Name: LEGOロボットの神経系シミュレーションの設計と実装 (動画) | JoVE Journal
Uploaded: 2013-05-25T14:00:00.000+00:00
Duration: 10 min 34 s
Description: 学ぶLEGOロボットを用いた神経系シミュレーションの設計と実装。無脊椎動物の神経行動学的研究に基づく仮説的神経ネットワークを構築し、動物モデルとの比較実験で性能を評価する計算的手法です。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

我々はプログラミングや原稿提案を博士クリス·ロジャース（タフツ大学）に感謝。私たちは、映像制作をサポートするためにアレックスジュリアーノとデボラ·リーに感謝します。 NSF大学院研究フェローシップと合成生物学でONRムリが提供する資金調達。

1。ロボットモデルの構築<ol><li>よくneuroethological文学で表現され研究にモデル生物を選択してください。彼らの比較的単純な神経系がよく研究されている、主に先天性の反射神経で構成されているため、無脊椎動物では、一般的に良い候補者を作る。我々はアメリカのロブスター、 ロブスター属americanusを使用して、このアプローチのデモンストレーションを行います。 </li><li>モデリングの目的のためによく研究反射的な行動を選択します。動物が反射的に爪接点は障害物回避を仲介しながら走流性を（水流の向き）引き出すためにアンテナの曲がりに応答するように我々は触角曲がりへと爪バンプ検出にロブスターの回答を選択しました。左右対称センサから神経接続をdecussatingに頼る簡易反射神経はよく研究1は、このタイプに適しています。 </li><li>神経を実行するために選択された行動のための適切なセンサをロボットのプラットフォームを構築したり、選択したネットワークシミュレーション。専用ロボットなどRoboLobster 12やスプロール（ゴキブリ）ロボット家族13として構成することができるが、ここでは実験的なプロセスを促進するために市販のキットを使用しています。テンプレート、モジュール式のコンポーネントと確立センサーを提供LEGOマインドストームNXT 2.0キットは、ロボットの急激な物理的な構築を可能にします。 </li><li>ステップ1.2で選択した行動の様式に一致するようにセンサーを選択するか、構築します。既成のレゴマインドストームキットのセンサーを使用することができたり、自作のセンサは14,15を設計することができる。私たちは、含まれているLEGOのタッチセンサーとNXTコネクタにスプライシングFlexPoint曲げセンサーから成るカスタム触角曲げセンサーを選択している。カスタム抵抗コネクタを構築するには、センサーのリードにNXTコネクタワイヤやハンダ、黒と白のケーブルを切った。 </li><li>モデリングpに対する仮説的なニューラルネットワークを見つけたり、開発する以前に発行されたneuroethological研究を使用urposes。文献はロブスター16〜ヤツメウナギ17から、種々のモデル生物の動作を説明するために、様々なニューラルネットワークが提案されている。機能的な神経ユニットが同定され、それらのシナプスの接続が理論化されるべきである。実験室の状況が許せば小説neuroethological実験も開発し、実装することができます。 </li></ol> 2。神経系のプログラミング<ol><li>数学のニューロンとシナプスモデルの方程式を実行するバーチャル·インストゥルメント（VIS）を作成するためにLEGO MINDSTORMS NXT用のLabVIEWモジュールと一緒にLabVIEWソフトウェアを使用してください。任意の発行されたモデルを使用することができますが、我々は離散時間マップベース（DTM）モデル18をお勧めします。神経発火出力レジームの様々を維持しながら、これは計算効率のリアルタイム動作を可能にする。二つの制御パラメータ、 アルファとシグマは 、トニを含む多様な神経の出力を生成するためにシミュレートされたニューロンのダイナミクスを決定Cスパイク、混沌とした焼成、破裂および固有沈黙。このニューロンモデルのためのレゴマインドストームは、LabVIEWのVI、ここでオンラインで見つけることができます： <a href="http://myfiles.neu.edu/blustein.d/neurobots" target="_blank">http://myfiles.neu.edu/blustein.d/neurobots</a> </li><li>ネットワークが反復更新されますように、WhileループにVIを配置します。 </li><li>シナプス後ニューロンにシナプスを通じてシナプス前ニューロンスパイク出力を接続します。 </li><li>次の計算サイクルにシフトレジスタを通してパラメーターを更新繰り返し渡す。 DTMモデルアップデート速い（x）と計算の次の反復に渡され、低速（y）を力学変数。 </li><li>ネットワークの特性を定義するためにシナプスパラメータを設定します。それぞれのシナプスは、シナプス強度（gsyn）、緩和率（ ガンマ ）と、逆転電位（XRP）はシナプス動作を決定DTMモデル方程式の係数である。 gsynの値は、マルチです0.0（効果なし）から1.0（100％効果）に至るまで、スパイクイベントからシナプス電流の効果の大きさを決定プライヤー。 ガンマの値は0.0（完全崩壊）から1.0（無減衰）に至るまで、関係なくスパイクイベントのシナプス電流の減衰率を決定乗数です。 XRPの値は、興奮と抑制を表す負の値を表す正の値を-3.0〜3.0、通常の範囲の値、シナプスの興奮や抑制のレベルを決定します。値は、特定のネットワークの特性に合わせて調整することができます。 γ= 0.95、gsyn = 0.60とXRP = 2.2（興奮性シナプス）または-1.8（抑制性シナプス）：ここでは、次の設定を使用します。 </li><li>ベースラインニューロン活動を変更するためにアルファとシグマの制御パラメータを調整します。多様な制御パラメータのモデルのダイナミクスは、 アルファは 、一般的に他の場所で18に詳細に記載されているが</em&gt; &lt;4、低シグマ値または高シグマ値のスパイク強壮のために本質的にサイレント神経活動を生成します。 &quot;低&quot;および&quot;高&quot; シグマ値の間の遷移は、一般に、 アルファ値に応じて、-1.0〜1.0の間で発生する。ニューロン活動を破裂はアルファシグマ値がゼロに近いです&gt; 4のために制作されています。ここでは、α= 4.05とσ= -3.10を使用しています。 </li><li>あなたのネットワークに入力センサ情報をLabVIEWのVIをを使用してください。設けられたセンサの場合、VIは、マインドストームのLabVIEWモジュール内ですでに利用されています。カスタム抵抗センサについては、プログラミング·フレームワークとして、光センサーのVIを使用しています。自作センサーの作成 ​​に関する情報は、他の場所で14見つけることができます。 </li><li>神経活動を可視化するLabVIEWプログラムのフロントパネルにグラフィカルなチャートを挿入します。 </li><li>一時的に手動でセンサーを操作するために、前面パネルのコントロールボックスとセンサー入力を置き換えるニューラルネットワークに行く情報。 </li><li>神経回路網を実行し、手動で多様な感覚入力を提示するには、フロントパネル·コントロールを調整します。既知の条件のために予測され、ネットワークが質的に機能していることを確認します。 </li><li>ニューロンとシナプスのパラメータを変更することにより、必要に応じてネットワークを調整します。ネットワークのチューニングで最初の試みは、さまざまなシナプスのシナプス強度（gsyn）を変更することによって行われるべきである。他のパラメータも同様に調整する必要があります。 </li><li>定性的な精度でネットワーク機能したら、VIのセンサー入力、フロントパネルのコントロールボックスを交換してください。 </li></ol> 3。神経系シミュレーションテスト<ol><li>同様の条件下で、動物やロボットを観察する中で制御された環境を設定します。我々は岩の障害物（ 図1）を含む長方形のタンクを使用しています。タンクは、同じ空間内LEGOロボットを収容するために空にすることができる。 </li><li>マウントAVIDEOのカメラのオーバーヘッドは、動物/ロボットの動作を記録します。被写体と背景のコントラストが自動追尾を可能にするために高くなっていることを確認します。我々はテストタンク白色の底を描いた。 </li><li>制御された環境とビデオ記録行動の動物を配置します。ロボットのものと一致するようにロブスターの感覚能力を制限してください。ここでは、アルミ箔のマスクで目を覆うと淡水19と化学受容器をdeafferentingでロブスターの感覚機能を制限します。 </li><li> LEGOロボットを（必要に応じて水を除去）に合わせて、同じ管理された環境でロボットを実行するための環境を調整します。 </li><li>自動的に標本上のマーカーを追跡するためにMATLABスクリプトを使用してください。我々はMouseLabTracker 20を使用しています。 </li><li>動物やロボットの動きのベクトルプロットを作成し、比較する。 </li><li>電子のどのように異なる側面を観察するために神経系と繰り返し3.3から3.6に変更神経系は、ロボットの動作に影響を与えます。ここでは、ロブスターのそれに比べて爪バンプセンサーニューロン及びモータシステムとモニタロボットの性能とのシナプスの強さを調整します。また、テストの分野で感覚の条件が変更され、効果はロボットと動物で観察することができます。例えば、ここで説明する分野は、異なる水の流量を施すことができる。 </li></ol>

