Summary
LEGO Mindstorms robotik platformda sinir ağı modelleme için bir yaklaşım sunulmaktadır. Yöntemi omurgasız nörolojik araştırma laboratuvarında hem de araştırma ve sınıf için bir simülasyon aracı sağlar. Bu teknik biyomimetik robot kontrol ilkeleri soruşturma sağlar.
Abstract
Biz sistemleri düzeyde nörolojik hipotezleri test etmek için ticari LEGO Mindstorms NXT robot platformu kullanmak için bir yöntem mevcut. Yöntemin ilk adım uygun bir model organizma belirli refleks davranışlar sinir sistemi simülasyonu geliştirmektir, burada biz Amerikan Istakoz kullanın. (Geçiş) sinirsel bağlantılar decussating aracılık eksteroseptif refleksleri Braitenberg tarafından açıklanan ve NXT platformu kullanarak soruşturma için özellikle uygun olarak doğru ya da uzak bir uyarıcı bir hayvanın taksi açıklayabilir. 1. Sinir sistemi simülasyonu LEGO üzerinde LabVIEW yazılımı ile programlanır Mindstorms platformu. Sinir sistemi düzgün ayarlanmış sonra, davranışsal deneyler robot ve aynı çevre koşulları altında hayvan işletilmektedir. Örneklerin yaşadığı duyusal ortamı kontrol ederek, davranış çıkışları farklılıklar görülebilir. Bu farklılıklar belirli deficienc işaret edebilirve sinir sistemi modeli ler çalışılan belirli bir davranışı için modelin yineleme bilgilendirmek için hizmet vermektedir. Bu yöntem elektronik sinir sistemlerinin deneysel manipülasyon için izin verir ve özellikle basit doğuştan gelen refleks davranışların nörofizyolojik olarak ilgili nörobilim hipotezler keşfetmek için bir yol olarak hizmet vermektedir. LEGO Mindstorms NXT seti ön biyomimetik robot kontrol düzenleri test etmek için bir ekonomik ve verimli bir platform sağlar. Yaklaşımı da iyi bir için temel olarak hizmet eller sorgulamaya dayalı biorobotics müfredat lise sınıf için uygundur.
Introduction
Son 100 yılda nörofizyolojik araştırmaları son derece sinir sistemi yapısı ve fonksiyonu hakkındaki bilgilerimizi genişletmiştir. Ancak, bugüne kadar sinir sistemi araştırma çoğunluğu izole preparatları veya ölçülü konuların kullanımı güvendi. Serbestçe hayvanlar 2-5 davranıyor gelen sinirsel aktivite kayıt için birçok başarılı çalışmalar varken, biorobotic yaklaşım sistemleri düzeyde nörolojik hipotezleri 6 test etmek için sinir sistemi manipülasyon için izin vermek için değerli bir araç sağlar. Robotlar işletim simüle sinir sistemleri deneysel manipüle ve fiziksel dünyaya yazılım modelleme uzatılması için izin olabilir. Bu yaklaşım iyi akademik dünyada 7,8 uygulanmıştır ancak hipotez testi için bir biyomimetik robot inşa süreci pahalı ve zaman alıcı olabilir. Biz bir ticari robotik k kullanarak biorobotic yaklaşım çalıştırmak için bir yöntem mevcutbu (LEGO Mindstorms NXT 2.0). Bu yöntemin amacı robotik 9 veya biyo-hibrid 10 somutlaşan sinir ağı simülasyonlar sistemleri düzeyde nörolojik hipotezleri test etmek için hızlı ve verimli bir şekilde sağlamaktır. Hipotez gelen deneme sürecinin hızlandırılması araştırma verimliliğini artırır. Basit LEGO Mindstorms platformu bir model organizma olarak Amerikan Istakoz (Istakoz americanus) kullanarak işlemini göstermektedir biyomimetik sensörler ve sinir ağları için bir test yatağı sağlar. Bu yöntem aynı zamanda öğrencilerin kendi robotlar 11 için tasarım ve sinir sistemleri işleyebilirsiniz olarak sınıfta eğitim aracı eller güçlü sağlar.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Robot Model Bina
- Iyi neuroethological literatürde temsil olduğunu incelemek için bir model organizma seçin. Nispeten basit bir sinir sistemine de incelenmiştir ve öncelikle doğuştan gelen refleksleri oluşur, çünkü omurgasız genellikle iyi bir aday olun. Biz Amerikan Istakoz, Istakoz americanus kullanarak bu yaklaşım gösterecektir.
