Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

Neuroscience

תכנון ויישום מערכת עצבים בסימולציות לגו רובוטים

doi: 10.3791/50519 Published: May 25, 2013

Summary

גישה לדוגמנות רשת עצבית על פלטפורמת גו Mindstorms רובוטיקה מוצגת. השיטה מספקת כלי סימולציה למחקר מדעי המוח בשתי חוליות מעבדת המחקר והכיתה. טכניקה זו מאפשרת חקירה של עקרונות בקרת רובוט biomimetic.

Abstract

אנו מציגים שיטה להשתמש בפלטפורמת הרובוטיקה LEGO Mindstorms NXT זמינה מסחרי כדי לבדוק את מערכות השערות מדעי המוח ברמה. הצעד הראשון של השיטה הוא לפתח מערכת עצבים סימולציה של התנהגויות רפלקסיביות ספציפיות של אורגניזם מודל מתאים, כאן אנו משתמשים בלובסטר האמריקאי. רפלקסים Exteroceptive תיווך decussating (מעבר) קשרים עצביים יכולים להסביר מוניות של בעלי חיים לכיוון או הרחק מגירוי כפי שתואר על ידי Braitenberg והם בעיקר מתאימים לחקירה באמצעות פלטפורמת NXT. 1 הסימולציה מערכת העצבים מתוכנת באמצעות תוכנת LabVIEW בגו פלטפורמת Mindstorms. ברגע שמערכת העצבים היא מכוונת כמו שצריך, ניסויים התנהגותיים מנוהלים על הרובוט ועל בעלי החיים בתנאים סביבתיים זהים. על ידי שליטה בסביבה החושית שחווים את הדגימות, ניתן לראות הבדלים בפלטים התנהגותיים. הבדלים אלה עשויים להצביע על ספציפי deficiencies במודל מערכת העצבים ומשמש להודיע ​​איטרציה של המודל להתנהגות מסוימת תחת מחקר. שיטה זו מאפשרת למניפולציה הניסויית של מערכת עצבים אלקטרונית ומשמשת כדרך לחקור השערות מדעי המוח באופן ספציפי בנוגע לבסיס neurophysiological של התנהגויות רפלקסיביות מולדות פשוטות. לגו Mindstorms NXT הערכה מספקת פלטפורמה נוח ויעילה שעליו לבדוק את תוכניות בקרת רובוט biomimetic ראשוניות. הגישה היא גם מתאימה מאוד לכיתה בבית הספר הגבוהה לשמש כבסיס לידות על חקירה המבוססת על תכנית לימודים biorobotics.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

חקירות neurophysiological במהלך 100 השנים האחרונות הרחיבו מאוד את הידע של מבנה מערכת עצבים ובתפקוד שלנו. עם זאת, הרוב המכריע של מחקר מערכת עצבים עד כה הסתמך על השימוש בתכשירים בודדים או נושאים מאופקים. אמנם יש כבר הרבה מאמצים מוצלחים להקלטת פעילות עצבית מהתנהגות בעלי חיים 2-5 באופן חופשי, גישת biorobotic מספקת כלי רב ערך כדי לאפשר למניפולצית מערכת עצבים על מנת לבדוק מערכות השערות מדעי המוח ברמת 6. מערכות עצבים מדומה הפועלות על רובוטים ניתן להשפיע באופן ניסיוני ולאפשר הרחבה של תוכנת מודלים לעולם הפיזי. גישה זו יושמה גם בעולם האקדמי 7,8 אבל בתהליך של בניית רובוט biomimetic לבדיקת השערה יכול להיות יקר זמן רב. אנו מציגים שיטה לביצוע גישת biorobotic באמצעות רובוטיקה K זמין מסחריזה (לגו Mindstorms NXT 2.0). המטרה של שיטה זו היא לספק דרך מהירה ויעילה לבדיקת מערכות ברמת השערות מדעי המוח ברובוטית או 9 סימולציות רשת עצביות ביולוגיות היברידיות 10 גלומות. מאיץ את התהליך מהשערה לניסוי משפר את הפרודוקטיביות מחקר. פלטפורמת Mindstorms לגו פשוט מספקת מיטת בדיקה לחיישני biomimetic ורשתות עצביות שבו אנו מדגימים באמצעות לובסטר האמריקאי (Homarus americanus) כאורגניזם מודל. השיטה מספקת גם עוצמה הידיים על כלי חינוכי בכיתה כתלמידים יכולים לתכנן ולתפעל מערכות עצבים לרובוטים 11 משלהם.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

