Summary
Presentato qui è un protocollo per costruire un apparato automatico che guida una scimmia per eseguire il compito flessibile reach-to-grasp. L'apparecchio combina un dispositivo di traslazione 3D e una tabella di tornitura per presentare più oggetti in una posizione arbitraria nello spazio 3D.
Abstract
Raggiungere e afferrare sono movimenti altamente accoppiati, e le loro dinamiche neurali sottostanti sono state ampiamente studiate nell'ultimo decennio. Per distinguere le codifiche di raggiungere e afferrare le codifiche, è essenziale presentare identità di oggetti diverse indipendentemente dalle loro posizioni. Qui è presentato il design di un apparato automatico che viene assemblato con una tabella di tornitura e un dispositivo traslazionale tridimensionale (3D) per raggiungere questo obiettivo. La tabella di tornitura consente di passare da diversi oggetti corrispondenti a diversi tipi di grip, mentre il dispositivo di traslazione 3D trasporta la tabella di tornitura nello spazio 3D. Entrambi sono guidati in modo indipendente dai motori in modo che la posizione di destinazione e l'oggetto siano combinati arbitrariamente. Nel frattempo, la traiettoria del polso e i tipi di grip vengono registrati rispettivamente tramite il sistema di acquisizione del movimento e i sensori touch. Inoltre, vengono descritti i risultati rappresentativi che dimostrano con successo la scimmia addestrata utilizzando questo sistema. Si prevede che questo apparato faciliterà i ricercatori a studiare la cinematica, i principi neurali e le interfacce cervello-macchina legate alla funzione degli arti superiori.
Introduction
Sono stati sviluppati vari apparati per studiare i principi neurali alla base del movimento di raggiungimento e presa in primati non umani. Nel raggiungere le attività, touch screen1,2, cursore dello schermo controllato da un joystick3,4,5,6,7, e la tecnologia di realtà virtuale8 , 9 (in vie , 10 sono stati tutti impiegati per presentare obiettivi 2D e 3D, rispettivamente. Per introdurre diversi tipi di grip, oggetti di forma diversa fissati in una posizione o ruotanti intorno a un asse sono stati ampiamente utilizzati nelle attività di presa11,12,13. Un'alternativa consiste nell'utilizzare segnali visivi per informare i soggetti a cogliere lo stesso oggetto con diversi tipi di grip14,15,16,17. Più recentemente, i movimenti di raggiungimento e presa sono stati studiati insieme (cioè i soggetti raggiungono molteplici posizioni e afferrano con diversi tipi di impugnatura in una sessione sperimentale)18,19,20, 21,22,23,24,25,26,27,28,29. I primi esperimenti hanno presentato gli oggetti manualmente, che inevitabilmente portano a basso tempo e precisione spaziale20,21. Per migliorare la precisione sperimentale e risparmiare manodopera, sono stati ampiamente utilizzati i dispositivi di presentazione automatica controllati dai programmi. Per variare la posizione di destinazione e il tipo di grip, gli sperimentatori hanno esposto più oggetti contemporaneamente, ma la posizione relativa (o assoluta) dei bersagli e i tipi di grip sono legati tra loro, il che causa modelli di cottura rigidi tramite l'addestramento a lungo termine22 ,27,28. Gli oggetti sono di solito presentati in un piano 2D, che limita la diversità di raggiungere il movimento e l'attività neurale19,25,26. Recentemente, realtà virtuale24 e braccio robot23,29 sono stati introdotti per presentare gli oggetti nello spazio 3D.
Qui sono presentati protocolli dettagliati per la costruzione e l'utilizzo di un apparato automatizzato30 che può ottenere qualsiasi combinazione di più posizioni di destinazione e tipi di grip nello spazio 3D. Abbiamo progettato un tavolo di tornitura per passare da oggetti e un dispositivo di traslazione 3D per trasportare la tabella di tornitura nello spazio 3D. Sia la tabella di tornitura che il dispositivo di traslazione sono guidati da motori indipendenti. Nel frattempo, la traiettoria 3D del polso e i segnali neurali del soggetto vengono registrati contemporaneamente durante l'esperimento. L'apparecchio fornisce una piattaforma preziosa per lo studio della funzione dell'arto superiore nella scimmia rhesus.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Tutte le procedure comportamentali e chirurgiche conformate alla Guida per la cura e l'uso degli animali da laboratorio (Ministero della Salute cinese) e sono state approvate dal Comitato per la cura degli animali presso l'Università di ehejiang, in Cina.
1.Assemblaggio del dispositivo di traslazione 3D
- Costruire un telaio di dimensioni 920 mm x 690 mm x 530 mm con rotaie di costruzione in alluminio (sezione trasversale: 40 mm x 40 mm).
- Fissare quattro piedistalli alle due estremità delle rotaie Y con viti (M4) (Figura 1B).
- Fissare due voche Y sulla superficie superiore del telaio in parallelo fissando i quattro piedistalli ai quattro angoli della superficie superiore con viti (M6) (Figura 1B).
- Collegare due y-rail con un albero di collegamento e due accoppiamenti diaframma. Stringere le viti di blocco di accoppiamenti per sincronizzare gli alberi di due rotaie (Figura 1B).
- Mettere sei dadi (M4) nelle scanalature posteriori della rotaia a z. Fissare un lato del telaio del triangolo destro sul retro della guida a z con le viti.
- Tirare il telaio del triangolo fino all'estremità che è distale per l'albero e stringere le viti. Attaccare l'altro telaio a triangolo rettangolo destro all'altro binario a z nello stesso modo (Figura 1C).
- Fissare gli altri lati ad angolo retto di due telai a triangolo ai cursori di due guide Y con viti (M6) (Figura 1C).
