Abstract
Roboter entwickelt, um chemische Lecks in gefährlichen Industrieanlagen 1 oder explosive Spuren in der Landminenfelder 2 Gesicht das gleiche Problem wie Insekten auf Nahrungssuche oder die Suche nach drei Kumpels verfolgen: das olfaktorische Suche wird durch die Physik der turbulenten Transport 4 eingeschränkt. Die Konzentration Landschaft von Wind getragen Gerüche ist diskontinuierlich und besteht aus sporadisch befindet Patches. Eine Voraussetzung, um Geruchs Suche ist, dass eine intermittierende Patches Geruch erkannt werden. Aufgrund seiner hohen Geschwindigkeit und Empfindlichkeit 6.5 bietet das Riechorgan der Insekten eine einzigartige Gelegenheit für die Erkennung. Insektenfühler sind in der Vergangenheit benutzt worden, um nicht nur Sexualpheromone 7, sondern auch Chemikalien, die für den Menschen relevant sind, z. B. flüchtigen Verbindungen aus Krebszellen, 8 oder giftige und illegale Substanzen ausgeh 9-11 zu erkennen. Wir beschreiben hier ein Protokoll für die Verwendung von Insektenfühler auf autonome Roboter eind präsentieren ein Proof of Concept für die Verfolgung von Geruchsschwaden zu ihrer Quelle. Die weltweite Reaktion von Riechzellen in situ in Form von Elektroantennogramme (EAG) erfasst. Unsere experimentellen Design, basierend auf einer gesamten Insekten Herstellung ermöglicht stabile Aufzeichnungen innerhalb eines Arbeitstages. Im Vergleich EAGs auf geschnitten Antennen haben eine Lebensdauer von 2 Stunden. Eine benutzerdefinierte Hardware / Software-Schnittstelle zwischen den EAG-Elektroden und einem Roboter entwickelt. Das Messsystem löst individuellen Geruch Patches bis zu 10 Hz, was die Zeitskala der künstlichen chemischen Sensoren 12 überschreitet. Die Effizienz der EAG-Sensoren für olfaktorische Suche wird weiter in den Antrieb des Roboters in Richtung einer Quelle des Pheromons gezeigt. Durch die Verwendung identischer olfaktorischen Reizen und Sensoren wie in echten Tieren, bietet unser Roboter-Plattform ein direktes Mittel zur Prüfung der biologischen Hypothesen über olfaktorische Kodierung und Suchstrategien 13. Es kann auch als nützlich erweisen, zum Nachweis anderer Riechstoffe InteressenKombination aus verschiedenen EAGs Insektenarten in einer bioelektronischen Nase Konfiguration 14 oder mit nanostrukturierten Gassensoren, die Insektenfühler 15 imitieren.
Introduction
Heute werden die Tiere wie Hunde häufig in Sicherheitsanwendungen, die die Lokalisierung von chemischen Lecks, Drogen und Sprengstoff wegen ihrer ausgezeichneten Geruchserkennungsfunktionen beinhalten 16 verwendet. Doch zeigen sie Verhaltensänderungen, müde nach umfangreichen Arbeiten und erfordern häufige Umschulung als ihre Leistung im Laufe der Zeit 17 abnimmt. Eine Möglichkeit, diese Einschränkungen zu umgehen, ist es, ausgebildete Hunde durch olfaktorische Roboter ersetzen.
Dennoch, Tracking Düfte und Geruchsquellen ist eine große Herausforderung in der Robotik. In turbulenten Umgebungen, die Landschaft ist von einer Geruchswolke sehr heterogen und unsicher, und besteht aus 4 Patches sporadisch befindet. Selbst bei mäßigen Abständen von der Quelle, so kurz wie nur wenige Meter, Erkennungen werden sporadisch und nur Hinweise liefern weise. Darüber hinaus werden lokale Konzentrationsgradienten während Erkennungen in der Regel nicht auf die Quelle verweisen. Angesichts Scheibeontinuierliche Informationsfluss und begrenzten lokalen Informationen, wenn Erfassungen gemacht, wie man einen Roboter in Richtung der Quelle navigieren?
Es ist bekannt, dass Insekten wie männliche Falter verwenden chemische Kommunikation, ihre Partner über lange Strecken (mehrere hundert Meter) erfolgreich lokalisieren. Um dies zu tun, nehmen sie ein stereotypes Verhalten 18-20: Überspannungs sie gegen den Wind beim Erfassen einen Geruch Patch und führen Sie eine erweiterte Suche Guss genannt, wenn Informationen Geruch verschwindet. Dieser Anstieg Guss-Strategie ist rein reaktiv, dh Aktionen werden vollständig von aktuellen Wahrnehmungen (Nachweis-und Nicht-Erkennung Ereignisse) bestimmt. Doch hatte seine Umsetzung auf olfaktorische Roboter Erfolg in der Vergangenheit beschränkt, weil der Nachweis von Geruchs Patches wird durch die Langsamkeit der künstlichen Gassensoren behindert.
