Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Neuroscience

लेगो रोबोट पर तंत्रिका तंत्र सिमुलेशन डिजाइन और कार्यान्वयन

doi: 10.3791/50519 Published: May 25, 2013

Summary

लेगो Mindstorms रोबोटिक्स मंच पर तंत्रिका नेटवर्क मॉडलिंग के लिए एक दृष्टिकोण प्रस्तुत किया है. विधि अकशेरुकी तंत्रिका विज्ञान अनुसंधान प्रयोगशाला दोनों में अनुसंधान और कक्षा के लिए एक सिमुलेशन उपकरण प्रदान करता है. इस तकनीक biomimetic रोबोट नियंत्रण सिद्धांतों की जांच में सक्षम बनाता है.

Abstract

हम सिस्टम स्तर तंत्रिका विज्ञान परिकल्पना का परीक्षण करने के लिए व्यावसायिक रूप से उपलब्ध लेगो Mindstorms NXT रोबोटिक्स मंच का उपयोग करने के लिए एक तरीका मौजूद है. विधि के पहले कदम के लिए एक उपयुक्त मॉडल जीव के विशिष्ट कर्मकर्त्ता व्यवहार का एक तंत्रिका तंत्र अनुकरण विकसित करना है, यहाँ हम अमेरिकी झींगा का उपयोग करें. (पार) तंत्रिका कनेक्शन decussating द्वारा मध्यस्थता Exteroceptive सजगता Braitenberg द्वारा वर्णित और NXT के मंच का उपयोग कर जांच के लिए विशेष रूप से अच्छी तरह से अनुकूल हैं के रूप में की ओर या दूर एक प्रोत्साहन से एक जानवर की टैक्सियों की व्याख्या कर सकते हैं. 1 तंत्रिका तंत्र अनुकरण लेगो पर LabVIEW सॉफ्टवेयर का उपयोग कर क्रमादेशित है Mindstorms मंच. तंत्रिका तंत्र ठीक से देखते है एक बार, व्यवहार प्रयोगों रोबोट पर और समान पर्यावरणीय परिस्थितियों में पशु पर चलाए जा रहे हैं. नमूनों द्वारा अनुभवी संवेदी परिवेश को नियंत्रित करके, व्यवहार outputs में अंतर देखा जा सकता है. इन मतभेदों को विशिष्ट deficienc के लिए बात कर सकते हैंऔर तंत्रिका तंत्र के मॉडल में एँ अध्ययन के तहत विशेष व्यवहार के लिए मॉडल की यात्रा को सूचित करने के लिए काम करते हैं. इस विधि इलेक्ट्रॉनिक नर्वस सिस्टम की प्रयोगात्मक हेरफेर के लिए अनुमति देता है और विशेष रूप से सरल सहज कर्मकर्त्ता व्यवहार की neurophysiological आधार के बारे में तंत्रिका विज्ञान परिकल्पना का पता लगाने के तरीके के रूप में कार्य करता है. लेगो Mindstorms NXT किट प्रारंभिक biomimetic रोबोट नियंत्रण योजनाओं का परीक्षण करने के लिए, जिस पर एक किफायती और कुशल मंच प्रदान करता है. दृष्टिकोण को भी अच्छी तरह से एक के लिए नींव के रूप में सेवा करने के लिए हाथ पर पूछताछ आधारित biorobotics पाठ्यक्रम उच्च विद्यालय के कक्षा के लिए अनुकूल है.

