Login processing...

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

Neuroscience

LEGOロボットの神経系シミュレーションの設計と実装

doi: 10.3791/50519 Published: May 25, 2013

Summary

LEGOマインドストームロボット·プラットフォーム上のニューラルネットワークモデル化へのアプローチが提示される。方法は、研究室や教室の両方で無脊椎動物神経科学研究のためのシミュレーションツールを提供します。この手法は、バイオミメティックロボット制御原理の調査を可能にします。

Abstract

私たちは、システムレベルの神経科学の仮説をテストするために、市販のレゴマインドストームNXTロボットプラットフォームを使用するための手法を提案する。メソッドの最初のステップは、適切なモデル生物の特定の反射的行動の神経系シミュレーションを開発することで、ここではアメリカのロブスターを使用しています。 (交差点)神経接続をdecussatingによって仲介外受容反射がBraitenbergによって記述とNXTプラットフォームを使用して調査のために特に適しているように近づいたり離れて刺激から動物のタクシーを説明することができます。1神経系シミュレーションをLEGOでLabVIEWソフトウェアを使用してプログラムされているマインドストームプラットフォーム。神経系が適切に調整されると、行動実験はロボットに、同一の環境条件下で動物に実行されます。試料が経験する感覚環境を制御することにより、行動の出力の違いを観察することができる。これらの違いは、特定のdeficiencを指すことがあります神経系モデルにおけるIESと検討中の特定の行動のためのモデルの反復をお知らせするのに役立つ。この方法は、電子神経系の実験的操作を可能にし、シンプルな生得的な反射的行動の神経生理学的基盤に関する特に神経科学仮説を探索する方法として機能します。レゴマインドストームNXTキットは予備バイオミメティックロボット制御方式をテストする上で手頃な価格で効率的なプラットフォームを提供します。アプローチもよくハンズオン問い合わせベースバイオロボティクスのカリキュラムのための基盤として機能する、高校の教室に適しています。

Introduction

過去100年以上の神経生理学的研究は飛躍的に神経系の構造と機能の知識を広げています。しかし、これまでの神経系の研究の大部分は、単離された調製物又は拘束被験者の使用に依存している。自由に動物2-5行動から神経活動を記録するために多くの成功した努力がなされているものの、bioroboticアプローチは、システムレベルの神経科学仮説6をテストするために神経系の操作を可能にするための貴重なツールを提供します。ロボット上で動作シミュレー神経系は、実験的に操作され、物理的な世界にソフトウェアモデリングの拡張を可能にすることができます。このアプローチは、よく学問の世界7,8に実装されているが、仮説検証のためのバイオミメティックロボットを構築するプロセスは高価で時間がかかります。我々は、市販のロボットkを用いbioroboticアプローチを実行するための方法を提示するそれ(レゴマインドストームNXT 2.0)。この方法の目的は、ロボット9またはバイオハイブリッド型10具現ニューラルネットワークシミュレーションにシステムレベル神経仮説をテストするための迅速かつ効率的な方法を提供することである。仮説から実験へのプロセスを加速すると、研究の生産性を向上させます。シンプルLEGOマインドストームプラットフォームは、我々はモデル生物としてアメリカンロブスター( ロブスター属americanus)を使用して実証バイオミメティックセンサーとニューラルネットワークのためのテストベッドを提供しています。学生は自分のロボット11神経系を設計し、操作することができたような方法はまた、教室で強力なハンズオン教育ツールを提供しています。