1. בניית מודל הרובוט

  1. בחר אורגניזם מודל ללמוד שמיוצג היטב בספרות neuroethological. חסרי חוליות באופן כללי להפוך את מועמדים טובים בגלל מערכת העצבים פשוטה יחסית נחקרה היטב ומורכב בעיקר של רפלקסים מולדים. נדגים גישה זו באמצעות לובסטר האמריקאי, Homarus americanus.
  2. בחר היטב למדו התנהגויות רפלקסיביות לצרכי דוגמנות. אנו בחרנו תגובות של הלובסטר לעיקול ומחושים לאיתור בליטה טופר כחיה רפלקסיבי מגיבה לכיפוף של אנטנות כדי לעורר rheotaxis (נטייה לזרימת מים) ואילו אנשי קשר טפר לתווך הימנעות ממכשולים. רפלקסים פשוטים הנשענים על decussating קשרים עצביים מחיישני ילטרלי סימטריים מתאימים גם לסוג זה של מחקר זה 1.
  3. לבנות או לבחור פלטפורמה רובוטית עם חיישנים מתאימים להתנהגויות שנבחרו על מנת להפעיל העצביסימולציה של רשת. בעוד רובוט ייעודי ניתן לבנות כגון פרבור (ג'וק) רובוט משפחת 13 12 RoboLobster או, כאן אנו משתמשים בערכה זמינה מסחרי כדי לזרז את תהליך הניסוי. לגו Mindstorms NXT 2.0 הערכה, מתן תבניות, רכיבים מודולריים וחיישנים שנקבעו, מאפשרת לבנייה הפיסית המהירה של הרובוט.
  4. בחר או לבנות חיישנים כדי להתאים את שיטות של ההתנהגויות שנבחרו בשלב 1.2. Premade יכולים לשמש חיישנים מגו Mindstorms הערכה או יכולים להיות מהונדסים חיישני homebrew 14,15. יש לנו נבחרת חיישן מגע לגו וכלל חיישן עיקול מחושים מותאם אישית בהיקף של חיישן עיקול FlexPoint שחבור למחבר NXT. לבנות מחבר התנגדות מותאם אישית, לחתוך חוט מחבר NXT ולרתך את הכבלים השחורים ולבנים למוביל של החיישן.
  5. השתמש במחקרים שפורסמו בעבר neuroethological למצוא או לפתח רשת עצבית היפותטית לדוגמנות עמ 'urposes. הספרות הציעה רשתות עצביות שונות כדי להסביר את ההתנהגות באורגניזמים מודל שונים, מלובסטרים 16 לצמד הים 17. יחידות עצביות פונקציונליות צריכים להיות מזוהות והקשרים סינפטיים תאוריה. יכולים להיות גם שפותחו ניסויי neuroethological רומן ויישמו אם נסיבות תאפשר מעבדה.