Metalloxid-Sensoren in den meisten der Geruchs Robotern verwendeten Reaktions-und Erholungszeiten von einigen zehn Sekunden, so daß sie im allgemeinen herauszufilterndie Konzentrationsschwankungen in turbulenten Federn 21 angetroffen. Im Gegensatz dazu ist die Reaktionszeit von Insektenchemorezeptoren ist viel kürzer, z. B. der Anstiegszeit des Insekten Elektroantennogramme (EAG) weniger als 50 msec 22. Folglich kann durch Verwendung von Insekten EAGs, Geruchsimpulse mit Frequenzen von einigen Hertz 23 gelöst. Diese Eigenschaft macht EAG-Sensoren auch für die Detektion von Geruchsfäden in natürlichen Federn geeignet. Wir beschreiben hier ein Protokoll für die Einbettung von Insekten EAGs an Robotern was eine effiziente Geruchs Suche mit Überspannungs-und Casting-Strategien.
Protocol
Das Protokoll basiert auf einem handelsüblichen Roboter (siehe Materialien Tabelle) und männliche Motten (Agrotis ipsilon) mit ihrem Sexualpheromon basiert. Dennoch kann es mit geringfügigen Modifikationen, um andere Insekten, Duftstoffe und Roboter angepasst werden.
Ein. Insekten
- Rück Larven von Agrotis ipsilon Hufnagel (Lepidoptera: Noctuidae) auf einer künstlichen Ernährung und sie in einzelne Plastikbecher, bis der Verpuppung bei 23 ± 1 ° C und 50 ± 5% relative Luftfeuchtigkeit wie zuvor 24 beschrieben.
- Sex Puppen und halten erwachsene Männer getrennt von Frauen in Kunststoffboxen. Geben Sie ihnen freien Zugang zu einer 20% Saccharose-Lösung.
- Führen Sie Experimente mit Männern. Männliche Motten sind sehr empfindlich auf die Sexualpheromon von ihren Artgenossen Frauen emittiert. In A. ipsilon, die Hauptpheromonbestandteil, cis-7-Dodecenylacetat (Z7-12: OAc) ist die aktive Verbindung an der Antenne.
- Notieren Sie sich die EAG aus einer ganzen Insekten Vorbereitung, wie unten (Abbildung 1A) beschrieben. Intakte Antennen werden über Antennen ausgeschnittenen bevorzugt, da sie eine längere Lebensdauer aufweisen (siehe repräsentative Ergebnisse).
- Chloren zwei Silberdrähte durch Eintauchen in konzentrierte Bleichmittel-Lösung für 10-20 min und nachspülen. Dieser Prozess verhindert, dass Elektroden aus polarisierend. Es muss wiederholt werden, wenn die Basislinie während der Experimente driftet oder wenn die Offset-Spannung zwischen den Elektroden zu groß, um durch den Verstärker kompensiert wird.
- Machen Glaselektroden aus feuerpolierte Kapillaren mit einer Elektrode Magnet. Feuerpolier verhindert ein Verkratzen des chlorierten Silberdraht mit Elektroden.
- Anesthetize einen männlichen Motten mit CO 2 und legen Sie sie in einem Styropor-Block mit der Kopf von oben ragt.
- Tether Kopf des Insekts mit Klebeband Malers um den Hals.
- Legen Sie eine Silberdraht dient als Referenzelektrode in den Hals.
- Unter einem Stereomikroskop, immobilisieren eine der Antennen mit dünnen Streifen Malerband an der Spitze und der Basis.
- Schneide die distalen Segmente 2-3 der Antenne mit chirurgischen Schere.
- Positionieren Sie den Glaselektrode in der Nähe des Schnitt Spitze der Antenne mit einem Mikromanipulator.
- Schneiden Sie das Ende der Glaskapillare mit einer Pinzette, einen Durchmesser, der etwas größer ist als der Schnitt der Spitze der Antenne zu erhalten.
- Füllen Sie das Glas mit Pipette (in mm) 6,4 KCl, 340 Glukose, 10 Hepes, 12 MgCl 2, 1 CaCl 2, 12 NaCl, pH 6,5.
- Legen Sie den Schnitt der Spitze der Antenne in die Glaskapillare mit dem Mikromanipulator.
- Schieben Sie die Silberdraht als Aufnahme Elektrode in die breiten Ende der Glaskapillare dient.
3. Hardware-Schnittstelle
- Montieren Sie die ganze Vorbereitung, also Insekten Elektroden-Mikromanipulator auf einer Metallplatte auf der Oberseite des Roboters (1B) eingeschraubt. Die Elektroden an den Roboter, wie unten beschrieben.