Introduction

पिछले 100 वर्षों में neurophysiological जांच काफी तंत्रिका तंत्र की संरचना और समारोह के हमारे ज्ञान चौड़ी है. लेकिन, आज तक तंत्रिका तंत्र अनुसंधान के बहुमत पृथक तैयारी या रोका विषयों के प्रयोग पर भरोसा है. स्वतंत्र रूप से जानवरों को 2-5 बर्ताव से तंत्रिका गतिविधि रिकॉर्ड करने के लिए कई सफल प्रयास किया गया है, वहीं biorobotic दृष्टिकोण सिस्टम स्तर तंत्रिका विज्ञान परिकल्पना 6 का परीक्षण करने के क्रम में तंत्रिका तंत्र में गड़बड़ी के लिए अनुमति देने के लिए एक महत्वपूर्ण उपकरण प्रदान करता है. रोबोट पर काम कर नकली नर्वस सिस्टम प्रयोगात्मक छेड़छाड़ और भौतिक दुनिया के लिए सॉफ्टवेयर मॉडलिंग के विस्तार के लिए अनुमति देने के किया जा सकता है. यह दृष्टिकोण अच्छी तरह अकादमिक दुनिया 7,8 में लागू किया गया है, लेकिन परिकल्पना के परीक्षण के लिए एक biomimetic रोबोट के निर्माण की प्रक्रिया महंगी और समय लग सकता है. हम एक व्यावसायिक रूप से उपलब्ध रोबोटिक्स कश्मीर का उपयोग कर biorobotic दृष्टिकोण निष्पादित करने के लिए एक विधि प्रस्तुतयह (लेगो Mindstorms NXT 2.0). इस पद्धति का लक्ष्य रोबोट 9 या जैव संकर 10 सन्निहित तंत्रिका नेटवर्क सिमुलेशन पर सिस्टम स्तर तंत्रिका विज्ञान परिकल्पना का परीक्षण करने के लिए एक तेजी से और कारगर तरीका प्रदान करना है. परिकल्पना से प्रयोग करने की प्रक्रिया में तेजी अनुसंधान उत्पादकता में सुधार. सरल लेगो Mindstorms मंच हम एक मॉडल जीव के रूप में अमेरिकी झींगा (Homarus americanus) का उपयोग कर प्रदर्शित जो biomimetic सेंसर और तंत्रिका नेटवर्क के लिए एक परीक्षण बिस्तर प्रदान करता है. विधि को भी छात्रों को अपने ही रोबोट 11 के लिए डिजाइन और नर्वस सिस्टम में हेरफेर कर सकते हैं के रूप में कक्षा में शैक्षिक उपकरण के हाथों पर एक शक्तिशाली प्रदान करता है.

Protocol

1. रोबोट आदर्श बिल्डिंग

  1. अच्छी तरह neuroethological साहित्य में प्रतिनिधित्व किया है कि अध्ययन करने के लिए एक मॉडल जीव चुनें. उनके अपेक्षाकृत सरल नर्वस सिस्टम अच्छी तरह से अध्ययन किया गया है और मुख्य रूप से सहज सजगता के शामिल हैं क्योंकि अकशेरुकी आम तौर पर अच्छे उम्मीदवार हैं. हम अमेरिकी झींगा, Homarus americanus का उपयोग करते हुए इस दृष्टिकोण का प्रदर्शन करेंगे.
  2. मॉडलिंग प्रयोजनों के लिए अच्छी तरह से अध्ययन कर्मकर्त्ता व्यवहार का चयन करें. पशु reflexively पंजा संपर्क बाधा परिहार मध्यस्थता जबकि rheotaxis (जल प्रवाह करने के लिए ओरिएंटेशन) बटोर एंटीना के झुकने का जवाब है के रूप में हम स्पर्शतंतु मोड़ करने के लिए और पंजा टक्कर का पता लगाने के लिए समुद्री झींगा की प्रतिक्रियाओं को चुना है. द्विपक्षीय सममित सेंसरों से तंत्रिका कनेक्शन decussating पर भरोसा सरल सजगता अच्छी तरह से अध्ययन 1 के इस प्रकार के लिए अनुकूल हैं.
  3. तंत्रिका चलाने के लिए चयनित व्यवहार के लिए उपयुक्त सेंसर के साथ एक रोबोट मंच बनाएँ या चुननानेटवर्क अनुकरण. एक समर्पित रोबोट ऐसे RoboLobster 12 या फैलाव (तिलचट्टा) रोबोट परिवार 13 के रूप में निर्माण किया जा सकता है, यहाँ हम प्रयोगात्मक प्रक्रिया में तेजी लाने के लिए एक व्यावसायिक रूप से उपलब्ध किट का उपयोग करें. टेम्पलेट्स, मॉड्यूलर घटकों और स्थापित सेंसर उपलब्ध कराने लेगो Mindstorms NXT 2.0 किट, रोबोट का तेजी से शारीरिक निर्माण के लिए अनुमति देता है.
  4. चुने या 1.2 चरण में चयनित व्यवहार के तौर तरीकों के मैच के लिए सेंसर का निर्माण. Premade लेगो Mindstorms किट से सेंसर का इस्तेमाल किया जा सकता है या homebrew सेंसर 14,15 इंजीनियर हो सकता है. हम शामिल लेगो स्पर्श संवेदक और एक NXT के कनेक्टर को spliced ​​एक FlexPoint मोड़ सेंसर से मिलकर एक कस्टम स्पर्शतंतु मोड़ संवेदक का चयन किया है. एक कस्टम प्रतिरोधक कनेक्टर का निर्माण करने के लिए, एक NXT के कनेक्टर तार और मिलाप संवेदक का नेतृत्व करने के लिए काले और सफेद तारों को काट दिया.
  5. मॉडलिंग पी के लिए एक काल्पनिक तंत्रिका नेटवर्क खोजने के लिए या विकसित करने के लिए पहले से प्रकाशित neuroethological पढ़ाई का प्रयोग करेंurposes. साहित्य एक प्रकार की मछली 17 से झींगा मछलियों 16 से, विभिन्न मॉडल जीवों के व्यवहार की व्याख्या करने के लिए विभिन्न तंत्रिका नेटवर्क का प्रस्ताव किया है. कार्यात्मक तंत्रिका इकाइयों की पहचान की और उनके synaptic कनेक्शन सिद्धांत दिया जाना चाहिए. प्रयोगशाला परिस्थितियों की अनुमति अगर उपन्यास neuroethological प्रयोगों को भी विकसित और लागू किया जा सकता है.

