Projetando e implementando Simulações do Sistema Nervoso em LEGO Robots

O objetivo geral deste método é prototipar e testar rapidamente simulações do sistema nervoso em uma plataforma robótica. Isso é obtido executando simulações de redes neurais na plataforma Lego Mindstorms NXT e realizando testes de comparação lado a lado com o modelo animal. Primeiro, um robô é construído para ser usado como plataforma para a simulação do sistema nervoso.

Uma rede neural hipotética baseada no estudo neuroetológico é então desenvolvida e programada na plataforma robótica. Estudos etológicos são conduzidos para comparar o desempenho hipotético das redes neurais com o do sistema nervoso animal. Deficiências no modelo podem ser identificadas e informar seu desenvolvimento posterior, as hipóteses de neurociência em nível de sistemas podem ser testadas por manipulação direta de parâmetros de simulação.

Olá, sou Dan Bluestein, do Centro de Ciências Marinhas da Northeastern University. Aqui, demonstraremos uma abordagem para implementar rapidamente simulações do sistema nervoso em uma plataforma robótica. Ao desenvolver este procedimento para uso em um kit de robótica disponível comercialmente, tornamos essa abordagem biorobótica da neurociência acessível, eficiente e acessível a pesquisadores sem experiência em engenharia robótica.

Essa abordagem também é adequada para a sala de aula do ensino médio e da faculdade para servir como base para um currículo prático de biorobótica baseado em investigação. O primeiro passo na construção da plataforma do robô é escolher um organismo modelo para estudar que esteja bem representado na literatura neuroetológica. Os invertebrados geralmente são bons candidatos porque seus sistemas nervosos relativamente simples foram bem estudados e são compostos principalmente de reflexos inatos.

Demonstraremos essa abordagem usando a lagosta americana Hamas Americana. O próximo passo é selecionar comportamentos reflexivos bem estudados para fins de modelagem. Com a lagosta, podemos investigar as respostas à intenção, curvatura, colisão de garras e fluxo óptico.

Reflexos simples que dependem de conexões neurais de deck bilateralmente. Sensores simétricos são adequados para esse tipo de estudo. Usando o kit Lego Mindstorms NXT 2.0, construa um robô que se aproxime da estrutura corporal do modelo animal.

Outras plataformas de robôs podem ser usadas, mas o kit disponível comercialmente que usamos aqui permite uma implementação rápida. O próximo passo é equipar o robô com sensores que correspondam aos sistemas escolhidos para os sensores de estudo. Incluído no kit Lego Mindstorms pode ser usado ou sensores caseiros podem ser projetados conforme descrito em uma variedade de material publicado.

Usamos o sensor de toque Lego, um sensor de curvatura de ponto Flex de antena personalizado e um sensor de fluxo óptico desenvolvido pela Centi Incorporated para construir um conector resistivo personalizado, como o sensor de antena, emendar um fio conector NXT e soldar os fios preto e branco aos fios do sensor. Para começar a programar a simulação do sistema nervoso, use estudos neuroetológicos publicados anteriormente para desenvolver uma rede neural para fins de modelagem. A literatura tem proposto redes neurais para explicar o comportamento de vários organismos modelo, de lagostas a lampre, unidades neurais funcionais devem ser identificadas e suas conexões sinápticas.

Novos experimentos neuroetológicos teorizados também podem ser desenvolvidos e implementados se as circunstâncias laboratoriais permitirem. Use o software LabVIEW para programar a rede para a plataforma Lego Mindstorms. Instrumentos virtuais ou BIS para um modelo de neurônio e sinapse são usados e podem ser encontrados online.

Recomendamos o modelo discreto baseado em mapa de tempo desenvolvido por Roloff porque permite uma operação em tempo real computacionalmente eficiente, mantendo uma variedade de regimes de saída de disparo neuronal dois parâmetros de controle. Alpha e Sigma determinam a dinâmica do neurônio simulado para produzir saídas variadas, incluindo tônica, pico, disparo caótico, explosão e silêncio intrínseco. A visualização de laboratório fornece um ambiente de programação gráfica que é intuitivo e permite uma implantação rápida em primeiro lugar, coloque os vi's de neurônios e sinapses em um loop while para que a rede seja atualizada iterativamente.

Em seguida, conecte as saídas de pico de neurônios pré-sinápticos por meio de sinapses a neurônios pós-sinápticos. Em seguida, passe iterativamente os parâmetros de atualização por meio de registradores de deslocamento para o próximo ciclo de cálculo. O modelo DTM atualiza variáveis dinâmicas rápidas e lentas que são passadas para a próxima iteração de cálculos.