- Basierend auf früheren Arbeiten 25-26, entwerfen eine Hardware-Schnittstelle, um die EAG Ausgangsspannung (um 1 mV an mehreren MQ) auf den Bereich für die Erweiterungsplatine des Roboters angemessen anzupassen. Der Vorstand übernimmt 0-5 V Analog-Eingänge und eine negative Spannung unter -200 mV kann schwere Schäden verursachen. Befolgen Sie die Schritte 3.2.1 bis 3.2.4, die Schnittstelle mit Adler entwerfen.
- Entwerfen einer ± 5V-Stromversorgung aus einer 12 V-Batterie mit Spannungsregler 78L10 (① in 2A-2C).
- Entwerfen Sie eine heads Vorverstärker (10X), basierend auf Messverstärker INA121 (③ in 2A-2C).
- Entwerfen einer zweiten Stufe Verstärker (25X) mit Rauschfilterung (erste Ordnung High-Pass-Filter 0,1 Hz, zweiter Ordnung Tiefpass-Filter 500 Hz, 50 Hz Notch-Filter), basierend auf Quad-Operationsverstärker LT1079 (315; in den Figuren 2A-2C).
- Entwerfen Sie eine Signalaufbereitungsstufe, die mit Operationsverstärker LT1079 und Diode 1N4148 berechnet (⑤ in den 2A-2C). Die Gesamtverstärkung 250 und der EAG-Ausgang ist im Bereich von 0-5 V wobei Null bei 2,5 V.
- Die Elektroden an den Differenzeingängen EAG (② in den Fig. 2A-2C). Verbinden der Aufnahmeelektrode an den invertierenden Eingang des INA121 positive EAGs erhalten.
- Verbinden Sie den EAG-Ausgang (⑥ in 2A-2C) zu den 12 analogen Eingänge der Erweiterungsplatine des Roboters. Da jeder Eingang sequentiell jede Millisekunde zu lesen, ist die Abtastfrequenz 1 kHz.
4. Software Interface
Die Hauptfäden enthält eine grafische Benutzeroberfläche (GUI), Methoden zur Signalerfassung und die verschiedenen Funktionen zur Steuerung des Roboters.
- Schreiben Sie eine GUI (2D) in Qt-C + + fo r Daten-Visualisierung, digitale Filterung (20 Hz 5. Ordnung Butterworth-Tiefpassfilter) und Geruchserkennung von der EAG. Entweder durch Entfalten der EAG mit einem geeigneten Filter (Engineering-Ansatz, Abschnitt 4.2), oder durch die Modellierung der neuronalen Mechanismen, die eine schnelle und zuverlässige Pheromondetektion in A. erlauben: Diese kann auf zwei Arten durchgeführt werden ipsilon Motten (bioinspirierter Ansatz, Abschnitt 4.3).
- Entfaltung Filter. Die EAG ist gut durch eine nichtlineare Kaskade 27, die aus einer statischen Nichtlinearität besteht beschrieben
und eine 1. Ordnung Tiefpass-Filter mit exponentiellen Impulsfunktion 
für 
, Siehe 3A. In Reaktion auf schwankende Geruchskonzentrationwertung 4 "fo: content-width =" 0,3 Zoll "src =" / files/ftp_upload/51704/51704eq4.jpg "/> die EAG Ausgang wird von der Faltungsintegral gegeben 
. Entfaltungs einfach durch die Umkehrung des Systems erhalten wurden; das heißt 
in der Frequenzdomäne. Dann 
die Fourier-Transformierte der Impulsantwort 
. Für die Signalerkennung, befolgen Sie die Schritte 4.2.1 bis 4.2.3. - Führen die Entfaltungsprozeß in der Zeitdomäne als
und 
Fig. 3B. Ungefähre die Nichtlinearität 
durch eine Polynomfunktion. Setzen Sie die Parameter Polynom und die Zeit auf Input-Output-Datenpaare konstant den mittleren quadratischen Fehler zwischen realen minimieren 
und rekonstruiert 
Geruchskonzentration. - Erkennen die Pheromon-Hits, wenn eine vordefinierte Schwelle übersteigt.