2. तंत्रिका तंत्र प्रोग्रामिंग

  1. एक गणितीय न्यूरॉन और synapse मॉडल के लिए समीकरण चलाते हैं कि वर्चुअल उपकरण (विज़) बनाने के लिए लेगो Mindstorms NXT के लिए LabVIEW का मॉड्यूल के साथ LabVIEW सॉफ्टवेयर का प्रयोग करें. किसी भी प्रकाशित मॉडल का उपयोग किया जा सकता है, हम (DTM) नक्शा आधारित मॉडल 18 असतत समय सलाह देते हैं. Neuronal फायरिंग उत्पादन व्यवस्थाओं की एक किस्म को बनाए रखते हुए यह computationally कुशल वास्तविक समय आपरेशन के लिए अनुमति देता है. दो नियंत्रण के मानकों, अल्फा और सिग्मा, टोनी सहित विभिन्न तंत्रिका उत्पादन का उत्पादन करने के लिए प्रेरित न्यूरॉन की गतिशीलता का निर्धारणग spiking, अराजक फायरिंग, फोड़ और आंतरिक मौन. इस न्यूरॉन मॉडल के लिए लेगो Mindstorms के लिए LabVIEW का विज़ यहां ऑनलाइन पाया जा सकता है: http://myfiles.neu.edu/blustein.d/neurobots
  2. प्लेस नेटवर्क iteratively अद्यतन करेगा ताकि एक जबकि पाश में विज़.
  3. Postsynaptic न्यूरॉन्स के लिए synapses के माध्यम से presynaptic न्यूरॉन कील outputs कनेक्ट.
  4. Iteratively पारी के माध्यम से मापदंडों को अद्यतन दर्रा अगले गणना चक्र के लिए पंजीकृत करता है. DTM मॉडल अपडेट तेजी (x) और गणना की अगली यात्रा के लिए पारित कर रहे हैं कि धीमी गति से (वाई) dynamical चर.
  5. नेटवर्क विशेषताओं को परिभाषित करने अन्तर्ग्रथन मानकों सेट. प्रत्येक synapse के लिए, अन्तर्ग्रथनी शक्ति (gsyn), छूट दर (गामा), और पलटने की क्षमता (xrp) अन्तर्ग्रथनी व्यवहार का निर्धारण कि DTM मॉडल समीकरणों में गुणांक हैं. gsyn का मूल्य एक बहु है0.0 (कोई प्रभाव नहीं) से 1.0 (100% प्रभाव) को लेकर एक कील घटना से अन्तर्ग्रथनी वर्तमान प्रभाव की भयावहता, निर्धारित करता है कि plier. गामा का मूल्य 0.0 (पूर्ण क्षय) से 1.0 (कोई क्षय) को लेकर, चाहे कील घटनाओं की synaptic वर्तमान के क्षय की दर निर्धारित करता है कि एक गुणक है. xrp का मूल्य, उत्तेजना या synapse के निषेध के स्तर निर्धारित करता -3.0 से उत्तेजना और निषेध का प्रतिनिधित्व नकारात्मक मूल्यों का प्रतिनिधित्व के सकारात्मक मूल्यों के साथ 3.0 के लिए आम तौर पर सीमा का सम्मान करता है. मान अपनी विशिष्ट नेटवर्क विशेषताओं के लिए देखते जा सकता है. यहाँ हम निम्न सेटिंग्स का उपयोग करें: गामा = 0.95, gsyn = 0.60 और xrp = 2.2 (उत्तेजक अन्तर्ग्रथन) या -1.8 (निरोधात्मक अन्तर्ग्रथन).
  6. आधारभूत न्यूरॉन गतिविधि को संशोधित करने के लिए अल्फा और सिग्मा नियंत्रण के मानकों को समायोजित करें. विभिन्न नियंत्रण मापदंडों के लिए मॉडल की गतिशीलता अल्फा, आम तौर पर कहीं और 18 विस्तार से वर्णित है, लेकिन कर रहे हैं सिग्मा मूल्यों या उच्च सिग्मा मूल्यों के लिए spiking टॉनिक के लिए आंतरिक रूप से मूक तंत्रिका गतिविधि पैदा करता है. 'कम' और 'उच्च' सिग्मा मूल्यों के बीच संक्रमण आम तौर पर अल्फा मूल्य के आधार पर -1.0 और 1.0 के बीच होता है. न्यूरॉन गतिविधि फोड़ अल्फा के लिए उत्पादन किया जाता है> 4 सिग्मा मूल्यों शून्य के पास कर रहे हैं. यहाँ हम अल्फा = 4.05 और सिग्मा = -3.10 उपयोग करें.
  7. अपने नेटवर्क में निवेश सेंसर जानकारी के लिए LabVIEW का विज़ का प्रयोग करें. प्रदान की सेंसरों के लिए, विज़ Mindstorms LabVIEW मॉड्यूल के भीतर पहले से ही उपलब्ध हैं. कस्टम प्रतिरोधक सेंसर के लिए, एक प्रोग्रामिंग ढांचे के रूप में प्रकाश संवेदक छठी का उपयोग करें. Homebrew सेंसर बनाने के बारे में सूचना कहीं 14 पाया जा सकता है.
  8. Neuronal गतिविधि कल्पना करने के लिए LabVIEW के कार्यक्रम के सामने पैनल पर चित्रमय चार्ट सम्मिलित करें.
  9. अस्थायी रूप से मैन्युअल सेंसर में हेरफेर करने के क्रम में सामने पैनल नियंत्रण बक्से के साथ सेंसर आदानों की जगहतंत्रिका नेटवर्क के लिए जा रहा जानकारी.
  10. Neuronal नेटवर्क चलाने के लिए और मैन्युअल विभिन्न संवेदी इनपुट पेश करने के लिए सामने पैनल नियंत्रण समायोजित. नेटवर्क गुणात्मक रूप में ज्ञात स्थितियों के लिए भविष्यवाणी की कार्य पुष्टि करें कि.
  11. न्यूरॉन और synapse मानकों को बदलने की जरूरत के रूप में नेटवर्क को समायोजित करें. ट्यूनिंग में पहला प्रयास नेटवर्क विभिन्न synapses के अन्तर्ग्रथनी शक्ति (gsyn) को बदलने के द्वारा किया जाना चाहिए. अन्य मानकों के रूप में अच्छी तरह से समायोजित करने की आवश्यकता हो सकती है.
  12. गुणात्मक सटीकता के साथ नेटवर्क के कार्यों में एक बार, विज़ सेंसर इनपुट के साथ सामने पैनल नियंत्रण बक्से की जगह.

3. तंत्रिका तंत्र सिमुलेशन परीक्षण

  1. इसी तरह की परिस्थितियों में पशु और रोबोट निरीक्षण करने के लिए जो एक नियंत्रित वातावरण में स्थापित करें. हम रॉक बाधाओं (चित्रा 1) से युक्त एक आयताकार टैंक का उपयोग करें. टैंक ही अंतरिक्ष में लेगो रोबोट को समायोजित करने के लिए खाली कर दिया जा सकता है.
  2. माउंट ए वीविचारधारा कैमरा ओवरहेड पशु / रोबोट व्यवहार रिकॉर्ड करने के लिए. विषय और पृष्ठभूमि के बीच विपरीत स्वचालित ट्रैकिंग के लिए अनुमति देने के लिए उच्च है सुनिश्चित करें. हम परीक्षण टैंक सफेद के नीचे चित्रित.
  3. नियंत्रित वातावरण और वीडियो रिकॉर्ड व्यवहार में पशु रखें. रोबोट की उन मैच झींगा का संवेदी क्षमताओं को सीमित करने के लिए सुनिश्चित करें. यहाँ हम एक एल्यूमीनियम पन्नी मुखौटा के साथ आंखों को कवर करने और मीठे पानी में 19 से chemoreceptors deafferenting से झींगा मछली का संवेदी क्षमताओं को सीमित.
  4. एक लेगो रोबोट (यदि आवश्यक हो तो पानी निकालने) के अनुरूप है और एक ही नियंत्रित वातावरण में रोबोट को चलाने के लिए पर्यावरण को समायोजित करें.
  5. स्वतः नमूनों पर मार्कर ट्रैक करने के लिए एक MATLAB स्क्रिप्ट का उपयोग करें. हम MouseLabTracker 20 का उपयोग करें.
  6. पशु और रोबोट आंदोलनों के वेक्टर भूखंडों बनाएँ और तुलना करें.
  7. तंत्रिका तंत्र और इलेक्ट्रॉनिक के कैसे विभिन्न पहलुओं का निरीक्षण करने के लिए दोहराने कदम 3.3-3.6 संशोधिततंत्रिका तंत्र रोबोट के व्यवहार को प्रभावित करता है. यहाँ हम एक समुद्री झींगा की तुलना पंजा टक्कर सेंसर न्यूरॉन्स और मोटर प्रणाली और निगरानी रोबोट प्रदर्शन के बीच synaptic ताकत को समायोजित. वैकल्पिक रूप से, परीक्षण क्षेत्र में संवेदी शर्तों संशोधित और प्रभाव रोबोट और पशु में मनाया जा सकता है. उदाहरण के लिए, यहाँ वर्णित क्षेत्र के विभिन्न पानी के प्रवाह की दर के अधीन किया जा सकता है.

Representative Results

इसके तंत्रिका तंत्र में एक समुद्री झींगा के पंजे से जानकारी एक उपन्यास वातावरण में बाधा बातचीत मध्यस्थता. चित्रा 1 एक लेगो रोबोट (चित्रा 1 ए) और परीक्षण के क्षेत्र में एक समुद्री झींगा (चित्रा 1 बी) के व्यवहार का विश्लेषण करने के लिए इस्तेमाल किया वीडियो के स्क्रीनशॉट से पता चलता है. परीक्षण क्षेत्र पानी रोबोट परीक्षण के लिए टंकी से खाली कर दिया गया था, सिवाय इसके कि पशु और रोबोट परीक्षण के बीच अपरिवर्तित रहा था.

वीडियो ट्रैकिंग परिणाम चित्रा 2 में प्रदर्शित कर रहे हैं. पशु और रोबोट यात्रा पथ स्वतः MATLAB में MouseLabTracker 20 का उपयोग करते हुए ट्रैक किए गए थे. झींगा (काली लाइनें) और लेगो रोबोट परीक्षण (रंगीन लाइनों) के लिए प्रतिनिधि रास्तों दिखाए जाते हैं. रोबोट परीक्षण में, पंजा से अन्तर्ग्रथनी शक्ति तंत्रिका तंत्र में संवेदी न्यूरॉन्स विविध और अलग अलग रंग का पथ (, नीले, मध्यम उत्तेजना, हरी, उच्च उत्तेजना लाल, कम उत्तेजना) द्वारा प्रतिनिधित्व किया था टक्कर. काल्पनिक परेशान हैपंजा टक्कर संवेदी न्यूरॉन्स से मध्य स्तर उत्तेजक कनेक्शन के साथ ystem पशु के समान व्यवहार का उत्पादन किया. मात्रात्मक मापदंडों ऐसे पथ लंबाई और औसत चलने की गति (टेबल मैं) के रूप में डेटा से निकाला जा सकता है.

चित्रा 1
चित्रा 1. परीक्षण लेगो रोबोट (ए) के लिए क्षेत्र और समुद्री झींगा (बी) के परीक्षण. स्थितियां कि पानी के अलावा समान रखा गया था के ओवरहेड वीडियो फ्रेम पशु परीक्षण के लिए टैंक में जोड़ा गया था. उच्च विपरीत वीडियो छवि MATLAB के सॉफ्टवेयर का उपयोग कर स्वचालित ट्रैकिंग की सुविधा.

चित्रा 2
चित्रा 2. परीक्षण एक के माध्यम से समुद्री झींगा (काली लाइनें) और लेगो रोबोट (रंगीन लाइनों) रास्तों की ट्रैकिंगrena चित्र 1 में दिखाया रोबोट पर, पंजा टक्कर सेंसर न्यूरॉन्स से अन्तर्ग्रथनी शक्ति (लाल, कम उत्तेजना, नीले, मध्यम उत्तेजना, हरी, उच्च उत्तेजना) विविध था.. * प्रतीक शुरू करने की स्थिति को दर्शाता है और भरा काला आकार बाधाओं के स्थान दिखा. सिर की स्थिति पर नज़र रखी जा रही थी, स्पष्ट बाधा संपर्क पंजा स्थिति में परिवर्तनशीलता के कारण भिन्न होता है.

औसत पथ दूरी (सेमी) औसत यात्रा गति (सेमी)
झींगा मछली 177.37 1.03
लेगो रोबोट (उच्च उत्तेजना) 162.72 0.94
लेगो रोबोट (मध्य उत्तेजना) 165.32 0.85
लेगो रोबोट (कम उत्तेजना) 51.02 0.69

टेबल मैं झींगा मछलियों के लिए और पंजा टक्कर संवेदी प्रणाली से इनपुट synapses के विभिन्न ताकत के साथ लेगो रोबोटों के लिए वीडियो व्यवहार आंकड़ों के विश्लेषण से मानकों औसत.

Discussion

Biorobotic तंत्रिका तंत्र अनुकरण प्रयोगों का आरंभ करते हैं, का पालन करने के लिए कुछ महत्वपूर्ण दिशानिर्देश हैं. सही मॉडल जीव का चयन महत्वपूर्ण है: प्राप्त करने और बनाए रखने के लिए आसान है कि एक जीव लेने. वे आम तौर पर प्रयोग के लिए संस्थागत अनुमोदन की आवश्यकता नहीं है और उनके पालन की जरूरत है अक्सर रीढ़ की तुलना में कम मांग कर रहे हैं क्योंकि अकशेरुकी आदर्श होते हैं. एक वैज्ञानिक दृष्टिकोण से, यह 21 के परीक्षण के लिए परिकल्पना आकर्षित करने के लिए जिसमें से एक की स्थापना neuroethological साहित्य रिकॉर्ड है कि एक जानवर चुनने के लिए फायदेमंद है.

एक उपयुक्त जीव को चुनने के रूप में बस के रूप में महत्वपूर्ण अध्ययन के लिए उचित व्यवहार सजगता का चयन है. लेगो NXT मंच केवल कस्टम संशोधनों इतना सीमित सेंसर के साथ एक अपेक्षाकृत सरल संवेदी प्रणाली का चयन बिना चार सेंसर संभाल कर सकते हैं महत्वपूर्ण है. सरल व्यवहार सजगता अक्सर अच्छी तरह से वर्णित है और hypot में अधिक लचीलापन प्रदान करते हैंपरीक्षण किया जा सकता है कि heses. NXT के कंप्यूटिंग शक्ति प्रयासों तंत्रिका तंत्र अनुकरण के दायरे को कम करने के लिए किया जाना चाहिए भी तो एक सीमित कारक है. वैज्ञानिकों अक्सर विशिष्ट व्यवहार समझा तंत्रिका नेटवर्क का प्रस्ताव प्रकाशित और यह इनमें से किसी एक का चयन करने के लिए सबसे आसान है. सरल करों और kineses अच्छी तरह से इस biorobotic दृष्टिकोण 22 के लिए अनुकूल हैं.