<ol><li>Braitenberg, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Taxis%2C+kinesis+and+decussation%5BTitle%5D)+AND+%22Prog.+in+Brain+Res%22%5BJournal%5D)">Taxis, kinesis and decussation.</a> Prog. in Brain Res. 17, 210-222 (1965).</li>
<li>Schregardus, D. S., Pieneman, A. W., Ter Maat, A., Jansen, R. F., Brouwer, F., Gahr, M. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+lightweight+telemetry+system+for+recording+neuronal+activity+in+freely+behaving+small+animals%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">A lightweight telemetry system for recording neuronal activity in freely behaving small animals.</a> Journal of Neuroscience Methods. 155 (1), 62-71 (2006).</li>
<li>Kagaya, K., Takahata, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Readiness+discharge+for+spontaneous+initiation+of+walking+in+crayfish%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Readiness discharge for spontaneous initiation of walking in crayfish.</a> Journal of Neuroscience. 30 (4), 1348-1362 (2010).</li>
<li>Schrameck, J. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Crayfish+Swimming%3A+Alternating+Motor+Output+and+Giant+Fiber+Activity%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Crayfish Swimming: Alternating Motor Output and Giant Fiber Activity.</a> Science. 169 (3946), 698-700 (1970).</li>
<li>Kanz, J. E., Eberly, L. B., Cobbs, J. S., Pinsker, H. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuronal+correlates+of+siphon+withdrawal+in+freely+behaving+Aplysia%5BTitle%5D)+AND+%22J.+Neurophysiol%22%5BJournal%5D)">Neuronal correlates of siphon withdrawal in freely behaving Aplysia.</a> J. Neurophysiol. 42 (6), 1538-1556 (1979).</li>
<li>Webb, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Validating+biorobotic+models%5BTitle%5D)+AND+%22Journal+of+Neural+Engineering%22%5BJournal%5D)">Validating biorobotic models.</a> Journal of Neural Engineering. 3, 1-20 (2006).</li>
<li>Wessnitzer, J., Asthenidis, A., Petrou, G., Webb, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+cricket-controlled+robot+orienting+towards+a+sound+source%5BTitle%5D)+AND+%22Proceedings+of+the+12th+Annual+conference+on+Towards+autonomous+robotic+systems%22%5BJournal%5D)">A cricket-controlled robot orienting towards a sound source.</a> Proceedings of the 12th Annual conference on Towards autonomous robotic systems. , 1-12 (2011).</li>
<li>Grasso, F., Atema, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Integration+of+flow+and+chemical+sensing+for+guidance+of+autonomous+marine+robots+in+turbulent+flows%5BTitle%5D)+AND+%22Environ.+Fluid+Mech%22%5BJournal%5D)">Integration of flow and chemical sensing for guidance of autonomous marine robots in turbulent flows.</a> Environ. Fluid Mech. 2 (1), 95-114 (2002).</li>
<li>Westphal, A., Rulkov, N. F., Ayers, J., Brady, D., Hunt, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Controlling+a+lamprey-based+robot+with+an+electronic+nervous+system%5BTitle%5D)+AND+%22Smart+Struct.+and+Systems%22%5BJournal%5D)">Controlling a lamprey-based robot with an electronic nervous system.</a> Smart Struct. and Systems. 8 (1), 39-52 (2011).</li>
<li>Chao, Z. C., Bakkum, D. J., Potter, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Shaping+embodied+neural+networks+for+adaptive+goal-directed+behavior%5BTitle%5D)+AND+%22PLoS+Computational+Biology%22%5BJournal%5D)">Shaping embodied neural networks for adaptive goal-directed behavior.</a> PLoS Computational Biology. 4 (3), e1000042(2008).</li>
<li>Building nervous systems for robots: an interactive and collaborative neuroscience curriculum. Blustein, D., Schultheis, K., Ayers, J. National Science Teachers Association National Conference, San Francisco, C.A, , (2011).</li>
<li>Ayers, J., Blustein, D., Westphal, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Conserved+Biomimetic+Control+Architecture+for+Walking%2C+Swimming+and+Flying+Robots%5BTitle%5D)+AND+%22Lect.+Notes+on+Artif.+Intelli%22%5BJournal%5D)">A Conserved Biomimetic Control Architecture for Walking, Swimming and Flying Robots.</a> Lect. Notes on Artif. Intelli. 7375, 1-12 (2012).</li>