- Führen die Entfaltungsprozeß in der Zeitdomäne als
- Neuromorphe Detektor. Ein alternativer Ansatz zur Detektion besteht in Nachahmung der Biologie. In A. ipsilon Motten, zentralen Neuronen eine Eingabe von der Antenne reagieren auf die Pheromon mit einer stereotypen Brennerregungsmuster-Hemmung 13. Ein Hodgkin-Huxley-typ Neuronenmodell mit vier Ionenströme
(A delayed rectifier K +-Strom, spannungsgesteuerten Na + und Ca 2 +-Ströme, einen kleinen Leitwert Ca 2 +-abhängige K +-Strom) wurde entwickelt, um die zuvor beobachteten physiologischen Reaktionen 13 reproduzieren. Für die Signalerkennung, befolgen Sie die Schritte 4.3.1 bis 4.3.3. - Implementieren Sie die Neuron-Modell als Differentialgleichungen. Verwenden Sie die EAG-Signal als Eingangsstrom
in der Evolution des Membranpotentials 
. Verwenden Sie eine Membrankapazität C = 22,9 pF und einen Leckstrom gegeben durch 
mit Leitwert g L = 0.011161 uS undUmkehrpotential E L = -61,4 mV. Die Ionenströme werden beschrieben von 
mit 
von denen 
sind nichtlineare Funktionen der V. vorherige Arbeit 13 für die Details. - Simulieren Sie die Neuron-Modell in Echtzeit mit Sirene durch die Integration der Differentialgleichungen mit einer 4-ter Ordnung Runge-Kutta-Verfahren und ein Zeitschritt
= 0,01 msec. Führen Sie die Testspitze V (t f)> 0 mV und V (t f - ) <0 mV online Spike Zeiten zu erhalten und Interspike-Intervalle. - Erkennen derPheromon-Hits, wenn ein Platzen der Anregung (3 aufeinanderfolgende Interspike-Intervallen <70 ms) wird durch Hemmung (Interspike-Intervall ≥ 350 ms) gefolgt, siehe Abbildung 3C.
- Implementieren Sie die Neuron-Modell als Differentialgleichungen. Verwenden Sie die EAG-Signal als Eingangsstrom
und eine 1. Ordnung Tiefpass-Filter mit exponentiellen Impulsfunktion 
für 
, Siehe 3A. In Reaktion auf schwankende Geruchskonzentrationwertung 4 "fo: content-width =" 0,3 Zoll "src =" / files/ftp_upload/51704/51704eq4.jpg "/> die EAG Ausgang wird von der Faltungsintegral gegeben 
. Entfaltungs einfach durch die Umkehrung des Systems erhalten wurden; das heißt 
in der Frequenzdomäne. Dann 
die Fourier-Transformierte der Impulsantwort 
. Für die Signalerkennung, befolgen Sie die Schritte 4.2.1 bis 4.2.3. 
und 
Fig. 3B. Ungefähre die Nichtlinearität 
durch eine Polynomfunktion. Setzen Sie die Parameter Polynom und die Zeit auf Input-Output-Datenpaare konstant den mittleren quadratischen Fehler zwischen realen minimieren 
und rekonstruiert 
(A delayed rectifier K +-Strom, spannungsgesteuerten Na + und Ca 2 +-Ströme, einen kleinen Leitwert Ca 2 +-abhängige K +-Strom) wurde entwickelt, um die zuvor beobachteten physiologischen Reaktionen 13 reproduzieren. Für die Signalerkennung, befolgen Sie die Schritte 4.3.1 bis 4.3.3. 
in der Evolution des Membranpotentials 
. Verwenden Sie eine Membrankapazität C = 22,9 pF und einen Leckstrom gegeben durch 
mit Leitwert g L = 0.011161 uS undUmkehrpotential E L = -61,4 mV. Die Ionenströme werden beschrieben von 
mit 
von denen 
sind nichtlineare Funktionen der V. vorherige Arbeit 13 für die Details. 
= 0,01 msec. Führen Sie die Testspitze V (t f)> 0 mV und V (t f - Representative Results
Die oben beschriebene Protokoll wurde mit kurzen Impulsen von 20 ms Pheromon (Dosis 1 ug und 10 ug) direkt auf der Antenne aufgeblasen getestet. 4A zeigt die EAGs in Reaktion auf Pheromon Impulse. Sie sind positiv, weil die Aufzeichnungselektrode mit dem invertierenden Eingang des Verstärkers verbunden ist, wie in Schritt 3.3 beschrieben. Wie von dem Leistungsspektrum angezeigt, ist das Messsystem in der Lage, Impulse Pheromon bis 10 Hz bis zu beheben. Zum Vergleich testeten wir auch ein handelsübliches Gassensor. Die TGS2620 ist für den Nachweis von Lösungsmitteldämpfen hergestellten Metalloxid-Sensor. Obwohl der Sensor stellt eine hohe Empfindlichkeit gegenüber Ethanol, war es nicht in der Lage, um Variationen in der Konzentration folgen (siehe die gestrichelte Kurve in Abbildung 4B). Das Problem stammt aus dem Sensorgehäuse. Die TGS2620 ist mit einer Kappe, die eine flammfestem Edelstahl Gaze hat kommerzialisiert. Die Reaktionszeit ist langsam, da in der Praxis dauert esgewisse Zeit, damit das Gas durch die Gaze diffundieren und erreichen die Metalloxidoberfläche. Recovery ist auch langsam, weil es Zeit braucht, um den Sensor zu reinigen, wenn das Gas im Inneren der Kappe gefangen. Wir haben deshalb die Kappe entfernt und diese Modifikation verbessert die Dynamik erheblich (siehe die Ebene Kurve in Abbildung 4B). Noch gab es einen Faktor zehn zwischen der EAG und TGS2620 (10 Hz gegenüber 1 Hz). Dieser Vergleich ist jedoch qualitative als EAG TGS2620 und die nicht unter den gleichen Bedingungen getestet.