2. תכנות מערכת העצבים

  1. השתמש בתוכנת LabVIEW יחד עם מודול LabVIEW לגו Mindstorms NXT ליצור מכשירים וירטואליים (VIS) שרצים למשוואות מתמטיים נוירון ומודל סינפסה. אמנם ניתן להשתמש בכל מודל שפורסם, אנו ממליצים בפעם דיסקרטית מבוסס המפה (DTM) מודל 18. זה מאפשר לפעולה בזמן אמת, תוך שמירה על המחשוב יעיל במגוון של משטרי פלט ירי עצביים. שני פרמטרים בקרה, אלפא סיגמא, ולקבוע את הדינמיקה של נוירון המדומה כדי להפיק פלט עצבי מגוון הכוללים טוניג spiking, ירי כאוטי, שתיקה מתפרצת ומהותית. ניתן למצוא LabVIEW מול Mindstorms לגו למודל נוירון זה באינטרנט כאן: http://myfiles.neu.edu/blustein.d/neurobots
  2. מקום מול לתוך לולאה בזמן, כך שהרשת תעדכן iteratively.
  3. חבר תפוקות ספייק נוירון presynaptic דרך סינפסות לנוירונים postsynaptic.
  4. פס iteratively מעדכן פרמטרים באמצעות שינוי יירשם לחישוב המחזור הבא. מודל העדכונים המהיר DTM (x) ומשתנים דינמיים איטיים (y), כי הם עברו לאיטרציה הבאה של חישובים.
  5. להגדיר את פרמטרי סינפסה להגדיר מאפייני רשת. עבור כל סינפסה, חוזק סינפטי (gsyn), שיעור ההרפיה (גמא), ופוטנציאל ההיפוך (XRP) הם מקדמים במשוואות מודל DTM הקובעות את התנהגות הסינפטי. הערך של gsyn הוא רבPlier הקובע את עוצמת ההשפעה הנוכחית הסינפטי מאירוע ספייק, הנעה בין 0.0 (ללא אפקט) ל -1.0 (% אפקט 100). הערך של גמא הוא מכפיל הקובע את קצב הדעיכה של הזרם הסינפטי ללא קשר לאירועי ספייק, הנע בין 0.0 (ריקבון מלא) ל1.0 (אין ריקבון). הערך של XRP קובע את רמת עירור או העיכוב של סינפסה, ערכים בדרך כלל נע בין 3.0 ל -3.0 עם ערכים חיוביים מייצגים את העירור וערכים שליליים המייצגים את העיכוב. יכולים להיות מכוון לערכי מאפייני הרשת הספציפיים שלך. כאן אנו משתמשים בהגדרות הבאות: גמא = 0.95, 0.60 = gsyn וXRP = 2.2 (סינפסה מעוררת) או -1.8 (סינפסה המעכבת).
  6. התאם אלפא ופרמטרי בקרת סיגמא לשנות פעילות הנוירון תחילת המחקר. את הדינמיקה של המודל עבור פרמטרים בקרה שונים מתואר בפירוט במקומות אחרים אבל בדרך כלל 18, אלפא סיגמא או טוניק spiking לערכי סיגמא גבוהים. המעבר בין 'נמוכה' ו 'גבוהה' ערכי סיגמא מתרחש בדרך כלל בין 1.0 -1.0 ובהתאם לערך אלפא. מתפוצץ פעילות הנוירון מיוצר עבור אלפא> 4 כאשר ערכי סיגמא הם קרובים לאפס. כאן אנו משתמשים אלפא = 4.05 וסיגמא = -3.10.
  7. השתמש במידע LabVIEW מול חיישן קלט לתוך הרשת שלך כדי. לחיישנים הניתנים, VIS כבר זמין בתוך מודול LabVIEW Mindstorms. עבור חיישני התנגדות מותאמים אישית, השתמש בחיישן האור השישי כמסגרת תכנות. ניתן למצוא מידע על יצירת חיישני homebrew מקום אחר 14.
  8. הכנס תרשימים גרפיים על הלוח הקדמי של תכנית LabVIEW לדמיין פעילות עצבית.
  9. באופן זמני להחליף תשומות חיישן עם קופסות בקרת לוח קדמיות על מנת לתפעל את החיישן באופן ידנימידע הולך לרשת העצבית.
  10. הפעל את הרשת העצבית וידניות להתאים את בקרות לוח הקדמיות כדי להציג קלט חושי מגוון. ודא שהרשת איכותית מתפקדת כפי שחזה לתנאים ידועים.
  11. התאם את הרשת לפי צורך על ידי שינוי פרמטרי נוירון והסינפסה. ניסיונות הראשונים לכוונון הרשת צריך להיעשות על ידי שינוי חוזק סינפטי (gsyn) של סינפסות השונות. פרמטרים אחרים יכולים שיהיה צורך להתאים גם כן.
  12. ברגע שפונקציות הרשת איכותי עם דיוק, להחליף את תיבות לוח הבקרה הקדמיות עם חיישן קלט VIS.