<li>A Biologically Inspired Passive Antenna for Steering Control of a Running Robot. Cowan, N., Ma, E., Cutkosky, M., Full, R. Proceedings of ISRR'2003, , 541-550 (2003).</li>
<li>Gasperi, M., Hurbain, P. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGasperi%2C+M+%22Extreme+NXT%3A+Extending+the+LEGO+MINDSTORMS+NXT+to+the+Next+Level%22">Extreme NXT: Extending the LEGO MINDSTORMS NXT to the Next Level</a>. , Apress. Berkeley, C.A. (2007).</li>
<li>Gasperi, M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGasperi%2C+M+%22LabVIEW+for+LEGO+MINDSTORMS+NXT%22">LabVIEW for LEGO MINDSTORMS NXT</a>. , National Technology and Science Press. Allendale, N.J. (2008).</li>
<li>Kennedy, D., Davis, W. Chapter 27 Organization of invertebrate motor systems. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKennedy%2C+D+%22Handbook+of+Physiology%22">Handbook of Physiology</a>. 1, 1023-1088 (1977).</li>
<li>Buchanan, J., Grillner, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Newly+identified+%22glutamate+interneurons%22+and+their+role+in+locomotion+in+the+lamprey+spinal+cord%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Newly identified "glutamate interneurons" and their role in locomotion in the lamprey spinal cord.</a> Science. 236 (4799), 312-314 (1987).</li>
<li>Rulkov, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modeling+of+spiking-bursting+neural+behavior+using+two-dimensional+map%5BTitle%5D)+AND+%22Physical+Review+E%22%5BJournal%5D)">Modeling of spiking-bursting neural behavior using two-dimensional map.</a> Physical Review E. 65, (2002).</li>
<li>Derby, C. D., Atema, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Narrow-spectrum+chemoreceptor+cells+in+the+walking+legs+of+the+lobster%2C+Homarus+americanus%3A+Taste+specialists%5BTitle%5D)+AND+%22Journal+of+Comparative+Physiology+A%22%5BJournal%5D)">Narrow-spectrum chemoreceptor cells in the walking legs of the lobster, Homarus americanus: Taste specialists.</a> Journal of Comparative Physiology A. 146 (2), 181-189 (1982).</li>
<li>Tort, A. B. L., Neto, W. P., Amaral, O. B., Kazlauckas, V., Souza, D. O., Lara, D. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+simple+webcam-based+approach+for+the+measurement+of+rodent+locomotion+and+other+behavioural+parameters%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">A simple webcam-based approach for the measurement of rodent locomotion and other behavioural parameters.</a> Journal of Neuroscience Methods. 157 (1), 91-97 (2006).</li>
<li>Huxley, T. H. The Crayfish, An Introduction to the Study of Zoology. , C. Kegan Paul & Co. London. (1880).</li>
<li>Blustein, D., Ayers, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+conserved+network+for+control+of+arthropod+exteroceptive+optical+flow+reflexes+during+locomotion%5BTitle%5D)+AND+%22Lect.+Notes+on+Artif.+Intelli%22%5BJournal%5D)">A conserved network for control of arthropod exteroceptive optical flow reflexes during locomotion.</a> Lect. Notes on Artif. Intelli. 6226, 72-81 (2010).</li>
<li>Webb, B., Scutt, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+simple+latency-dependent+spiking-neuron+model+of+cricket+phonotaxis%5BTitle%5D)+AND+%22Biological+Cybernetics%22%5BJournal%5D)">A simple latency-dependent spiking-neuron model of cricket phonotaxis.</a> Biological Cybernetics. 82 (3), 247-269 (2000).</li>
<li>Demarse, T. B., Wagenaar, D. A., Blau, A. W., Potter, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Neurally+Controlled+Animat%3A+Biological+Brains+Acting+with+Simulated+Bodies%5BTitle%5D)+AND+%22Autonomous+Robots%22%5BJournal%5D)">The Neurally Controlled Animat: Biological Brains Acting with Simulated Bodies.</a> Autonomous Robots. 11 (3), 305-310 (2001).</li>
<li>Novellino, A., D'Angelo, P., Cozzi, L., Chiappalone, M., Sanguineti, V., Martinoia, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Connecting+neurons+to+a+mobile+robot%3A+an+in+vitro+bidirectional+neural+interface%5BTitle%5D)+AND+%22Computational+Intelligence+and+Neuroscience%22%5BJournal%5D)">Connecting neurons to a mobile robot: an in vitro bidirectional neural interface.</a> Computational Intelligence and Neuroscience. , 12725(2007).</li>
</ol>

著者は、彼らが競合する経済的利益を持っていないことを宣言します。

biorobotic神経系シミュレーション実験を開始するときに、従うべきいくつかの重要なガイドラインがあります。右のモデル生物を選択することが重要です：取得し、維持することは容易である生物を選ぶ。彼らは通常の実験のための制度の承認を必要とせず、それらの畜産ニーズはしばしば脊椎動物のものよりも少ない過酷であるため、無脊椎動物が理想的です。科学的な観点から見ると、それは21をテストするための仮説を描画するから確立neuroethological文献レコードを持って動物を選択することが有益である。 適した生物を選ぶのと同じくらい重要な研究のための適切な行動の反射神経の選択である。 LEGO NXTプラットフォームは、カスタム変更がこれに限定されるものでセンサーを比較的単純な感覚システムを選択せず​​に4つのセンサを扱うことができることが重要です。シンプルな行動の反射神経は、しばしば十分に記載されており、hypotより柔軟性を提供テストすることができheses。 NXTの計算能力は努力が神経系のシミュレーションの範囲を低減するためになされるべきでもそう制限要因である...

過去100年以上の神経生理学的研究は飛躍的に神経系の構造と機能の知識を広げています。しかし、これまでの神経系の研究の大部分は、単離された調製物又は拘束被験者の使用に依存している。自由に動物2-5行動から神経活動を記録するために多くの成功した努力がなされているものの、bioroboticアプローチは、システムレベルの神経科学仮説6をテストするために神経系の操作を可能にするための貴重なツールを提供します。ロボット上で動作シミュレー神経系は、実験的に操作され、物理的な世界にソフトウェアモデリングの拡張を可能にすることができます。このアプローチは、よく学問の世界7,8に実装されているが、仮説検証のためのバイオミメティックロボットを構築するプロセスは高価で時間がかかります。我々は、市販のロボットkを用いbioroboticアプローチを実行するための方法を提示するそれ（レゴマインドストームNXT 2.0）。この方法の目的は、ロボット9またはバイオハイブリッド型10具現ニューラルネットワークシミュレーションにシステムレベル神経仮説をテストするための迅速かつ効率的な方法を提供することである。仮説から実験へのプロセスを加速すると、研究の生産性を向上させます。シンプルLEGOマインドストームプラットフォームは、我々はモデル生物としてアメリカンロブスター（ ロブスター属americanus）を使用して実証バイオミメティックセンサーとニューラルネットワークのためのテストベッドを提供しています。学生は自分のロボット11神経系を設計し、操作することができたような方法はまた、教室で強力なハンズオン教育ツールを提供しています。

legoロボットの神経系シミュレーションの設計と実装

Designing and Implementing Nervous System Simulations on LEGO Robots

私たちは、システムレベルの神経科学の仮説をテストするために、市販のレゴマインドストームNXTロボットプラットフォームを使用するための手法を提案する。メソッドの最初のステップは、適切なモデル生物の特定の反射的行動の神経系シミュレーションを開発することで、ここではアメリカのロブスターを使用しています。 （交差点）神経接続をdecussatingによって仲介外受容反射がBraitenbergによって記述とNXTプラットフォームを使用して調査のために特に適しているように近づいたり離れて刺激から動物のタクシーを説明することができます。1神経系シミュレーションをLEGOでLabVIEWソフトウェアを使用してプログラムされているマインドストームプラットフォーム。神経系が適切に調整されると、行動実験はロボットに、同一の環境条件下で動物に実行されます。試料が経験する感覚環境を制御することにより、行動の出力の違いを観察することができる。これらの違いは、特定のdeficiencを指すことがあります神経系モデルにおけるIESと検討中の特定の行動のためのモデルの反復をお知らせするのに役立つ。この方法は、電子神経系の実験的操作を可能にし、シンプルな生得的な反射的行動の神経生理学的基盤に関する特に神経科学仮説を探索する方法として機能します。レゴマインドストームNXTキットは予備バイオミメティックロボット制御方式をテストする上で手頃な価格で効率的なプラットフォームを提供します。アプローチもよくハンズオン問い合わせベースバイオロボティクスのカリキュラムのための基盤として機能する、高校の教室に適しています。

その神経系にロブスターの爪からの入力は、新規環境で障害交渉を仲介する。 図1は、LEGOロボット（ 図1A）とテストの分野でロブスター（ 図1B）の動作を分析するために使用されるビデオのスクリーンショットを示しています。テストアリーナは水がロボット試験用タンクから空にしたことを除いて、動物やロボットテスト間で変更されていないされました。 ビデオトラッキングの結果を図2に表示されている。動物とロボット走行経路は自動的にMATLABでMouseLabTracker 20を使用して追跡された。ロブスター（黒線）とLEGOロボット試験（色の線）の代表的なパスが表示されます。ロボット試験では、爪からシナプスの強度は、神経系への感覚神経が変化し、異なる色のパス（;青、媒質の励起、緑、高励起赤色、低い励起）で表されたバンプ。架空の神経の爪バンプ感覚ニューロンから中間レベルの興奮性接続を持つystemは、動物に似た行動を生産。定量的なパラメー...