- Modelleme amacıyla iyi okudu refleksif davranış seçin. Hayvan refleks pençe kişiler engellerden kaçınma aracılık ederken rheotaxis (su akışı için yönlendirme) ortaya çıkarmak için anten bükme yanıt olarak Biz antennal viraj ve pençe yumru algılama için ıstakoz yanıtları seçtiniz. Bilateral simetrik sensörlerden gelen sinirsel bağlantılar decussating dayanarak basit refleksleri iyi çalışma 1 bu tür için uygundur.
- Sinir çalıştırmak için seçilen davranışları için uygun sensörlü bir robot platform oluşturmak veya seçinağ simülasyonu. Özel bir robot gibi RoboLobster 12 veya Sprawl (hamamböceği) robot aile 13 olarak inşa edilebilir olsa da, burada deneysel süreci hızlandırmak için bir ticari kiti kullanın. Şablonlar, modüler bileşenler ve kurulan sensörler sağlayan LEGO Mindstorms NXT 2.0 kiti, robotun hızlı fiziksel inşaat için izin verir.
- Seçin veya adım 1.2 'de seçilen davranışların yöntemleri maç sensörleri inşa. Premade LEGO Mindstorms kiti sensörler kullanılabilir ya da ev yapımı içki sensörler 14,15 tasarlanmış olabilir. Biz dahil LEGO dokunmatik sensör ve NXT konnektörüne spliced bir Flexpoint viraj sensörü oluşan özel bir anten viraj sensörü seçtiniz. Özel bir direnç bağlantı oluşturmak için, bir NXT konektörü tel ve lehim sensörün yol için siyah ve beyaz kabloları kesti.
- Modelleme p varsayımsal bir sinir ağı bulmak ya da geliştirmek için daha önce yayınlanmış neuroethological çalışmalar kullanınurposes. Literatür lamprey 17 ıstakoz 16, çeşitli model organizmalarda davranışlarını açıklamak için çeşitli sinir ağları önerdi. Fonksiyonel sinir birimleri tespit ve sinaptik bağlantıları teorize edilmelidir. Laboratuvar koşullarda izin verirseniz Roman neuroethological deneyler de geliştirilmiş ve uygulanabilir.
2. Sinir Sistemi Programlama
- Matematiksel nöron ve sinaps modeli için denklemler çalıştırmak Sanal Aletleri (Vis) oluşturmak için LEGO MINDSTORMS NXT için LabVIEW Modülü ile birlikte LabVIEW yazılımı kullanın. Yayımlanmış herhangi bir modeli kullanılabilir, biz (DTM) harita tabanlı modeli 18 ayrık zaman tavsiye. Nöronal ateşleme çıkışı rejimleri çeşitli korunurken Bu hesaplama açısından verimli gerçek zamanlı bir çalışma sağlar. İki kontrol parametreleri, alfa ve sigma, toni dahil olmak üzere çeşitli sinir çıktı üretmek için simüle nöron dinamiklerini belirlemekc spike, kaotik ateş, patlama ve içsel sessizlik. Bu nöron modeli için LEGO Mindstorms için LabVIEW Vis burada online olarak bulunabilir: http://myfiles.neu.edu/blustein.d/neurobots
- Yeri ağ iteratif güncellenir böylece iken döngü içine Vis.
- Postsinaptik nöronlara sinaps yoluyla presinaptik nöron başak çıkışı bağlayın.
- Iteratif vardiya ile parametreleri güncellemiş pas bir sonraki hesaplama döngüsü kaydolur. DTM modeli güncellemeler hızlı (x) ve hesaplamalar bir sonraki yineleme geçirilen yavaş (y) dinamik değişkenler.
- Ağ özelliklerini tanımlamak için sinaps parametreleri ayarlayın. Her sinaps için, sinaptik gücü (gsyn), gevşeme oranı (gama) ve ters potansiyel (XRP) sinaptik davranışını belirlemek DTM modeli denklemlerde katsayıları. Gsyn değeri çok olan0.0 (etkisiz) 1.0 (% 100 etkisi) arasında değişen bir artış olaydan sinaptik mevcut etkinin büyüklüğü, belirler Pense. Gama değeri 0.0 (tam çürüme) 1.0 (hiçbir çürüme) arasında değişen, ne olursa olsun başak olayların sinaptik akımın çürüme oranı belirleyen bir çarpanı. XRP değeri, uyarma veya sinaps inhibe düzeyini belirler -3.0 gelen uyarma ve inhibisyon temsil eden negatif değerleri temsil pozitif değerler ile 3.0 tipik aralığı değerleri. Değerler özel ağ özellikleri için ayarlanmış olabilir. Burada aşağıdaki ayarları kullanın: gama = 0.95, gsyn = 0.60 ve XRP = 2.2 (eksitatör sinaps) veya -1.8 (inhibitör sinaps).
- Temel nöron aktivitesini değiştirmek için alfa ve sigma kontrol parametreleri ayarlayın. Çeşitli kontrol parametreleri için modelin dinamikleri alfa, genellikle başka bir yerde 18 ayrıntılı olarak açıklanmıştır ancak sigma değerleri veya yüksek sigma değerleri için spike tonik için kendinden sessiz sinirsel aktivite üretir. 'Düşük' ve 'yüksek' sigma değerleri arasındaki geçiş genellikle alfa değerine bağlı olarak -1.0 ile 1.0 arasında oluşur. Nöron aktivitesi patlama alfa için üretilen> 4 sigma değerleri sıfıra yakın olduğunda. Burada alfa = 4.05 ve sigma = -3.10 kullanın.
- Ağınıza giriş sensörü bilgilere LabVIEW Vis kullanın. Sağlanan sensörler için, Vis Mindstorms LabVIEW modülü içinde zaten mevcuttur. Özel dirençli sensörler için, bir programlama çerçeve olarak Işık Sensörü VI kullanın. Homebrew sensörleri oluşturma hakkında bilgi başka bir yerde 14 bulunabilir.
- Nöronal aktivite görselleştirmek için LabVIEW programının ön panelindeki grafik çizelgeleri yerleştirin.
- Geçici olarak el sensör işlemek için ön panel kontrol kutuları ile sensör girişi yerinesinir ağı olacak bilgiler.
- Nöronal ağ çalıştırmak ve elle çeşitli duyusal girdi sunmak için ön panel kontrolleri ayarlayın. Ağ niteliksel olarak bilinen koşulları için tahmin çalışır emin olun.
- Nöron ve sinaps parametreleri değiştirerek gerektiği gibi ağ ayarlayın. Ayar de ilk girişimleri ağ çeşitli sinaps sinaptik gücü (gsyn) değiştirerek yapılmalıdır. Diğer parametreler de ayarlanması gerekebilir.
- Nitel hassasiyetle ağ fonksiyonları kez, Vis sensör girişi ile ön panel kontrol kutuları değiştirin.
3. Sinir Sistemi Simülasyon Test
- Aynı koşullar altında, hayvan ve robot gözlemlemek için kontrollü bir ortamda ayarlayın. Biz kaya engeller (Şekil 1) içeren bir dikdörtgen tankı kullanın. Tank aynı alanda LEGO robot karşılamak için boşaltılabilir.
- Dağı avideo kamera havai hayvan / robot davranışları kaydetmek için. Konu ve arka plan arasındaki kontrast otomatik izleme sağlamak için yüksek olduğundan emin olun. Biz test tankı beyaz altındaki boyalı.
- Kontrollü bir ortamda ve video kayıt davranış hayvan yerleştirin. Robotun bu maç için ıstakoz duyusal yeteneklerini sınırlamaz emin olun. Burada bir alüminyum folyo maskesi ile gözleri kapsayan ve tatlı su 19 ile kemoreseptörlerin deafferenting tarafından ıstakoz en duyusal yeteneklerini de kısıtlar.
- Bir LEGO robot (gerekirse su kaldırma) uygun ve aynı kontrollü bir ortamda robot çalıştırmak için ortam ayarlayın.
- Otomatik olarak numuneler üzerindeki işaretleri izlemek için MATLAB komut dosyasını kullanın. Biz MouseLabTracker 20 kullanın.
- Hayvan ve robot hareketlerinin vektör grafikleri oluşturun ve karşılaştırın.
- Sinir sistemi ve elektronik ne kadar farklı yönlerini gözlemlemek için adımları tekrarlayın 3,3-3,6 Değiştirsinir sistemi robotun davranışını etkiler. Burada bir ıstakoz kıyasla pençe yumru sensör nöronlar ve motor sistemi ve monitör robot performans arasındaki sinaptik gücü ayarlayın. Alternatif olarak, test alanında duyusal koşulları değiştirilmiş ve etki robot ve hayvan gözlemlenebilir. Örneğin, burada açıklanan arenada farklı su akış oranlarına tabi olabilir.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Kendi sinir sistemine bir ıstakoz pençeleri girdileri yeni bir ortamda engel müzakere arabuluculuk. Şekil 1, LEGO robot (Şekil 1A) ve test arenada bir ıstakoz (Şekil 1B) davranışını analiz etmek için kullanılan ekran görüntüsü gösterir. Test arenada su robot denemeler için tankından boşaltılması dışında hayvan ve robot testler arasında değiştirilmemiş oldu.