Wir untersuchten dann die Stabilität über die Zeit unseres ganzen Insektenpräparat (n = 12 Motten) im Vergleich zu ausgeschnittenen Antennen (n = 7 Antennen). Die EAG wurde periodisch in Reaktion auf Reize Pheromon (Dauer 500 ms, Dosis 1 ug) aufgezeichnet. Raw EAGs (in mV) wurden relativ EAGs umgewandelt (in Prozent vom Ausgangswert zum Zeitpunkt t = 0) erhalten. Abbildung 5 zeigt sehr gute Stabilität unseres ganzen Insekten prepbereitung innerhalb eines Arbeitstages. Im Gegensatz dazu verzeichnete EAGs an isolierten Antennen Abnahme schnell über die Zeit, so dass das Signal fällt auf die Hälfte des Ausgangswertes nach nur 1,5 Stunden. Diese Zeitabhängigkeit ist gut mit einer exponentiellen Zerfall mit einer Lebensdauer von 2 h beschrieben.
Schließlich untersuchten wir die Fähigkeit des EAG Roboter-Plattform zu, um eine Geruchsquelle (Pheromonverbindung Z7-12: OAc) suchen, unter Verwendung eines reaktiven Suchstrategie (6A). Die Suchstrategie vereint gegen den Wind Anstieg jedes Mal das Pheromon wird mit Spiral Gießen in der Abwesenheit von Erkennungen 28 erfasst. Die Gegenwart von Pheromon ist aus der EAG durch die neuromorphe Detektor erfasst, wie in Schritt 4.3 beschrieben. Zwei Beispiele von EAG bei der Suche sind in Abbildung 6B gezeigt. Ohne die Geruchsquelle bleibt die EAG um Null (also 2,5 V) mit sehr wenigen oder keinen Erkennungen. Der Roboter führt Spirale Gießen und in der Regel lässt den Suchraum befErz Erreichen der Zielposition (in 92% der Studien, n = 26 Studien, 6C rechts). Mit der Geruchsquelle (6C links), präsentiert der EAG Ausbrüche von Aktivität (Erkennungen) mit Zeiten der Stille (keine Nachweise) verflochten. Spiral Gießen tritt vor allem bei der Fahne Kontur (6C links, rote Linie) und scheint eine effiziente Strategie für die Verlagerung der Mittelfahne, wenn der Geruch wird verloren sein. In diesem Zustand wird die Quelle allgemein gefunden (Erfolgsrate = 96%, n = 44 Versuche).
Abbildung 1. Ganzinsekten EAG Vorbereitung und Roboter-Setup. A) Die Elektroantennogramm (EAG) wird von einer ganzen Insekten Vorbereitung (siehe Text für Details). B) aufgezeichnet Die Zubereitung ist auf der rob montiertot. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
Abbildung 2. Hardware-Software-Schnittstelle. A) Eagle-Schema der Hardware. Die Schaltung besteht aus sechs Abschnitten (siehe Text für Details). Es ermöglicht Filterung (Frequenzband von 0,1 bis 500 Hz, Kerb bei 50 Hz), Verstärkung (Gesamtgewinn 250X) und Signalanlage im Bereich von 0-5 V. B) Eagle-Layout zeigt Leitungen aus Kupfer (die obere ist rot, und der unten in blau) und Löcher (in grün). C) Leiterplatte (PCB), die die einzelnen Elemente. D) Grafische Benutzerschnittstelle (GUI) in Qt-C + + für die Datenvisualisierung (rote Kurve = EAG-Eingang, grüne Spur geschrieben= Neuronenmodell Ausgang), Filter-Design und Signalerkennung. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
Abbildung 3. Signalerkennung aus der EAG. A) Elektroantennogramm (EAG)-Modell. Die EAG wird durch eine nichtlineare Kaskade 27, die von einer statischen Nichtlinearität gefolgt von einer 1. Ordnung Tiefpaßfilter mit exponentieller Impuls-Funktion besteht modelliert 
. Die EAG Ausgang wird von der Faltungsintegral mit vorgegebenen 
. B)-Engineering-Ansatz. Die Entfaltung filter schreibt 
und 
, Siehe Text für Details. Geruch Begegnungen (Hits) werden erkannt, wenn 
einen vordefinierten Grenzwert überschreitet. C) Bio-inspirierten Ansatz. Ein Hodgkin-Huxley-Typ Neuronenmodells mit fünf internen Ströme (Leck, K +, Na +, Ca 2 + und SK) wird verwendet, um die beobachtete Brennerregungsmuster-Hemmung (EI) zu reproduzieren experimentell beobachteten 13. Zur Signalerfassung wird das EAG Signal verwendet als Eingangsstrom und Treffer detektiert, wenn ein Burst von Anregung durch Hemmung in der Feueraktivität verfolgt.