3. בדיקת הדמיה של מערכת עצבים

  1. הגדר את הסביבה מבוקרת שבו כדי לבחון את בעלי החיים ואת הרובוט בתנאים דומים. אנו משתמשים במכל מלבני המכיל מכשולי סלע (איור 1). יכול להיות מרוקן את המכל כדי להתאים את הרובוט לגו באותו החלל.
  2. הר AVמעל המצלמה IDEO להקליט את התנהגות רובוט בעלי החיים /. ודא את הניגוד בין הנושא והרקע הוא גבוה, כדי לאפשר מעקב אוטומטי. אנחנו צבענו את חלקו התחתון של בדיקת הטנק הלבן.
  3. מניחים את החיה בסביבה המבוקרת ולהקליט וידאו בהתנהגות. הקפד להגביל את היכולות החושיות של הלובסטר לתואם את אלה של הרובוט. כאן אנו מגבילים את היכולות החושיות של הלובסטר על ידי כיסוי העיניים עם מסכת נייר אלומיניום וdeafferenting chemoreceptors עם מים מתוקים 19.
  4. התאם את הסביבה כדי שיתאים לרובוט לגו (הסרת מים במידת צורך) ולהפעיל את הרובוט באותה הסביבה מבוקרת.
  5. השתמש בתסריט MATLAB כדי לעקוב באופן אוטומטי את הסמנים בדגימות. אנו משתמשים בMouseLabTracker 20.
  6. יצירה ולהשוות חלקות וקטור של בעלי החיים ותנועות רובוט.
  7. לשנות את מערכת עצבים וחזרו על שלבים 3.3-3.6 כדי לבחון כיצד היבטים שונים האלקטרונימערכת עצבים משפיעה על התנהגותו של הרובוט. כאן אנו להתאים את החוזק הסינפטי בין תאי עצב טפר חתחת החיישן והמערכת המוטורית וביצועי רובוט לפקח בהשוואה לזו של לובסטר. לחלופין, ניתן לשנות את התנאים החושיים בזירת המבחן ואת ההשפעות שנצפו ברובוט ובעלי חיים. לדוגמה, בזירה שתוארה כאן יכולה להיות נתונה לספיקות מים שונות.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

תשומות מטפריו של לובסטר לתוך מערכת העצבים שלו לתווך משא ומתן מכשול בסביבת רומן. איור 1 מציג צילום מסך של הווידאו להשתמש כדי לנתח את ההתנהגות של רובוט לגו (איור 1 א) ולובסטר (איור 1) בזירת המבחן. זירת המבחן הייתה ללא שינוי בין בעלי החיים ובדיקות רובוט אלא שהמים התרוקנו מהמכל לניסויי הרובוט.

תוצאות מעקב וידאו מוצגות באיור 2. נתיבי נסיעה של בעלי חיים ורובוט היו במעקב באופן אוטומטי באמצעות MouseLabTracker 20 בMATLAB. נתיבים עבור נציג לובסטר (קווים שחורים) וניסויים רובוט לגו (קווים צבעוניים) מוצגים. בניסויי הרובוט, חוזק הסינפטי מהטפר להקפיץ עצב סנסורי לתוך מערכת העצבים היה מגוון ומיוצג על ידי נתיבים בצבעים שונים (עירור אדום, נמוך; עירור כחול, בינוני; ירוק עירור, גבוה). עצבים של היפותטיתystem עם חיבורים מעוררים אמצע רמה מעצב סנסורי חתחת טפר מיוצר התנהגויות דומות לבעלי החיים. ניתן לחלץ פרמטרים כמותיים מנתונים כגון אורך דרך ומהירות הליכה ממוצעת (טבלת I).