Video izleme sonuçları Şekil 2'de görüntülenir. Hayvan ve robot seyahat yolları otomatik olarak MATLAB MouseLabTracker 20 kullanılarak takip edildi. Istakoz (siyah çizgiler) ve LEGO robot denemeler (renkli çizgiler) için Temsilcisi yolları gösterilmiştir. Robot çalışmalarda, pençe gelen sinaptik gücü sinir sistemine duyusal nöronlar çeşitli ve farklı renkli yolları (, mavi, orta uyarma, yeşil, yüksek uyarma kırmızı, düşük uyarım) tarafından temsil edilmiştir çarpmak. Varsayımsal sinir spençe yumru duyusal nöronlardan orta düzey eksitatör bağlantılar ile istem hayvana benzer davranışları üretti. Kantitatif parametreleri, yol uzunluğu ve ortalama yürüme hızı (Tablo I) verileri elde edilebilir.
Şekil 1. Test LEGO robot (A) için arena ve ıstakoz (B) denemeler. Koşullar suyun dışında aynı tutuldu bir Tepegöz video kareleri hayvan çalışmaları için tank eklendi. Yüksek kontrastlı video görüntüsü MATLAB yazılımı kullanarak otomatik izleme kolaylaştırır.
Şekil 2. Test ile ıstakoz (siyah çizgiler) ve LEGO robot (renkli çizgiler) yolları takibirena Şekil 1'de gösterilen robot üzerinde pençe yumru sensörü nöronlardan sinaptik gücü (kırmızı, düşük uyarma, mavi, orta uyarma, yeşil, yüksek uyarılma) çeşitlidir.. * Sembolü başlangıç pozisyonuna gösterir ve dolu siyah şekiller engellerin yerini göstermek. Baş pozisyonu izleniyor bu yana, belirgin engel temas pençe pozisyonda değişkenlik nedeniyle değişir.
| Ortalama yolu mesafesi (cm) | Ortalama seyahat hızı (cm) | |
| Istakoz | 177.37 | 1.03 |
| LEGO Robot (yüksek uyarma) | 162.72 | 0.94 |
| LEGO Robot (orta uyarma) | 165.32 | 0.85 |
| LEGO Robot (düşük uyarım) | 51.02 | 0.69 |
Tablo I'de ıstakoz ve pençe yumru duyu sistemi girişi sinaps çeşitli güçlü olan LEGO robotlar için video davranış verilerinin analizi parametreleri Ortalamalı.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Biorobotic sinir sistemi simülasyon deneyleri başlatırken, takip için birkaç önemli kurallar vardır. Doğru model organizma seçimi önemlidir: elde etmek ve korumak için kolay bir organizma seçin. Genellikle deney için kurumsal onayı gerektirmeyen ve hayvancılık ihtiyaçlarını genellikle omurgalıların daha az talep olduğu için omurgasız idealdir. Bilimsel açıdan bakıldığında, 21 test etmek için hipotezler çizmek için bir köklü neuroethological edebiyat kaydı var bir hayvan seçmek için faydalıdır.
Uygun bir organizma seçimi kadar önemli bir çalışma için uygun davranış refleksleri seçimidir. LEGO NXT platformu sadece özel modifikasyonlar çok sınırlı sensörleri ile nispeten basit bir duyu sistemi seçmeden dört sensörleri işleyebilir önemlidir. Basit davranış refleksleri çoğu açıklanan ve hypot daha fazla esneklik sağlamaktadırtest edilebilir heses. NXT işlem gücü çabaları sinir sisteminin simülasyon kapsamını azaltmak için yapılmalıdır çok çok sınırlayıcı bir faktördür. Bilim adamları genellikle belirli davranış açıklayan sinir ağları önerilen yayınlamak ve bunlardan birini seçmek için en kolay yoldur. Basit vergi ve kineses de bu biorobotic yaklaşım 22 için uygundur.
Bu yaklaşım, sinir sistemi hipotez hızlı test için yararlı olsa da, akılda tutulması gereken bazı sınırlamalar vardır. Olası test kapsamı sınırlıdır. Karmaşık duyu sistemleri bu platform ile kullanılamaz. Örneğin, karmaşık görsel işleme, optik akış işleme gibi görme sisteminin basit bileşenleri, soruşturma ile ele alınabilir NXT işlemci ama ilgili sorular yeteneği dışındadır. NXT için sensör paketi kullanılabilir soruşturma kapsamına gibi bazı doğal sınırlamalar sağlar. Özel sensörler geliştirdi ve o kullanılabileceği gibin NXT, bu muhtemelen hızlı deneysel uygulanması için platformun avantajları inkâr, elektronik uzmanlık gerektiren zaman alıcı bir süreçtir.
Test edilebilir hipotezlerin dizi sınırlamalar olsa da, bu yaklaşım somutlaşan sinir sisteminin simülasyon erken dönemde uygulanması için eşsiz bir araç sağlar. LEGO Mindstorms NXT platform olarak RoboLamprey 9 ve Barbara Webb robot kriket 23 gibi robotlar gösterdiği sistemleri seviyesi hipotezler daha kapsamlı bir test için bir basamak olarak hizmet verebilir. Kapsamlı biyomimetik kontrol mimarileri basit bileşenleri hızlı ve basit bir şekilde test edilebilir. Yöntemi de somutlaşan araç kontrol 24 dahil etmek için sanal ajanlar kontrol biyo-hibrid simülasyonları ilerletebilir ve beyin ve makine 25 arasındaki arayüz için bir biomimetic kontrol çerçevesi olarak hizmet verebilir.
LEGO kullanarakMindstorms platformu robot dışında okul ve laboratuvarlarda daha geniş bir kitleye bu biorobotic yaklaşımın aktarımı sağlar. Araçları lise ve üniversite öğrencileri 11 tarafından kullanılan ve nörobilim, robotik, ve disiplinler arası bilim değerini öğretmek için heyecan verici bir araştırma-tabanlı bir yöntem sağlar edilmiştir. Robotlar oluşturmak için gerekli ekipman veya arka plan olmadan Laboratuvarları işlerinde bir araç olarak robotlar kullanmak için bu iyi desteklenen ana robot kiti kullanabilirsiniz. Biorobotic yaklaşım nörolojik ve etoloji gelen biyomekanik ve sosyal davranış, alanları bir dizi araştırma için geçerli olabilir.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Yazarlar hiçbir rakip mali çıkarlarının olmadığını beyan ederim.
Acknowledgments
Biz programlama ve el yazması öneriler için Dr Chris Rogers (Tufts Üniversitesi) teşekkür ederim. Biz Video üretim desteği için Alex Giuliano ve Deborah Lee teşekkür ederim.
Finansman bir NSF Yüksek Lisans Araştırma Bursu ve Sentetik Biyoloji bir ONR MURI tarafından sağlanan.
References
- Braitenberg, V. Taxis, kinesis and decussation. Prog. in Brain Res. 17, 210-222 (1965).
- 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).
- Kagaya, K., Takahata, M. Readiness discharge for spontaneous initiation of walking in crayfish. Journal of Neuroscience. 30 (4), 1348-1362 (2010).
- Schrameck, J. E. Crayfish Swimming: Alternating Motor Output and Giant Fiber Activity. Science. 169 (3946), 698-700 (1970).
- 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).
- Webb, B. Validating biorobotic models. Journal of Neural Engineering. 3, 1-20 (2006).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Gasperi, M., Hurbain, P. Extreme NXT: Extending the LEGO MINDSTORMS NXT to the Next Level. , Apress. Berkeley, C.A. (2007).
- Gasperi, M. LabVIEW for LEGO MINDSTORMS NXT. , National Technology and Science Press. Allendale, N.J. (2008).
- Kennedy, D., Davis, W. Chapter 27 Organization of invertebrate motor systems. Handbook of Physiology. 1, 1023-1088 (1977).
- Buchanan, J., Grillner, S. Newly identified "glutamate interneurons" and their role in locomotion in the lamprey spinal cord. Science. 236 (4799), 312-314 (1987).
- Rulkov, N. Modeling of spiking-bursting neural behavior using two-dimensional map. Physical Review E. 65, (2002).
- 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).
- 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).
- Huxley, T. H. The Crayfish, An Introduction to the Study of Zoology. , C. Kegan Paul & Co. London. (1880).
- 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).
- Webb, B., Scutt, T. A simple latency-dependent spiking-neuron model of cricket phonotaxis. Biological Cybernetics. 82 (3), 247-269 (2000).
- 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).
- 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).