LEGOマインドストームロボット·プラットフォーム上のニューラルネットワークモデル化へのアプローチが提示される。方法は、研究室や教室の両方で無脊椎動物神経科学研究のためのシミュレーションツールを提供します。この手法は、バイオミメティックロボット制御原理の調査を可能にします。

LEGOロボットの神経系シミュレーションの設計と実装

We present a method to use the commercially available LEGO Mindstorms NXT robotics platform to test systems level neuroscience hypotheses. The first step ...

本手法の全体的な目的は、ロボットプラットフォーム上で神経系のシミュレーションを迅速にプロトタイプ化し、テストすることです。これは、Lego Mindstorms NXTプラットフォームでニューラルネットワークシミュレーションを実行し、動物モデルとの並行比較テストを行うことで達成されます。まず、神経系シミュレーションのプラットフォームとして使用するロボットを構築します。その後、神経行動学的研究に基づいた仮想的なニューラルネットワークを構築し、ロボットプラットフォームにプログラミングします。そして、この仮想ニューラルネットワークの性能を動物の神経系と比較するために、行動学的研究を行います。これにより、モデルの不備を特定してさらなる開発に役立てることができ、また、シミュレーションパラメータを直接操作することで、システムレベルの神経科学的な仮説を検証することが可能です。こんにちは。ノースイースタン大学海洋科学センターのDan Bluesteinです。ここでは、ロボットプラットフォーム上に神経系シミュレーションを迅速に実装する手法を実演します。市販のロボットキットで利用可能なこの手順を開発したことで、神経科学に対するこのバイオロボティクス的なアプローチを、ロボット工学の経験がない研究者にとっても、手頃な価格で効率的かつ利用しやすいものにしました。このアプローチは、実践的な探究型バイオロボティクスカリキュラムの基礎として、高校や大学の教室での導入にも非常に適しています。ロボットプラットフォームを構築するための第一歩は、神経行動学の文献で十分に論じられているモデル生物を選択することです。無脊椎動物は、神経系が比較的単純で十分に研究されており、主に先天的な反射で構成されているため、一般的に適切な候補となります。アメリカロブスター（Hamas Americana）を用いて、このアプローチを実演します。次のステップは、モデリング目的のために十分に研究されている反射行動を選択することです。ロブスターを用いれば、触覚刺激、屈曲、鋏（はさみ）による接触、およびオプティカルフローに対する反応を調査することができます。単純な反射は、左右対称のセンサーからの神経接続に依存しています。このような研究には、対称的なセンサーが適しています。Lego Mindstorms NXT 2.0キットを使用して、動物モデルの身体構造を近似したロボットを構築してください。他のロボットプラットフォームも使用可能ですが、本手順で用いる市販のキットを使用することで、迅速に導入できます。次のステップは、研究用のセンサーとして選択したシステムに適合するセンサーをロボットに装備させることです。Lego Mindstormsキットに付属しているセンサーを使用するか、あるいは様々な公開資料に記載されている方法で自作のセンサーを設計して使用してください。Legoタッチセンサー、カスタムアンテナFlexポイント曲げセンサー、およびCenti Incorporated社が開発したオプティカルフローセンサーを使用して、カスタム抵抗コネクタを構築します。例えば、アンテナセンサーのスプライスにNXTコネクタワイヤを用い、黒色と白色のワイヤをセンサーのリード線にハンダ付けします。神経系のシミュレーションのプログラミングを開始するには、既報の神経行動学的研究を用いて、モデリング用のニューラルネットワークを構築してください。文献では、ロブスターからヤツメウナギに至るまで、さまざまなモデル生物の行動を説明するためのニューラルネットワークが提案されており、機能的な神経ユニットおよびそのシナプス接続を特定する必要があります。研究室の状況が許せば、理論に基づいた新しい神経行動学的実験の開発および実施も可能です。Lego Mindstormsプラットフォーム向けのネットワークのプログラミングには、LabVIEWソフトウェアを使用してください。ニューロンおよびシナプスモデル用の仮想インストゥルメントまたはBISが使用されており、これらはオンラインで入手可能です。Roloffによって開発された離散時間マップベースのモデルを推奨します。このモデルは、2つの制御パラメータにより、多様なニューロン発火出力レジームを維持しつつ、計算効率の高いリアルタイム動作が可能だからです。AlphaおよびSigmaは、シミュレートされたニューロンのダイナミクスを決定し、持続的発火、スパイク発火、カオス的発火、バースト発火、および固有の静止状態を含む多様な出力を生成します。LabVIEWは直感的なグラフィカルプログラミング環境を提供しており、迅速な実装が可能です。まず、ネットワークを反復的に更新させるため、ニューロンおよびシナプスのVIをwhileループ内に配置します。