איור 1
איור 1. מסגרות וידאו תקורה של זירת המבחן לגו רובוט () והלובסטר (ב) ניסויים. תנאים הוחזקו זהים, פרט למים שנוספה לטנק לניסויים בבעלי החיים. תמונת וידאו ניגודיות הגבוהה מאפשרת מעקב אוטומטי באמצעות תוכנת MATLAB.

איור 2
איור 2. מעקב של לובסטר (קווים שחורים) וגו רובוט (קווים צבעוניים) נתיבים באמצעות המבחן רנה מוצגת באיור 1 על הרובוט, כוח הסינפטי מתא עצב חיישן חתחת טפר היה מגוון (עירור אדום, נמוך; עירור כחול, בינוני; ירוק, עירור גבוה).. הסמל * מציין את נקודת ההתחלה וצורות שחורות מלאות להציג את מיקומם של מכשולים. מאז היה במעקב מיקום הראש, קשר מכשול לכאורה משתנה עקב השתנות בעמדת טופר.

מרחק נתיב ממוצע (ס"מ) מהירות נסיעה ממוצעת (ס"מ)
לובסטר 177.37 1.03
רובוט לגו (עירור גבוה) 162.72 0.94
רובוט לגו (אמצע עירור) 165.32 0.85
רובוט לגו (עירור נמוך) 51.02 0.69

ithin עמודים = "תמיד"> לוח ט פי ממוצע פרמטרים מניתוח נתוני התנהגות וידאו ללובסטרים ולרובוטים לגו עם עוצמות שונות של סינפסות קלט מהמערכת חושי הבליטה טופר.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

בעת ביצוע ניסויי סימולציה של מערכת עצבים biorobotic, ישנם כמה קווים מנחים חשובים לעקוב. בחירת אורגניזם המודל הנכון היא קריטית: לאסוף האורגניזם שהוא קל להשגה ולתחזוקה. חסרי חוליות הן אידיאליים, כי הם בדרך כלל לא דורשים את אישור מוסדי לניסויים ולצרכי הגידול בעלי הם לעתים קרובות פחות תובעניים מאלו של בעלי חוליות. מנקודת מבט מדעית, זה מועיל לבחירת בעל חיים שיש לו רקורד ספרות neuroethological ומבוסס שממנו ניתן להסיק השערות לבדיקת 21.

חשובה בדיוק כמו בחירת האורגניזם מתאים היא הבחירה של רפלקסים התנהגות מתאימים למחקר. פלטפורמת NXT הגו יכולה לטפל רק ארבעה חיישנים ללא שינויים מותאמים אישית ולכן בחירת מערכת חושית פשוטה יחסית עם חיישנים מוגבלים הוא חשוב. רפלקסים התנהגותיים פשוטים לעתים קרובות תאר היטב ולספק גמישות רבה יותר בhypotheses שיכול להיבדק. כוח המחשוב של NXT הוא גורם מגביל מדי ולכן מאמצים צריכים להיעשות כדי לצמצם את היקף הסימולציה של מערכת העצבים. מדענים לעתים קרובות לפרסם הציעו רשתות עצביות המסבירות התנהגויות מסוימות וזה הקל ביותר כדי לבחור אחד מאלה. מסים וkineses פשוטים מתאימים גם לגישת biorobotic זה 22.