Protocol

1。ロボットモデルの構築

  1. よくneuroethological文学で表現され研究にモデル生物を選択してください。彼らの比較的単純な神経系がよく研究されている、主に先天性の反射神経で構成されているため、無脊椎動物では、一般的に良い候補者を作る。我々はアメリカのロブスター、 ロブスター属americanusを使用して、このアプローチのデモンストレーションを行います。
  2. モデリングの目的のためによく研究反射的な行動を選択します。動物が反射的に爪接点は障害物回避を仲介しながら走流性を(水流の向き)引き出すためにアンテナの曲がりに応答するように我々は触角曲がりへと爪バンプ検出にロブスターの回答を選択しました。左右対称センサから神経接続をdecussatingに頼る簡易反射神経はよく研究1は、このタイプに適しています。
  3. 神経を実行するために選択された行動のための適切なセンサをロボットのプラットフォームを構築したり、選択したネットワークシミュレーション。専用ロボットなどRoboLobster 12やスプロール(ゴキブリ)ロボット家族13として構成することができるが、ここでは実験的なプロセスを促進するために市販のキットを使用しています。テンプレート、モジュール式のコンポーネントと確立センサーを提供LEGOマインドストームNXT 2.0キットは、ロボットの急激な物理的な構築を可能にします。
  4. ステップ1.2で選択した行動の様式に一致するようにセンサーを選択するか、構築します。既成のレゴマインドストームキットのセンサーを使用することができたり、自作のセンサは14,15を設計することができる。私たちは、含まれているLEGOのタッチセンサーとNXTコネクタにスプライシングFlexPoint曲げセンサーから成るカスタム触角曲げセンサーを選択している。カスタム抵抗コネクタを構築するには、センサーのリードにNXTコネクタワイヤやハンダ、黒と白のケーブルを切った。
  5. モデリングpに対する仮説的なニューラルネットワークを見つけたり、開発する以前に発行されたneuroethological研究を使用urposes。文献はロブスター16〜ヤツメウナギ17から、種々のモデル生物の動作を説明するために、様々なニューラルネットワークが提案されている。機能的な神経ユニットが同定され、それらのシナプスの接続が理論化されるべきである。実験室の状況が許せば小説neuroethological実験も開発し、実装することができます。

2。神経系のプログラミング

  1. 数学のニューロンとシナプスモデルの方程式を実行するバーチャル·インストゥルメント(VIS)を作成するためにLEGO MINDSTORMS NXT用のLabVIEWモジュールと一緒にLabVIEWソフトウェアを使用してください。任意の発行されたモデルを使用することができますが、我々は離散時間マップベース(DTM)モデル18をお勧めします。神経発火出力レジームの様々を維持しながら、これは計算効率のリアルタイム動作を可能にする。二つの制御パラメータ、 アルファシグマは 、トニを含む多様な神経の出力を生成するためにシミュレートされたニューロンのダイナミクスを決定Cスパイク、混沌とした焼成、破裂および固有沈黙。このニューロンモデルのためのレゴマインドストームは、LabVIEWのVI、ここでオンラインで見つけることができます: http://myfiles.neu.edu/blustein.d/neurobots
  2. ネットワークが反復更新されますように、WhileループにVIを配置します。
  3. シナプス後ニューロンにシナプスを通じてシナプス前ニューロンスパイク出力を接続します。
  4. 次の計算サイクルにシフトレジスタを通してパラメーターを更新繰り返し渡す。 DTMモデルアップデート速い(x)と計算の次の反復に渡され、低速(y)を力学変数。
  5. ネットワークの特性を定義するためにシナプスパラメータを設定します。それぞれのシナプスは、シナプス強度(gsyn)、緩和率( ガンマ )と、逆転電位(XRP)はシナプス動作を決定DTMモデル方程式の係数である。 gsynの値は、マルチです0.0(効果なし)から1.0(100%効果)に至るまで、スパイクイベントからシナプス電流の効果の大きさを決定プライヤー。 ガンマの値は0.0(完全崩壊)から1.0(無減衰)に至るまで、関係なくスパイクイベントのシナプス電流の減衰率を決定乗数です。 XRPの値は、興奮と抑制を表す負の値を表す正の値を-3.0〜3.0、通常の範囲の値、シナプスの興奮や抑制のレベルを決定します。値は、特定のネットワークの特性に合わせて調整することができます。 γ= 0.95、gsyn = 0.60とXRP = 2.2(興奮性シナプス)または-1.8(抑制性シナプス):ここでは、次の設定を使用します。
  6. ベースラインニューロン活動を変更するためにアルファシグマの制御パラメータを調整します。多様な制御パラメータのモデルのダイナミクスは、 アルファは 、一般的に他の場所で18に詳細に記載されているがシグマ値または高シグマスパイク強壮のために本質的にサイレント神経活動を生成します。 "低"および"高" シグマ値の間の遷移は、一般に、 アルファ値に応じて、-1.0〜1.0の間で発生する。ニューロン活動を破裂はアルファシグマ値がゼロに近いです> 4のために制作されています。ここでは、α= 4.05とσ= -3.10を使用しています。
  7. あなたのネットワークに入力センサ情報をLabVIEWのVIをを使用してください。設けられたセンサの場合、VIは、マインドストームのLabVIEWモジュール内ですでに利用されています。カスタム抵抗センサについては、プログラミング·フレームワークとして、光センサーのVIを使用しています。自作センサーの作成 ​​に関する情報は、他の場所で14見つけることができます。
  8. 神経活動を可視化するLabVIEWプログラムのフロントパネルにグラフィカルなチャートを挿入します。
  9. 一時的に手動でセンサーを操作するために、前面パネルのコントロールボックスとセンサー入力を置き換えるニューラルネットワークに行く情報。
  10. 神経回路網を実行し、手動で多様な感覚入力を提示するには、フロントパネル·コントロールを調整します。既知の条件のために予測され、ネットワークが質的に機能していることを確認します。
  11. ニューロンとシナプスのパラメータを変更することにより、必要に応じてネットワークを調整します。ネットワークのチューニングで最初の試みは、さまざまなシナプスのシナプス強度(gsyn)を変更することによって行われるべきである。他のパラメータも同様に調整する必要があります。
  12. 定性的な精度でネットワーク機能したら、VIのセンサー入力、フロントパネルのコントロールボックスを交換してください。