इस दृष्टिकोण के तंत्रिका तंत्र परिकल्पना की तेजी से परीक्षण के लिए उपयोगी है, मन में रखने के लिए कई सीमाएं हैं. संभव परीक्षण का दायरा सीमित है. जटिल संवेदी प्रणाली इस मंच के साथ प्रयोग नहीं किया जा सकता है. उदाहरण के लिए, जटिल दृश्य प्रसंस्करण जैसे ऑप्टिकल प्रवाह संसाधन के रूप में दृश्य प्रणाली के सरल घटकों, जांच से संबोधित किया जा सकता है NXT के प्रोसेसर लेकिन संबंधित प्रश्नों की क्षमता से परे है. NXT के लिए सेंसर सुइट उपलब्ध जांच की गुंजाइश के रूप में कुछ निहित सीमाओं प्रदान करता है. कस्टम सेंसर विकसित किया है और ओ इस्तेमाल किया जा सकता हैएन NXT, यह संभवतः तेजी से प्रायोगिक कार्यान्वयन के लिए मंच के फायदे नकार, इलेक्ट्रॉनिक्स विशेषज्ञता की आवश्यकता है कि एक समय लेने वाली प्रक्रिया है.

परीक्षण किया जा सकता है कि परिकल्पना की सीमा पर सीमाएं हैं, वहीं इस दृष्टिकोण सन्निहित तंत्रिका तंत्र सिमुलेशन के प्रारंभिक चरण के क्रियान्वयन के लिए एक अनूठा उपकरण प्रदान करता है. लेगो Mindstorms NXT मंच के रूप में RoboLamprey 9 और बारबरा वेब रोबोट क्रिकेट 23 के रूप में इस तरह के रोबोट द्वारा प्रदर्शन सिस्टम स्तर परिकल्पना का एक और अधिक गहन परीक्षण करने के लिए एक कदम पत्थर के रूप में सेवा कर सकते हैं. व्यापक biomimetic नियंत्रण आर्किटेक्चर की सरल घटकों एक तेजी से और सरल तरीके से परीक्षण किया जा सकता है. विधि भी सन्निहित वाहन नियंत्रण 24 शामिल करने के लिए आभासी एजेंटों को नियंत्रित कि जैव संकर सिमुलेशन अग्रिम कर सकते हैं, और यह दिमाग और मशीन 25 के बीच इंटरफेस करने के लिए एक biomimetic नियंत्रण ढांचे के रूप में काम कर सकते हैं.

लेगो का उपयोगMindstorms मंच रोबोटिक्स के बाहर स्कूल और प्रयोगशालाओं में एक व्यापक दर्शकों के लिए इस biorobotic दृष्टिकोण के हस्तांतरण के लिए अनुमति देता है. उपकरण हाई स्कूल और कॉलेज के छात्रों के 11 से इस्तेमाल किया और तंत्रिका विज्ञान, रोबोटिक्स, और अंतःविषय विज्ञान के मूल्य सिखाने के लिए एक रोमांचक पूछताछ आधारित पद्धति प्रदान किया गया है. रोबोट के निर्माण के लिए जरूरी उपकरण या पृष्ठभूमि के बिना प्रयोगशालाओं अपने काम में एक उपकरण के रूप में रोबोट का उपयोग करने के लिए यह अच्छी तरह से समर्थित मुख्यधारा रोबोटिक्स किट का उपयोग कर सकते हैं. biorobotic दृष्टिकोण तंत्रिका विज्ञान और आचारविज्ञान से बायोमैकेनिक्स और सामाजिक व्यवहार करने, क्षेत्रों की एक श्रृंखला में अनुसंधान करने के लिए आवेदन कर सकता है.

Disclosures

लेखकों वे कोई प्रतिस्पर्धा वित्तीय हितों की है कि घोषित.

Acknowledgments

हम प्रोग्रामिंग और पांडुलिपि सुझाव के लिए डॉ. क्रिस रोजर्स (टफ्ट्स विश्वविद्यालय) धन्यवाद. हम वीडियो उत्पादन समर्थन के लिए एलेक्स Giuliano और डेबोरा ली धन्यवाद.

अनुदान एक NSF ग्रेजुएट रिसर्च फैलोशिप और सिंथेटिक जीव विज्ञान में एक ONR मूरी द्वारा प्रदान की.

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).
लेगो रोबोट पर तंत्रिका तंत्र सिमुलेशन डिजाइन और कार्यान्वयन
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