בעוד הגישה זו שימושית לבדיקה מהירה של השערות במערכת עצבים, יש כמה מגבלות שכדאי לזכור. היקף הבדיקה אפשרי מוגבל. מערכות חושיות מורכבות לא ניתן להשתמש בפלטפורמה זו. לדוגמה, בעיבוד חזותי מורכב הוא מעבר ליכולת של מעבד NXT אבל שאלות הקשורות יכול להיות מטופל על ידי חקירת מרכיבים פשוטים יותר של מערכת הראייה, כגון עיבוד זרימה אופטית. חבילת החיישן לNXT מספקת כמה מגבלות מובנות כלהיקף חקירות זמינות. אמנם ניתן לפתח חיישנים מותאמים אישית ושימוש on NXT, זה זמן רב בתהליך שדורש מומחיות אלקטרוניקה, אולי מבטל את היתרונות של הפלטפורמה ליישום ניסיוני מהיר.

אמנם יש מגבלות על הטווח של השערות שיכולות להיות שנבדקו, גישה זו מספקת כלי ייחודי לביצוע שלב המוקדם של סימולציות במערכת עצבים גלומות. הפלטפורמה לגו Mindstorms NXT יכולה לשמש כקרש קפיצה לבדיקה יסודית יותר השערות ברמת מערכות כפי שמודגם על ידי רובוטים כגון RoboLamprey 9 וקריקט הרובוטית של ברברה ווב 23. רכיבים פשוטים של ארכיטקטורות בקרת biomimetic נרחבות ניתן לבדוק בצורה מהירה ופשוטה. השיטה יכולה גם לקדם את הסימולציות ביו היברידיות השולטות סוכנים וירטואליים לכוללים מגולם שליטה ברכב 24, והיא יכולה לשמש כמסגרת שליטת biomimetic לממשק בין המוח למכונה 25.

באמצעות לגופלטפורמת Mindstorms מאפשרת העברה של גישת biorobotic זה לקהל רחב יותר בבתי ספר ובמעבדות מחוץ לרובוטיקה. הכלים היו בשימוש על ידי בית ספר תיכון וסטודנטים 11 ולספק שיטה המבוססת על החקירה מרגשת ללמד את מדעי המוח, רובוטיקה, וערכיו של המדע בינתחומי. מעבדות ללא ציוד או הרקע דרוש כדי לבנות רובוטים יכולים להשתמש בערכת רובוטיקה הזרם המרכזי נתמכת היטב זה לשימוש רובוטים ככלי בעבודתם. גישת biorobotic אפשר ליישם למחקר במגוון רחב של תחומים, החל ממדעי המוח ואתולוגיה לביומכניקה והתנהגות חברתית.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

החוקרים מצהירים כי אין להם אינטרסים כלכליים מתחרים.

Acknowledgments

אנו מודים לד"ר כריס רוג'רס (אוניברסיטת טאפטס) לקבלת הצעות תכנות וכתב יד. אנו מודים לאלכס ג'וליאנו ודבורה לי לתמיכת הפקת וידאו.

מימון הניתן על ידי NSF בוגרת מלגת מחקר וmuri ONR בביולוגיה סינטטי.