< br /> Abbildung 4. EAG Reaktionszeit. A) EAG Aufnahmen in Reaktion auf Impulse von 20 ms Pheromon (Dosis 1 ug und 10 ug) mit unterschiedlichen Geschwindigkeiten (1, 2, 4, 6, 8 und 10 Impulsen / s) geliefert wird. Die normalisierte EAG Leistungsspektrum für einen Reiz bei 1 und 10 Hz (Dosis 1 ug und 10 ug) gepulst gezeigt. Die EAG löst Einzelimpulse von bis zu 10 Hz beträgt. B) Aufnahmen von Gassensor TGS2620 in Reaktion auf Ethanol (schwankenden Konzentration). Die gestrichelten Kurven sind und Klar der Sensorantwort mit und ohne die Kappe auf. Der Sensor mit der Kappe hat eine Reaktionszeit von zehn Sekunden und kann nicht so folgt den Schwankungen der Gaskonzentration. Die TGS2620 ohne Kappe löst individuellen Schwankungen von bis zu 1 Hz. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
Abbildung 5. EAG Stabilität (ganze Insekten Vorbereitung vs geschnitten Antenne). Die EAG wurde jede Stunde während 8 h für die ganze Insekten Zubereitung (n = 12 Motten) alle 20 min während 3,2 h für exzidierten Antennen (n = 7 Antennen) aufgezeichnet. Die Abbildung zeigt die relative EAGs (in Prozent vom Ausgangswert zum Zeitpunkt t = 0) erhalten. Die Zeitabhängigkeit für die ausgeschnittenen Antennen ist gut durch einen exponentiellen Abfall mit einer Lebensdauer von 2 Stunden (Halbwertszeit von 1,5 h) ausgestattet.
Abbildung 6. Robotic Experimenten. A) Der Anstieg Guss-Strategie kombiniert Luv Anstieg in derAnwesenheit der Geruch mit Spiral Gießen in seiner Abwesenheit 28. B) Typische EAG bei der Suche aufgenommen, während sich der Roboter bewegt (mit und ohne Geruch). C) Roboterbahnen mit Geruch (n = 44 Studien) und ohne Geruch (n = 26 Studien). Die rote gestrichelte Linie stellt die Wolke Kontur, wo 90% aller Erfassungen während der Versuche aufgetreten. Versuchsbedingungen: Suchraum = 4 mx 2,5 m, Robotergeschwindigkeit = 5,6 cm / sec, target = 10 ug Pheromon auf einem Papierfilter abgeschieden und ersetzt alle 2 Versuche, Roboter Anfangsposition = 2 m vom Ziel, Windgeschwindigkeit = 0,9 ± 0,2 m / sec am Zielort. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
Discussion
Vor fast zwanzig Jahren Kanzaki und seine Kollegen Pionier der Idee der Verwendung von EAG auf olfaktorische Roboter 29-30. Ihre Technik wurde ursprünglich auf exzidierten Antennen basiert. Hier, aus intakten Antennen aufgenommen wir, um die Empfindlichkeit und die Lebensdauer des Präparats zu verbessern. Andere Studien 31-32 bemerkte auch die Überlegenheit der Ganzkörper-Präparate über isolierte Antennen. In unserem Roboter-Experimente, erfahren wir stabile Aufnahmen innerhalb eines Tages. Im Gegensatz zu isolierten Antennen aufgezeichnet EAGs haben eine Lebensdauer von 2 h (Abbildung 5).
Unsere EAG-Roboterplattform wurde in erster Linie entwickelt, um biologische Hypothesen über olfaktorische Kodierung und Suchstrategien in 13 Insekten testen. Ähnlich wie bei zentralen Neuronen eine Eingabe von Insektenfühler angeschlossen wir ein Neuronenmodell zu einem echten Motten Antenne auf einem Roboter durchgeführt und Pheromonerkennung auf der Grundlage seiner Brennmuster. Erkennung und Nicht-Detektion Ereignisse warendann benutzt, um den Roboter zu der Pheromonquelle anzutreiben. Die reaktive Suchstrategie hier betrachteten wurde von den Verhaltensmustern von männlichen Motten durch einen Sexuallockstoff angezogen inspiriert. Es entwickelte sich unter Laborbedingungen (Fig. 6), so dass die Lokalisierung eines niedrigen Emissionsquelle (Pheromon Dosis von 10 ug in unserem Fall gegenüber 10 mg in früheren Arbeiten 24) in einem relativ großen Suchraum (Anfangsabstand von der Quelle 2 m gegenüber 10 cm in früheren Experimenten 20-21).