3。神経系シミュレーションテスト

  1. 同様の条件下で、動物やロボットを観察する中で制御された環境を設定します。我々は岩の障害物( 図1)を含む長方形のタンクを使用しています。タンクは、同じ空間内LEGOロボットを収容するために空にすることができる。
  2. マウントAVIDEOのカメラのオーバーヘッドは、動物/ロボットの動作を記録します。被写体と背景のコントラストが自動追尾を可能にするために高くなっていることを確認します。我々はテストタンク白色の底を描いた。
  3. 制御された環境とビデオ記録行動の動物を配置します。ロボットのものと一致するようにロブスターの感覚能力を制限してください。ここでは、アルミ箔のマスクで目を覆うと淡水19と化学受容器をdeafferentingでロブスターの感覚機能を制限します。
  4. LEGOロボットを(必要に応じて水を除去)に合わせて、同じ管理された環境でロボットを実行するための環境を調整します。
  5. 自動的に標本上のマーカーを追跡するためにMATLABスクリプトを使用してください。我々はMouseLabTracker 20を使用しています。
  6. 動物やロボットの動きのベクトルプロットを作成し、比較する。
  7. 電子のどのように異なる側面を観察するために神経系と繰り返し3.3から3.6に変更神経系は、ロボットの動作に影響を与えます。ここでは、ロブスターのそれに比べて爪バンプセンサーニューロン及びモータシステムとモニタロボットの性能とのシナプスの強さを調整します。また、テストの分野で感覚の条件が変更され、効果はロボットと動物で観察することができます。例えば、ここで説明する分野は、異なる水の流量を施すことができる。

Representative Results

その神経系にロブスターの爪からの入力は、新規環境で障害交渉を仲介する。 図1は、LEGOロボット( 図1A)とテストの分野でロブスター( 図1B)の動作を分析するために使用されるビデオのスクリーンショットを示しています。テストアリーナは水がロボット試験用タンクから空にしたことを除いて、動物やロボットテスト間で変更されていないされました。

ビデオトラッキングの結果を図2に表示されている。動物とロボット走行経路は自動的にMATLABでMouseLabTracker 20を使用して追跡された。ロブスター(黒線)とLEGOロボット試験(色の線)の代表的なパスが表示されます。ロボット試験では、爪からシナプスの強度は、神経系への感覚神経が変化し、異なる色のパス(;青、媒質の励起、緑、高励起赤色、低い励起)で表されたバンプ。架空の神経の爪バンプ感覚ニューロンから中間レベルの興奮性接続を持つystemは、動物に似た行動を生産。定量的なパラメータは、パスの長さと平均歩行速度( 表I)などのデータから抽出することができる。

図1
図1。その水は、動物試験のためタンクに添加した以外は、試験LEGOロボットアリーナ()とロブスターのオーバーヘッドビデオフレームは、(B)試験。条件は同じに維持した。高コントラスト映像は、MATLABソフトウェアを使用して自動追尾を容易にする。

図2
図2。テストを通してロブスター(黒線)とLEGOロボット(色の線)の経路の追跡レナは、 図1に示されるロボットでは、爪バンプセンサからのニューロンのシナプス強度(赤、低励起、青、励起媒体、緑、高励起)様々であった。 *記号は、開始位置を示し、いっぱい黒い形状は障害物の位置を示しています。ヘッド位置が追跡されていたので、見かけ上の障害物の接触は爪位置の変動に起因して変化する。