References

  1. Braitenberg, V. Taxis, kinesis and decussation. Prog. in Brain Res. 17, 210-222 (1965).
  2. Schregardus, D. S., Pieneman, A. W., Ter Maat, A., Jansen, R. F., Brouwer, F., Gahr, M. L. A lightweight telemetry system for recording neuronal activity in freely behaving small animals. Journal of Neuroscience Methods. 155, (1), 62-71 (2006).
  3. Kagaya, K., Takahata, M. Readiness discharge for spontaneous initiation of walking in crayfish. Journal of Neuroscience. 30, (4), 1348-1362 (2010).
  4. Schrameck, J. E. Crayfish Swimming: Alternating Motor Output and Giant Fiber Activity. Science. 169, (3946), 698-700 (1970).
  5. Kanz, J. E., Eberly, L. B., Cobbs, J. S., Pinsker, H. M. Neuronal correlates of siphon withdrawal in freely behaving Aplysia. J. Neurophysiol. 42, (6), 1538-1556 (1979).
  6. Webb, B. Validating biorobotic models. Journal of Neural Engineering. 3, 1-20 (2006).
  7. Wessnitzer, J., Asthenidis, A., Petrou, G., Webb, B. A cricket-controlled robot orienting towards a sound source. Proceedings of the 12th Annual conference on Towards autonomous robotic systems. 1-12 (2011).
  8. Grasso, F., Atema, J. Integration of flow and chemical sensing for guidance of autonomous marine robots in turbulent flows. Environ. Fluid Mech. 2, (1), 95-114 (2002).
  9. Westphal, A., Rulkov, N. F., Ayers, J., Brady, D., Hunt, M. Controlling a lamprey-based robot with an electronic nervous system. Smart Struct. and Systems. 8, (1), 39-52 (2011).
  10. Chao, Z. C., Bakkum, D. J., Potter, S. M. Shaping embodied neural networks for adaptive goal-directed behavior. PLoS Computational Biology. 4, (3), e1000042 (2008).
  11. 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).
  12. Ayers, J., Blustein, D., Westphal, A. A Conserved Biomimetic Control Architecture for Walking, Swimming and Flying Robots. Lect. Notes on Artif. Intelli. 7375, 1-12 (2012).
  13. 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).
  14. Gasperi, M., Hurbain, P. Extreme NXT: Extending the LEGO MINDSTORMS NXT to the Next Level. Apress. Berkeley, C.A. (2007).
  15. Gasperi, M. LabVIEW for LEGO MINDSTORMS NXT. National Technology and Science Press. Allendale, N.J. (2008).
  16. Kennedy, D., Davis, W. Chapter 27 Organization of invertebrate motor systems. Handbook of Physiology. 1, 1023-1088 (1977).
  17. Buchanan, J., Grillner, S. Newly identified "glutamate interneurons" and their role in locomotion in the lamprey spinal cord. Science. 236, (4799), 312-314 (1987).
  18. Rulkov, N. Modeling of spiking-bursting neural behavior using two-dimensional map. Physical Review E. 65, (2002).
  19. Derby, C. D., Atema, J. Narrow-spectrum chemoreceptor cells in the walking legs of the lobster, Homarus americanus: Taste specialists. Journal of Comparative Physiology A. 146, (2), 181-189 (1982).
  20. Tort, A. B. L., Neto, W. P., Amaral, O. B., Kazlauckas, V., Souza, D. O., Lara, D. R. A simple webcam-based approach for the measurement of rodent locomotion and other behavioural parameters. Journal of Neuroscience Methods. 157, (1), 91-97 (2006).
  21. Huxley, T. H. The Crayfish, An Introduction to the Study of Zoology. C. Kegan Paul & Co. London. (1880).
  22. Blustein, D., Ayers, J. A conserved network for control of arthropod exteroceptive optical flow reflexes during locomotion. Lect. Notes on Artif. Intelli. 6226, 72-81 (2010).
  23. Webb, B., Scutt, T. A simple latency-dependent spiking-neuron model of cricket phonotaxis. Biological Cybernetics. 82, (3), 247-269 (2000).
  24. Demarse, T. B., Wagenaar, D. A., Blau, A. W., Potter, S. M. The Neurally Controlled Animat: Biological Brains Acting with Simulated Bodies. Autonomous Robots. 11, (3), 305-310 (2001).
  25. Novellino, A., D'Angelo, P., Cozzi, L., Chiappalone, M., Sanguineti, V., Martinoia, S. Connecting neurons to a mobile robot: an in vitro bidirectional neural interface. Computational Intelligence and Neuroscience. 12725 (2007).
תכנון ויישום מערכת עצבים בסימולציות לגו רובוטים
Play Video
PDF DOI

Cite this Article

Blustein, D., Rosenthal, N., Ayers, J. Designing and Implementing Nervous System Simulations on LEGO Robots. J. Vis. Exp. (75), e50519, doi:10.3791/50519 (2013).More

Blustein, D., Rosenthal, N., Ayers, J. Designing and Implementing Nervous System Simulations on LEGO Robots. J. Vis. Exp. (75), e50519, doi:10.3791/50519 (2013).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter