresentato nella letteratura neuro etologica. Gli invertebrati sono generalmente buoni candidati perché il loro sistema nervoso relativamente semplice è stato ben studiato e comprende principalmente riflessi innati.

Dimostreremo questo approccio utilizzando l'aragosta americana Hamas Americana. Il passo successivo è quello di selezionare comportamenti riflessivi ben studiati per scopi di modellazione. Con l'aragosta, possiamo studiare le risposte all'intenzione, alla curvatura, all'urto dell'artiglio e al flusso ottico.

Riflessi semplici che si basano sul decking delle connessioni neurali da bilateralmente. I sensori simmetrici sono adatti per questo tipo di studio. Utilizzando il kit Lego Mindstorms NXT 2.0, costruisci un robot che si avvicina alla struttura corporea del modello animale.

È possibile utilizzare altre piattaforme robotiche, ma il kit disponibile in commercio che utilizziamo qui consente una rapida implementazione. Il passo successivo consiste nel dotare il robot di sensori che corrispondano ai sistemi scelti per i sensori di studio. Incluso nel kit Lego Mindstorms può essere utilizzato o i sensori per la birra fatta in casa possono essere progettati come descritto in una varietà di materiale pubblicato.

Utilizziamo il sensore tattile Lego, un sensore di flessione del punto di flessione dell'antenna personalizzato e un sensore di flusso ottico sviluppato da Centi Incorporated per costruire un connettore resistivo personalizzato come il sensore dell'antenna, unire un filo del connettore NXT e saldare i fili bianco e nero ai cavi del sensore. Per iniziare a programmare la simulazione del sistema nervoso, utilizzare studi neuro-etologici precedentemente pubblicati per sviluppare una rete neurale a scopo di modellazione. La letteratura ha proposto reti neurali per spiegare il comportamento di vari organismi modello, dalle aragoste alla lampre, dovrebbero essere identificate le unità neurali funzionali e le loro connessioni sinaptiche.

Nuovi esperimenti neuro-etologici teorizzati possono anche essere sviluppati e implementati se le circostanze di laboratorio lo consentono. Utilizza il software LabVIEW per programmare la rete per la piattaforma Lego Mindstorms. Vengono utilizzati strumenti virtuali o BIS per un modello di neurone e sinapsi che possono essere trovati online.

Consigliamo il modello discreto basato su mappe temporali sviluppato da Roloff perché consente un funzionamento in tempo reale computazionalmente efficiente, pur mantenendo una varietà di regimi di output di attivazione neuronale e due parametri di controllo. Alpha e Sigma determinano la dinamica del neurone simulato per produrre vari output, tra cui tonico, spiking, accensione caotica, scoppio e silenzio intrinseco. Lab View fornisce un ambiente di programmazione grafica intuitivo che consente un rapido dispiegamento di neuroni e synapsi vi in un ciclo while in modo che la rete si aggiorni in modo iterativo.

Successivamente, collegare le uscite dei picchi dei neuroni pre-sinaptici attraverso le sinapsi ai neuroni postsinaptici. Quindi passa l'aggiornamento iterativo dei parametri attraverso i registri a scorrimento al ciclo di calcolo successivo. Il modello DTM aggiorna le variabili dinamiche veloci e lente che vengono passate all'iterazione successiva dei calcoli.

I parametri di sinapsi devono essere impostati per definire la geometria della rete. Il modello DTM specifica la forza di una sinapsi, la velocità di rilassamento e i valori del potenziale di inversione possono essere regolati in base alle caratteristiche specifiche della rete, ma si consiglia di utilizzare le impostazioni seguenti. JS è uguale a 0,60, gamma è uguale a 0,95 e XRP è uguale a 2,2 per una sinapsi eccitatoria o negativo 1,8.

Per una sinapsi inibitoria, regolare i parametri di controllo alfa e sigma per modificare l'attività neuronale di base. Si consiglia di utilizzare un valore alfa pari a 4,05 e un valore sigma pari a 3,10 negativo. Utilizzare il sensore di visualizzazione del laboratorio anziché

inserire le informazioni del sensore nella rete. Per i sensori forniti, i vi sono già disponibili all'interno del modulo di visualizzazione del laboratorio Mindstorms. Per sensori resistenti personalizzati, utilizzare il sensore di luce VI come framework di programmazione.

