LEGOロボットの神経系シミュレーションの設計と実装

この方法の全体的な目標は、ロボットプラットフォーム上で神経系シミュレーションを迅速にプロトタイプ化してテストすることです。これは、Lego Mindstorms NXTプラットフォーム上でニューラルネットワークシミュレーションを実行し、動物モデルと並べて比較テストを行うことで実現されます。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されるロボットを構築します。

次に、神経行動学の研究に基づく仮想的なニューラルネットワークが開発され、ロボットプラットフォームにプログラムされます。動物行動学の研究は、仮想的なニューラルネットワークのパフォーマンスを動物の神経系のパフォーマンスと比較するために行われます。モデルの欠陥を特定し、シミュレーションパラメータを直接操作することで、そのさらなる開発システムレベルの神経科学仮説をテストできます。

こんにちは、ノースイースタン大学海洋科学センターのダン・ブルースタインです。ここでは、ロボットプラットフォーム上で神経系シミュレーションを迅速に実装するアプローチを示します。この手順を市販のロボティクスキットで使用するように開発することで、このバイオロボティクスの神経科学へのアプローチは、ロボット工学の経験がない研究者でも手頃な価格で効率的にアクセスしやすいものにしました。

このアプローチは、高校や大学の教室で、実践的な探究型バイオロボティクスカリキュラムの基盤として機能するのにも適しています。ロボットプラットフォームを構築するための最初のステップは、神経行動学の文献でよく表現されている研究対象のモデル生物を選択することです。無脊椎動物は、比較的単純な神経系が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、一般的に良い候補になります。

このアプローチを、アメリカのロブスター・ハマス・アメリカーナを用いて実演します。次のステップは、モデリング目的でよく研究された再帰的動作を選択することです。ロブスターを使用すると、インテン、ベンド、クローバンプ、オプティカルフローに対する応答を調べることができます。

単純な反射神経は、両側からの神経接続をデッキ化することに依存しています。対称型センサは、この種の研究に適しています。Lego Mindstorms NXT 2.0 キットを使用して、動物モデルの体型に近似したロボットを組み立てます。

他のロボットプラットフォームも使用できますが、ここで使用している市販のキットを使用すると、迅速に実装できます。次のステップは、スタディセンサー用に選択したシステムに一致するセンサーをロボットに装備することです。レゴマインドストームキットに含まれているものは、使用することも、さまざまな公開資料で概説されているように自作センサーを設計することもできます。

Lego タッチ センサー、カスタム アンテナ Flex Point Bend センサー、Centi Incorporated が開発したオプティカル フロー センサーを使用して、アンテナ センサーが NXT コネクタ ワイヤをスプライスし、黒と白のワイヤをセンサーのリード線にはんだ付けするなどのカスタム抵抗膜コネクタを構築します。まず、神経系シミュレーションのプログラミングでは、以前に発表された神経行動学的研究を使用して、モデリング目的のニューラルネットワークを開発します。文献では、ロブスターからヤツメバチまで、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とそのシナプス接続を特定する必要があります。

理論化された新しい神経行動学実験も、実験室の状況が許せば開発および実施することができます。LabVIEWソフトウェアを使用して、Lego Mindstormsプラットフォームのネットワークをプログラミングします。ニューロンとシナプスモデルの仮想機器またはBISが使用されており、オンラインで見つけることができます。

Roloffが開発したディスクリートタイムマップベースのモデルは、さまざまなニューロンの発火出力レジームである2つの制御パラメータを維持しながら、計算効率の高いリアルタイム操作を可能にするため、推奨します。アルファとシグマは、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、強壮、スパイク、カオス発火、バースト、内因性静寂など、さまざまな出力を生成します。ラボビューは、直感的でグラフィカルなプログラミング環境を提供し、ニューロンとシナプスVIをwhileループに迅速に展開して、ネットワークが反復的に更新されるようにします。

次に、シナプス前ニューロンのスパイク出力をシナプスを介してシナプス後ニューロンに接続します。次に、シフト レジスタを介して繰り返し更新されるパラメーターを次の計算サイクルに渡します。DTM モデルは、次の計算反復に渡される高速および低速の動的変数を更新します。

Synapse パラメーターは、ネットワーク ジオメトリを定義するために設定する必要があります。DTMモデルはシナプスの強度を指定し、緩和率と反転電位の値は特定のネットワーク特性に合わせて調整できますが、次の設定をお勧めします。興奮性シナプスの場合、JSは0.60、ガンマは0.95、XRPは2.2、または負の1.8です。

抑制性シナプスの場合、アルファおよびシグマ制御パラメータを調整して、ベースラインニューロンの活動を変更します。アルファ値は 4.05 に、シグマ値は負の 3.10 にすることをお勧めします。ラボビューセンサーと

ネットワークにセンサー情報を入力するには。提供されているセンサーの場合、viはMindstormsラボビューモジュール内ですでに利用可能です。カスタム耐性センサの場合は、プログラミングフレームワークとして光センサVIを使用します。

ラボビュー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て、ニューロンの活動を視覚化します。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て、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し、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表示します。ネットワークが既知の条件で予測どおりに定性的に機能することを確認します。

必要に応じて、ニューロンとシナプスのパラメータを変更してネットワークを調整します。ネットワークを調整する最初の試みは、さまざまなシナプスの強度を変更することによって行う必要があります。他のパラメータも調整する必要がある場合があります。

ネットワークが定性的な精度で機能したら、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に交換し、USB接続を介してネットワークをNXTプラットフォームにプログラムします。神経系のシミュレーションをテストするには、同様の条件下で動物とロボットを観察するための制御された環境を設定します。動作を記録するために、オーバーヘッドにビデオカメラを取り付けます。

被写体と背景のコントラストが高いことを確認してください。自動追跡を可能にするため。動物を制御された環境に置き、行動をビデオに記録します。

ロブスターの感覚能力をロボットの感覚能力と一致するように制限してください。ここでは、アルミホイルマスクで目を覆い、ケモ受容体を真水でへこませることで、ロブスターの視力と化学療法の検出を制限します。レゴロボットを操作できるように環境を変更します。

ロボットを使用して動作テストと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。私たちは、オンラインで入手できるマウスラボトラッカーMATLABスクリプトを使用しています。

動物とロボットの動きのプロットを作成して比較します。ニューラルネットワークを変更し、行動追跡実験を繰り返して、電子神経系のさまざまな側面がロボットの動作にどのように影響するかを観察します。たとえば、ニューラルネットワークの特定のノードでのシナプス強度を調整できます。

あるいは、テストアリーナの感覚条件を変更し、ロボットや動物で観察される効果を変更することができます。ロボットと動物の行動性能を比較することで、神経系の働きの原理を調べることができます。爪の尻の感覚ニューロンから神経系へのシナプスの強さをロボットで変化させ、その結果として生じる行動を追跡しました。

赤い線は、興奮性シナプスが弱い運動ロボットを表しています。青い線は中程度の強度の興奮性シナプスを示し、緑の線は強い興奮性シナプスを持つロボットの動きを示しています。ロブスターの道は黒い線で表されており、爪の隆起から中レベルの興奮性接続を持つ仮想の神経系です。

感覚ニューロンは、動物と同様の行動出力を生成します。データから、経路の長さや平均歩行速度などの定量的なパラメータを抽出できます。この表に示すように、手頃な価格でアクセス可能なロボットプラットフォームを使用して、神経系シミュレーションを実行およびテストする方法を示しました。

このアプローチは、神経系の仮説を迅速に検証するのに役立ち、ロボット工学の経験がない生物学者やその他の研究者でもすぐに採用できます。このプラットフォームの使用には、NXTチップの処理能力やロボット実装に利用できるセンサーの範囲など、いくつかの固有の制限があります。それにもかかわらず、このアプローチは、身体性神経系シミュレーションの初期段階の実装のための強力なツールであり、高校生や大学生が使用するカスタムプラットフォームを使用したより詳細なバイオロボット調査の出発点として役立つことができます。

このアプローチは、神経科学、ロボット工学、および学際的科学の価値を未来の科学者に教えるための刺激的な探究ベースの方法を提供します。ご覧いただきありがとうございます。