次に、シナプスを介してシナプス前ニューロンのスパイク出力をシナプス後ニューロンに接続します。その後、反復的に更新されるパラメータをシフトレジスタ経由で次の計算サイクルに渡します。DTMモデルは、次の計算回に引き継がれる高速および低速の力学的変数を更新します。ネットワークの幾何学的構造を定義するために、シナプスパラメータを設定する必要があります。DTMモデルではシナプスの強度を指定します。緩和率と逆転電位の値は、特定のネットワーク特性に合わせて調整可能ですが、以下の設定を推奨します。興奮性シナプスの場合は、JS = 0.60、gamma = 0.95、XRP = 2.2、または-1.8としてください。抑制性シナプスの場合は、αおよびσの制御パラメータを調整して、ニューロンのベースライン活動を変更します。α値に4.05、σ値に-3.10を使用することを推奨します。LabVIEWセンサーを使用して確認してください。ネットワークにセンサー情報を入力します。提供されているセンサーについては、Mindstorms lab view モジュール内にすでに VI が用意されています。カスタム抵抗センサーを使用する場合は、ライトセンサー VI をプログラミングフレームワークとして利用してください。ニューロン活性を可視化するために、LabVIEWプログラムのフロントパネルにグラフィカルチャートを挿入します。ニューラルネットワークに送られるセンサー情報を手動で操作できるよう、センサー入力をフロントパネルのコントロールボックスに一時的に置き換えます。ニューロンネットワークを実行し、フロントパネルのコントロールを手動で調整して、さまざまな感覚入力を提示します。既知の条件下で、ネットワークが定性的に予測通りに機能することを確認してください。ニューロンおよびシナプスのパラメータを変更し、必要に応じてネットワークを調整してください。ネットワークのチューニングを最初に行う際は、まずさまざまなシナプスの強度を変更して試行してください。また、他のパラメータの調整が必要になる場合もあります。ネットワークが定性的な精度で機能するようになったら、フロントパネルのコントロールボックスをセンサー入力VIに置き換え、USB接続を介してNXTプラットフォームにネットワークをプログラムします。神経系シミュレーションをテストするために、動物とロボットを同様の条件下で観察できる制御環境を構築してください。行動を記録するために、ビデオカメラを頭上に設置します。被験体と背景のコントラストを高く設定してください。これにより、自動トラッキングが可能になります。動物を制御された環境内に配置し、行動をビデオ録画してください。ロボットの能力に合わせるため、ロブスターの感覚機能を制限してください。ここでは、アルミホイルのマスクで目を覆い、淡水を用いて化学受容器を鈍らせることで、ロブスターの視覚と化学感知能力を制限します。また、Legoロボットが動作できるよう環境を調整してください。ロボットを用いて、行動テストおよびビデオ撮影の手順を繰り返します。MATLABを使用して、動物とロボットを自動的に追跡します。ここでは、オンラインで入手可能なmouse lab tracker MATLABスクリプトを使用しています。動物とロボットの移動経路のプロットを作成し、比較します。ニューラルネットワークを修正し、行動追跡実験を繰り返すことで、電子神経系のさまざまな側面がロボットの行動にどのように影響するかを観察してください。例えば、ニューラルネットワークの特定のノードにおけるシナプス強度を調整することが可能です。あるいは、テストアリーナ内の感覚条件を変更し、ロボットおよび動物における影響を観察することも可能です。ロボットと動物の行動性能を比較することで、神経系の機能原理を調査できます。ロボットにおいて、鋏脚の燃焼感覚ニューロンから神経系へのシナプス強さを変化させ、その結果生じる行動を追跡しました。赤線は、興奮性シナプスが弱いロボットの移動を表しています。青線は中程度の強さの興奮性シナプスを、緑線は興奮性シナプスが強いロボットの移動を示しています。黒線で示されているのはロブスターの経路であり、これはハサミへの刺激による中レベルの興奮性接続を持つ仮想的な神経系を表しています。感覚ニューロンは、動物と同様の行動出力を生成します。経路長や平均歩行速度など、比較のための定量的パラメータをデータから抽出することが可能です。この表に示すように、私たちは、手頃な価格で入手しやすいロボットプラットフォームを使用して、神経系のシミュレーションを実行し、テストする方法を提示しました。このアプローチは、神経系の仮説を迅速に検証するのに有用であり、ロボティクスの経験がない生物学者やその他の研究者でも容易に導入できます。NXTチップの処理能力や、ロボット実装に利用可能なセンサーの範囲など、このプラットフォームの使用にはいくつかの固有の制限があります。それにもかかわらず、この手法は身体化された神経系シミュレーションの初期段階の実装において強力なツールとなり、高校生や大学生が利用する場合、カスタムプラットフォームを用いたより詳細なバイオロボティクス研究の出発点となり得ます。このアプローチは、未来の科学者たちに神経科学、ロボット工学、そして学際的な科学の価値を教えるための、刺激的な探究型学習メソッドを提供します。ご視聴ありがとうございました。