Inserire grafici sul pannello frontale del programma di visualizzazione del laboratorio per visualizzare l'attività neuronale. Sostituire temporaneamente gli input dei sensori con le scatole di controllo del pannello frontale per manipolare manualmente le informazioni del sensore che vanno alla rete neurale, eseguire la rete neuronale e regolare manualmente i controlli del pannello frontale per presentare vari input sensoriali. Verificare che la rete funzioni qualitativamente come previsto per le condizioni note.

Regola la rete secondo necessità modificando i parametri del neurone e della sinapsi. I primi tentativi di sintonizzare la rete dovrebbero essere fatti cambiando la forza delle varie sinapsi. Potrebbe essere necessario regolare anche altri parametri.

Una volta che la rete funziona con precisione qualitativa, sostituire le scatole di controllo del pannello frontale con l'ingresso del sensore VI'S per programmare la rete sulla piattaforma NXT tramite una connessione USB. Per testare la simulazione del sistema nervoso, allestire un ambiente controllato in cui osservare l'animale e il robot in condizioni simili. Monta una videocamera sopra la testa per registrare i comportamenti.

Assicurati che il contrasto tra il soggetto e lo sfondo sia elevato. Per consentire il tracciamento automatico. Posizionare l'animale nell'ambiente controllato e registrare video il comportamento.

Assicurati di limitare le capacità sensoriali dell'aragosta in modo che corrispondano a quelle del robot. Qui limitiamo la vista dell'aragosta e il rilevamento della chemio coprendo gli occhi con una maschera di alluminio e ammaccando i recettori della chemio con acqua dolce. Modifica l'ambiente per consentire il funzionamento del robot Lego.

Ripetere la procedura di test comportamentale e videoregistrazione utilizzando il robot. Usa MATLAB per tracciare automaticamente l'animale e il robot. Utilizziamo lo script MATLAB per il monitoraggio del laboratorio di topi, disponibile online.

Crea e confronta grafici dei movimenti dell'animale e del robot. Modifica la rete neurale e ripeti l'esperimento di tracciamento comportamentale per osservare come i diversi aspetti del sistema nervoso elettronico influenzano il comportamento del robot. Ad esempio, le forze sinaptiche in alcuni nodi della rete neurale possono essere regolate.

In alternativa, le condizioni sensoriali nell'arena di prova possono essere modificate e gli effetti osservati nei robot e negli animali. Confrontando le prestazioni comportamentali di un robot e di un animale, possiamo studiare i principi della funzione del sistema nervoso. La forza sinaptica dai neuroni sensoriali dell'artiglio al sistema nervoso è stata variata su un robot e il comportamento risultante è stato monitorato.

Le linee rosse rappresentano i robot di movimento con sinapsi eccitatorie deboli. Le linee blu mostrano sinapsi eccitatorie di media forza e le linee verdi mostrano il movimento del robot con sinapsi eccitatorie forti. I percorsi dell'aragosta sono rappresentati da linee nere, l'ipotetico sistema nervoso con connessioni eccitatorie di medio livello dalla protuberanza dell'unghia.

I neuroni sensoriali producono un output comportamentale simile a quello dell'animale. Dai dati possono essere estratti parametri quantitativi per il confronto, come la lunghezza del percorso e la velocità media di camminata. Come mostrato in questa tabella, abbiamo appena mostrato come utilizzare una piattaforma robotica economica e accessibile per eseguire e testare simulazioni del sistema nervoso.

Questo approccio è utile per la verifica rapida delle ipotesi del sistema nervoso e può essere rapidamente adottato da biologi e altri ricercatori senza esperienza di robotica. Ci sono alcune limitazioni intrinseche nell'utilizzo di questa piattaforma, come le capacità di elaborazione del chip NXT e la gamma di sensori disponibili per l'implementazione robotica. Tuttavia, questo approccio è uno strumento potente per l'implementazione in fase iniziale di simulazioni del sistema nervoso incarnato e può servire come punto di partenza per indagini biorobotiche più approfondite utilizzando piattaforme personalizzate se utilizzate da studenti delle scuole superiori e universitari.

Questo approccio fornisce un entusiasmante metodo basato sull'indagine per insegnare le neuroscienze, la robotica e il valore della scienza interdisciplinare agli scienziati del futuro. Grazie per l'attenzione.