Diese Roboter-Experimente sollte als ein Proof of Concept zeigt, dass Insektenfühler sind für die Roboterriech Suche berücksichtigt werden. Obwohl Insektenfühler sind dafür bekannt, giftige Gase, Drogen und Sprengstoff 9-11 zu reagieren, sind einige Erweiterungen für den Umgang mit realen Anwendungen benötigt werden. Erstens kann eine anspruchsvollere Suchmethode 34-36 effizienter sein bei Entfernungen über 10 m, wenn der Rückkaufder Fahne wird sehr unwahrscheinlich. Zweitens kann es notwendig sein, EAGs aus verschiedenen Spezies in einer bio-elektronischen Nase Konfiguration 14 um Riechstoffe Interesse erkennen kombinieren. Drittens kann Stereo-Sensing-Funktionen durch die Aufnahme von den beiden Antennen des gleichen Insekten erhalten als nützlich erweisen, in Bezug auf Effizienz. Zwei parallel eingesetzten Sensoren können in der Tat erhöhen Direktionalität. Viertens, Erweiterungen der Suchstrategie auf Tarif Roboter sucht 37 sind, sollen für die Praxis als auch wenn sie nicht im Fall der Motten biologisch relevanter werden.
Materials
| Name | Company | Catalog Number | Comments |
| Agrotis ipsilon | PISC http://www-physiologie-insecte.versailles.inra.fr/indexenglish.php |
moth | |
| Robot Khepera III | K-team www.k-team.com |
Khe3Base + KorBotLE + KorWifi | |
| KoreIOLE | K-team | Input/output extension board | |
| EAG-robot interface | LORIA www.loria.fr |
Custom-made hardware and software | |
| Sirene | LORIA | neuronal simulator sirene.gforge.inria.fr | |
| Eagle | CadSoft www.cadsoftusa.com | PCB design software | |
| Micromanipulator | Narishige / Bio-logic | UN-3C | |
| Magnet base | Narishige/ Bio-logic | USM-6 | |
| Adapter | Narishige/ Bio-logic | UX-6-6 | |
| Rotule | Narishige/ Bio-logic | UPN-B | |
| Micro scisors | MORIA / Phymep | 15371-92 | |
| Stereo microscope Zeiss Stémi 2000 | Fisher Scientific | B19961 | |
| Light source 20 W KL200 | Fisher Scientific | W41745 | |
| Narishige PC-10 Na PC-1 | Narishige | Narishige PC-10 | |
| Capillaries Na PC-1 | Fisher scientific | C01065 | |
| Pheromone cis-7-Dodecenyl acetate(Z7-12:OAc) | Sigma-Aldrich | 259829 | |
| Pack of 3 pipettes: 2-20 µl/ 50-200 µl/ 100-1,000 µl | Eppendorf | 4910000514 | For pheromone dilution and deposition on paper filter |
| Gas sensor TGS2620 | Figaro www.figarosensor.com | Optional, for comparison with EAG | |
| Electrode puller | Narishige | PC-10 |
References
- Russel, R. A. World Scientific Series in Robotics and Intelligent Systems. Odour detection by mobile robots. , 232 (1999).
- Woodfin, R. L. Trace chemical sensing of explosives. , John Wiley and Sons. 496 (2006).
- Wyatt, T. D. Pheromones and animal behavior. , second edition, Cambridge University Press. (2013).
- Weissburg, M. The fluid dynamical context of chemosensory behavior). Biol. Bull. 198, 188-202 (2000).
- Angioy, A. M., Desogus, A., Barbarossa, I. T., Anderson, P., Hansson, B. S. Extreme Sensitivity in an Olfactory System. Chem. Senses. 28 (4), 279-284 (2003).
- Kaissling, K. -E. The Sensitivity of the insect nose: the example of Bombyx mori. Biologically inspired signal processing. Marco, , Springer Verlag. Berlin Heidelberg. 45-52 (2009).
- Sauer, A. E., Karg, G., Koch, U. T., Dekramer, J. J., Milli, R. A portable EAG system for the measurement of pheromone concentration in the field. Chem. Senses. 17 (5), 543-553 (1992).
- Strauch, M., et al. More than apples and oranges - Detecting cancer with a fruit fly's antenna. Scientific reports. 4 (3576), 1-9 (2014).
- Marshall, B., Warr, C. G., de Bruyne, M. Detection of Volatile Indicators of Illicit Substances by the Olfactory Receptors of Drosophila melanogaster. Chem. Senses. 35 (7), 613-625 (2010).
- Rains, G. C., Tomberlin, J. K., Kulasiri, D. Using insect sniffing devices for detection. Trends Biotechnol. 26 (6), 288-294 (2008).
- King, T. L., Horine, F. M., Daly, K. C., Smith, B. H. Explosives detection with hard-wired moths. IEEE Trans. Instrumentation and Measurement. 53 (4), 1113-1118 (2004).
- Gardner, J., Bartlett, P. Electronic noses. , Oxford University Press. (1999).