designing-and-implementing-nervous-system-simulations-on-lego-robots

Research

JoVE Journal

Neuroscience

神経科学

DNA折り紙は、DNA分子の自己集合をプログラムすることにより、正確なナノスケール物体を製造するための強力な方法である。ここでは、DNA折り紙、その後、所望の効果に中継生物手がかりを感知し、シフト形状によって対応できるロボットのロボットを設計するために利用することができる方法について説明します。...

DNA折り紙からバイオ応答ロボットの設計

この論文では、クローズドループ実験を行うための実験フレームワークが提示されています。そこでは、ロボット体との連続的な相互作用の中で、情報処理(すなわち、コーディングとデコード)とニューロンアセンブリの学習が研究されます。...

閉ループ神経のロボット実験は、神経回路網の計算特性を試験すること

この方法の全体的な目標は、複数のソフトウェアプログラムを統合してSSVEPベースの実験手順を確立することであり、これは病人や高齢者の支援だけでなく、不衛生または危険な仕事を行うだけでなく、ヒューマノイドロボットとの脳とロボットの相互作用の研究を可能にすることです。...

ヒューマノイドロボットと脳とロボットのインタラクションのための実験手順をSSVEPベース

パラダイムは、ラットで自動化された熟練到達タスクの訓練と分析のために提示されています。引きの試みの分析は、運動学習の個別のサブプロセスを明らかにする。...

ロボットマニピュランダムに運動スキルの学習過程を調査

モジュラー設計のプロトコルを提案する、科学的、技術的な労働者の特別な生産タスクと知能ロボットの設計を支援する知能ロボットの生産の個人的なニーズに基づいて、個別のデザイン。...

モジュラー設計と閉ループ制御戦略に基づく知能ロボットの生産

分散ロボットノードは、登山植物の成長軌道を操縦するために青色光刺激のシーケンスを提供します。自然光トロピズムを活性化することにより、ロボットは、ロボットが休眠しているときに対照的に不可能である事前定義されたパターンにそれらを成長させ、バイナリ左右の決定を通して植物を導きます。...

誘導植物成長のためのロボットセンシングと刺激供給

このプロトコルは、ヤモリにインスパイアされたソフトロボットのクライミング性能の製造、制御、評価のために実行されるステップの詳細なリストを提供します。...

ヤモリにインスパイアされたソフトロボットの製造・制御・性能評価

この研究では、理論、概念、式の可視化、3次元(3次元)仮想試験装置による実験プロセスの可視化、チャートやカメラなどのウィジェットを用いた制御・監視システムの可視化など、可視化された実験を提供するオンライン実験システムについて説明する。...

工学教育・研究のためのインタラクティブで可視化されたオンライン実験システム

世界では、6人に1人が一生のうちに脳卒中を発症し、長期的な障害を引き起こすと推定されていますが、そのリハビリテーションメカニズムはまだよくわかっていません。この研究では、機能的近赤外分光法(fNIRS)による脳の活性化を評価するためのプロトコルを提案します...

機能的近赤外分光法とロボット支援下肢の多関節指差し運動を用いた実験

ここでは、協働ロボットのコラボレーションと品質管理のためのコンピュータービジョンシステムによる検証を通じて、スケーリングされた半自動アセンブリプロセスのシミュレーションと監視のためのプロトコルを提示します。...

ロボットアームの連携によるスケール化された組立プロセスのシミュレーションと、品質管理のためのビジョンシステムによる監視

学ぶLEGOロボットを用いた神経系シミュレーションの設計と実装。無脊椎動物の神経行動学的研究に基づく仮説的神経ネットワークを構築し、動物モデルとの比較実験で性能を評価する計算的手法です。

LEGOロボットの神経系シミュレーションの設計と実装

さらに動画を探す