平均経路距離(センチメートル) 平均走行速度(センチ)
ロブスター 177.37 1.03
LEGOロボット(高励起) 162.72 0.94
LEGOロボット(ミッド励起) 165.32 0.85
LEGOロボット(低励起) 51.02 0.69

表I.はロブスターのためにと爪バンプ感覚システムからの入力シナプスの様々な強みを持つLEGOロボットの映像行動データの分析からパラメータを平均した。

Discussion

biorobotic神経系シミュレーション実験を開始するときに、従うべきいくつかの重要なガイドラインがあります。右のモデル生物を選択することが重要です:取得し、維持することは容易である生物を選ぶ。彼らは通常の実験のための制度の承認を必要とせず、それらの畜産ニーズはしばしば脊椎動物のものよりも少ない過酷であるため、無脊椎動物が理想的です。科学的な観点から見ると、それは21をテストするための仮説を描画するから確立neuroethological文献レコードを持って動物を選択することが有益である。

適した生物を選ぶのと同じくらい重要な研究のための適切な行動の反射神経の選択である。 LEGO NXTプラットフォームは、カスタム変更がこれに限定されるものでセンサーを比較的単純な感覚システムを選択せず​​に4つのセンサを扱うことができることが重要です。シンプルな行動の反射神経は、しばしば十分に記載されており、hypotより柔軟性を提供テストすることができheses。 NXTの計算能力は努力が神経系のシミュレーションの範囲を低減するためになされるべきでもそう制限要因である。科学者たちは、しばしば特定の動作を説明する提案ニューラルネットワークを公開し、これらのいずれかを選択することが最も簡単です。シンプルな税金やkinesesはよくこのbioroboticアプローチ22に適しています。

このアプローチは、神経系の仮説の迅速なテストのために有用であるが、心に留めておくべきいくつかの制限があります。可能性のテストの範囲が限定される。複雑な感覚系は、このプラットフォームでは使用できません。例えば、複雑な視覚処理はNXTプロセッサの能力を超えているが、関連の質問は、例えば、オプティカルフロー処理等の視覚系の単純な成分を調べることによって対処することができる。 NXTのセンサースイートは利用できる調査の範囲について、いくつかの固有の制限を提供します。カスタムセンサが開発され、oを使用することができるがnのNXTは、これは、おそらく急激な実験的な実装のためのプラットフォームの利点を否定し、電子機器の専門知識を必要とする時間のかかるプロセスです。

テストできる仮説の範囲に制限がありますが、このアプローチは具現神経系シミュレーションの初期段階の実装に固有のツールを提供しています。 RoboLamprey 9とバーバラ·ウェッブのロボットクリケット23のようなロボットによって実証されるようにレゴマインドストームNXTプラットフォームは、システム·レベルの仮説の、より徹底的なテストへの足がかりとしての役割を果たすことができます。大規模なバイオミメティック制御アーキテクチャの単純なコンポーネントは、迅速かつ簡単な方法でテストすることができます。この方法はまた、車両制御具現24を含むように仮想エージェントを制御するバイオハイブリッドシミュレーションを進めることができ、脳と機械25との間の界面に生体模倣制御フレームワークとして機能することができる。

LEGOを使ってマインドストームプラットフォームは、ロボットの外の学校や研究室で広い聴衆にこのbioroboticアプローチの転送が可能。ツールは、高校や大学の学生11によって使用され、神経科学、ロボット工学、および学際的な科学の価値を教えるために刺激的なお問い合わせベースの方法を提供しています。ロボットを構築するために必要な機器や背景なしの研究所が彼らの仕事でツールとしてのロボットを使用するには、この、よくサポートされている主流のロボットキットを使用することができます。 bioroboticアプローチは、神経科学や動物行動学からバイオメカニクスや社会的行動には、フィールドの範囲の研究に適用することができます。

Disclosures

著者は、彼らが競合する経済的利益を持っていないことを宣言します。

Acknowledgments

我々はプログラミングや原稿提案を博士クリス·ロジャース(タフツ大学)に感謝。私たちは、映像制作をサポートするためにアレックスジュリアーノとデボラ·リーに感謝します。

NSF大学院研究フェローシップと合成生物学でONRムリが提供する資金調達。

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).
LEGOロボットの神経系シミュレーションの設計と実装
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