- Martinez, D., et al. Multiphasic On/Off pheromone signaling in moths as neural correlates of a search strategy. PLoS ONE. 8 (4), (2013).
- Park, K. C., Ochieng, S. A., Zhu, J., Baker, T. C. Odour discrimination using insect electroantennogram responses from an insect antennal array. Chem. Senses. 27, 343-352 (2002).
- Spitzer, D., et al. Bio-Inspired Nanostructured Sensor for the Detection of Ultralow Concentrations of Explosives. Angewandte Chemie. 51 (22), 5334-5338 (2012).
- Furton, K. G., Myers, L. J. The scientific foundation and efficacy of the use of canines as chemical detectors for explosives. Talanta. 54, 487-500 (2001).
- Williams, M., Johnston, J. M. Training and maintaining the performance of dogs (Canis familiaris) on an increasing number of odor discriminations in a controlled setting. Applied Animal Behaviour Science. 78, 55-65 (2002).
- Murlis, J., Elkinton, J. S., Cardé, R. T. Odour plumes and how insects use them. Annu. Rev. Entomol. 37, 505-532 (1992).
- Kaissling, K. E. Pheromone-controlled anemotaxis in moths. Orientation and communication in Arthropods. Lehler, M. , Birkhäuser Verlag. Basel/Switzerland. 343-374 (1997).
- Vickers, N. J. Mechanisms of animal navigation in odor plumes. Biol. Bull. 198, 203-212 (2000).
- Martinez, D., Rochel, O., Hugues, E. A biomimetic robot for tracking specific odors in turbulent plumes. Autonomous Robot, Special Issue on Mobile Robot Olfaction. 20, 185-195 (2006).
- Szyszka, P., Stierle, J. S., Biergans, S., Galizia, C. G. The Speed of Smell: Odor-Object Segregation within Milliseconds. PLoS ONE. 7, (2012).
- Bau, J., Justus, K. A., Loudon, C., Cardé, R. T. Electroantennographic resolution of pulsed pheromone plumes in two species of moths with bipectinate antennae. Chem Senses. 30, 771-780 (2005).
- Barrozo, R. B., Gadenne, C., Anton, S. Switching attraction to inhibition: mating-induced reversed role of sex pheromone in an insect. J. Exp. Biol. 213, 2933-2939 (2010).
- Land, B. R., Wyttenbach, R. A., Johnson, B. R. Tools for physiology labs: an inexpensive high-performance amplifier and electrode for extracellular recording. J. Neuroscience Methods. 106, 47-55 (2001).
- Ortiz, L. A mobile electrophysiology board for autonomous robotics. Master thesis. , The University of Arizona. (2006).
- Justus, K. A., Cardé, R. T., French, A. S. Dynamic Properties of Antennal Responses to Pheromone in Two Moth Species. J. Neurophysiol. 93, 2233-2239 (2005).
- Martinez, D., Moraud, E. M. Reactive and cognitive search strategies for olfactory robots. Neuromorphic Olfaction, Frontiers in Neuroengineering Series. Persaud, K. .C., Marco, S., Gutierrez-Galvez, A. , CRC Press. (2013).
- Kuwana, Y., Shimoyama, I., Miura, H. Steering control of a mobile robot using insect antennae. Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems. , Pittsburgh, PA. (1995).
- Kuwana, Y., Nagasawa, S., Shimoyama, I., Kanzaki, R. Synthesis of the pheromone-oriented behaviour of silkworm moths by a mobile robot with moth antennae as pheromone sensors. Biosensors and Bioelectronics. 14, 195-202 (1999).
- Myrick, A. J., Park, K. C., Hetling, J. R., Baker, T. C. Detection and discrimination of mixed odor strands in overlapping plumes using an insect-antenna-based chemosensor system. J. Chem. Ecol. 35, 118-130 (2009).
- Myrick, A. J., Park, K. C., Hetling, J. R., Baker, T. C. Real-time odor discrimination using a bioelectronic sensor array based on the insect electroantennogram. Bioinspiration and Biomimetics. 3, (2008).
- Vickers, N. J., Christensen, T. A., Baker, T. C., Hildebrand, J. G. Odour-plume dynamics influence the brain's olfactory code. Nature. 410, 466-470 (2001).
- Vergassola, M., Villermaux, E., Shraiman, B. I. 'Infotaxis' as a strategy for searching without gradients. Nature. 445, 406-409 (2007).
- Martin-Moraud, E., Martinez, D. Effectiveness and robustness of robot infotaxis for searching in dilute conditions. Frontiers in neurorobotics. , (2010).
- Masson, J. -B. Olfactory searches with limited space perception). PNAS. 110, 11261-11266 (2013).
- Masson, J. -B., Bailly Bechet, M., Vergassola, M. Chasing information to search in random environments. J. Phys. A: Math. Theor. 42, (2009).