Os parâmetros de sinapse devem ser definidos para definir a geometria da rede. O modelo DTM especifica a força de uma sinapse, a taxa de relaxamento e os valores de potencial de reversão podem ser ajustados para suas características específicas de rede, mas recomendamos as configurações a seguir. JS é igual a 0,60, gama é igual a 0,95 e XRP é igual a 2,2 para uma sinapse excitatória ou menos 1,8.

Para uma sinapse inibitória, ajuste os parâmetros de controle alfa e sigma para modificar a atividade dos neurônios basais. Recomendamos usar um valor alfa igual a 4,05 e um valor sigma igual a menos 3,10. Use o sensor de visualização de laboratório vs.

Para inserir informações do sensor em sua rede. Para sensores fornecidos, os vi's já estão disponíveis no módulo de visualização do laboratório Mindstorms. Para sensores resistentes personalizados, use o VI do sensor de luz como uma estrutura de programação.

Insira gráficos no painel frontal do programa de visualização de laboratório para visualizar a atividade neuronal. Substitua temporariamente as entradas do sensor por caixas de controle do painel frontal para manipular manualmente as informações do sensor que vão para a rede neural, executar a rede neuronal e ajustar manualmente os controles do painel frontal para apresentar entradas sensoriais variadas. Confirme se a rede funciona qualitativamente conforme previsto para condições conhecidas.

Ajuste a rede conforme necessário, alterando os parâmetros do neurônio e da sinapse. As primeiras tentativas de sintonizar a rede devem ser feitas alterando a força das várias sinapses. Outros parâmetros também podem precisar ser ajustados.

Assim que a rede funcionar com precisão qualitativa, substitua as caixas de controle do painel frontal pela entrada do sensor VI'S para programar a rede na plataforma NXT por meio de uma conexão USB. Para testar a simulação do sistema nervoso, configure um ambiente controlado para observar o animal e o robô em condições semelhantes. Monte uma câmera de vídeo acima da cabeça para registrar comportamentos.

Certifique-se de que o contraste entre o assunto e o fundo seja alto. Para permitir o rastreamento automático. Coloque o animal no ambiente controlado e grave o comportamento em vídeo.

Certifique-se de limitar as capacidades sensoriais da lagosta para corresponder às do robô. Aqui, restringimos a visão da lagosta e a detecção de quimioterapia cobrindo os olhos com uma máscara de papel alumínio e amassando os receptores de quimioterapia com água doce. Modifique o ambiente para permitir a operação do robô Lego.

Repita o procedimento de teste de comportamento e gravação de vídeo usando o robô. Use o MATLAB para rastrear automaticamente o animal e o robô. Usamos o script MATLAB do rastreador de laboratório de camundongos, que está disponível online.

Crie e compare gráficos dos movimentos de animais e robôs. Modifique a rede neural e repita o experimento de rastreamento comportamental para observar como diferentes aspectos do sistema nervoso eletrônico afetam o comportamento do robô. Por exemplo, as forças sinápticas em certos nós da rede neural podem ser ajustadas.

Alternativamente, as condições sensoriais na arena de teste podem ser modificadas e os efeitos observados em robôs e animais. Ao comparar o desempenho comportamental de um robô e de um animal, podemos investigar princípios da função do sistema nervoso. A força sináptica dos neurônios sensoriais da garra para o sistema nervoso foi variada em um robô e o comportamento resultante foi rastreado.

As linhas vermelhas representam os robôs de movimento com sinapses excitatórias fracas. As linhas azuis mostram sinapses excitatórias de força média e as linhas verdes mostram o movimento do robô com fortes sinapses excitatórias. Os caminhos da lagosta são representados por linhas pretas, o sistema nervoso hipotético com conexões excitatórias de nível médio da colisão da garra.

Os neurônios sensoriais produzem uma saída comportamental semelhante à do animal. Parâmetros quantitativos para comparação podem ser extraídos dos dados, como comprimento do caminho e velocidade média de caminhada. Conforme mostrado nesta tabela, acabamos de mostrar Como usar uma plataforma de robô acessível e acessível para executar e testar simulações do sistema nervoso.

Essa abordagem é útil para o teste rápido de hipóteses do sistema nervoso e pode ser rapidamente adotada por biólogos e outros pesquisadores sem experiência em robótica. Existem algumas limitações inerentes ao uso dessa plataforma, como os recursos de processamento do chip NXT e a variedade de sensores disponíveis para implementação robótica. No entanto, essa abordagem é uma ferramenta poderosa para a implementação em estágio inicial de simulações do sistema nervoso incorporado e pode servir como ponto de partida para investigações biorobóticas mais aprofundadas usando plataformas personalizadas quando usadas por estudantes do ensino médio e universitários.

Essa abordagem fornece um método empolgante baseado em investigação para ensinar neurociência, robótica e o valor da ciência interdisciplinar para os cientistas do futuro. Obrigado por assistir.