- Collegare due rotaie a z con un albero di collegamento e accoppiamenti diaframma e stringere le viti di blocco di accoppiamento (Figura 1C).
- Attaccare i due pannelli di collegamento a forma di T sul retro della rotaia X con dadi e viti (M4). Quindi tirare le due tavole a forma di T alle due estremità di X-rail e stringere le viti (Figura 1D).
- Fissare i due pannelli di collegamento a forma di T sui cursori di due rotaie a z con viti (M6), rispettivamente (Figura 1D).
- Inserire il motore di stepping nel foro dell'albero del riduttore dell'ingranaggio e avvitare le flange insieme (Figura 1E).
- Fissare l'anello di collegamento all'estremità dell'albero della X-rail attiva con viti (M4).
- Inserire l'albero di X-rail nell'accoppiamento e fissare il riduttore dell'ingranaggio all'anello di collegamento con viti (M4). Stringere le viti di blocco dell'accoppiamento (Figura 1E).
- Fissare gli altri due motori e riduttori di marcia alla guida Y attiva e alla rotaia a z utilizzando i metodi descritti nei passaggi da 1.11 a 1.12.
- Inserire i cavi di alimentazione e di controllo dei tre motori di stepping alle porte di alimentazione e di controllo dei loro conducenti, rispettivamente e fissare i cavi con viti sul lato conducente.
2. Assemblaggio della tabella di tornitura
- Scaricare il file . File di progettazione DWG dai file supplementari di questo documento. Preparare gli oggetti, albero mentale, barra di localizzazione, rotatore e caso da stampa 3D o lavorazione meccanica.
- Inserire i sensori tattili nella scanalatura del corpo dell'oggetto e infilarli sulle aree di tocco predefinite con nastro a doppio lato (Figura 2B).
NOTA: ogni oggetto è costituito da quattro sottocomponenti: una scheda posteriore, corpo oggetto con scanalatura interna, copertura e sensori touch. - Passare i fili attraverso il foro della scheda posteriore dell'oggetto e fissare la scheda di copertura sul corpo dell'oggetto con viti (Figura 2B).
- Passare fili di sensori tattili attraverso i fori sui lati del rotatore e fissare gli oggetti sul rotatore con viti. (Figura 2C).
- Saldare le estremità del filo dei sensori tattili alle estremità del filo rotante dell'anello elettrico e avvolgere le giunzioni con nastro elettrico (Figura 2D).
- Fissare la custodia sul cursore della X-rail con viti. Posizionare il cuscinetto nel foro inferiore della scatola e fissare la barra di localizzazione alla superficie superiore della cassa con viti (Figura 2E).
- Posizionare il rotatore nella cassa da un lato, cocciando gli assi di rotatore, cuscinetto e scatola. Passare i fili dell'anello di slittamento elettrico attraverso il foro superiore della cassa (Figura 2F).
- Inserire l'albero metallico nel cuscinetto dal foro superiore della cassa e montare la chiave dell'albero al tasto del rotatore (Figura 2G).
- Impostare l'anello di slittamento elettrico intorno all'albero metallico. Posizionare l'estremità della barra di localizzazione nella tacca dell'anello di slittamento elettrico per evitare che l'anello esterno ruoti (Figura 2G).
- Inserire l'albero di passo motore nel foro di albero metallico e fissare il motore sulla parte superiore della scatola con viti. (Figura 2H).
- Inserire i cavi di alimentazione e di controllo del motore nelle porte di alimentazione e di controllo del suo conducente e fissarle con viti.
- Attaccare un LED tricolore (RGB) sul lato anteriore della custodia con nastro adesivo e fissare la scheda laterale destra sulla custodia.
3. Configurazione del sistema di controllo
- Inserire la direzione e i fili di controllo dell'impulso dei quattro driver motore nelle porte I/O digitali (pin 81, 83, 85, 87) e le porte dei contatori digitali (pin 89, 91, 93, 95) della scheda di acquisizione dati (DAQ), rispettivamente. Fissare i fili con le viti.
- Inserire i fili di controllo del LED (colore verde utilizzato per il segnale "go", il colore blu utilizzato per il segnale "errore" e il colore rosso che rappresenta l'inattività) nelle porte I/O digitali (pin 65 e 66) della scheda DAQ e fissarli con viti.
- Inserire i fili di uscita dei sensori touch e il pulsante di interruttore nelle porte I/O digitali (pin 67–77) della scheda DAQ e fissare i fili con viti.
- Inserire i fili di controllo start-stop e direzione della pompa peritaletica rispettivamente nei pin I/O digitali 1 e 80. Inserire il filo di controllo della velocità di flusso nella porta I/O analogica AO2. Fissare i fili con le viti.
- Impostare un sistema di motion capture come descritto dal produttore per registrare la traiettoria della mano nello spazio 3D.
NOTA: È stato utilizzato un sistema di motion capture commerciale (vedere Tabella deimateriali), costituito da otto telecamere, un hub di alimentazione, un commutatore Ethernet e un software di supporto (ad esempio, Cortex). Si prega di fare riferimento al manuale per ottenere maggiori dettagli sulla configurazione del sistema. - Impostare un sistema di acquisizione del segnale neurale come descritto dal produttore per registrare il segnale elettrofisiologico dal soggetto.
NOTA: è stato utilizzato un sistema di acquisizione di dati commerciali (Table of Materials), costituito da un processore di segnale neurale (NSP), un amplificatore front-end (FEA), un alimentatore di amplificatori (ASP), le fasi iniziali e il relativo software di supporto (ad esempio, Centrale). Consultare il manuale per ulteriori dettagli sulla configurazione del sistema.
4. Preparazione della sessione sperimentale
- Inizializzare il dispositivo di traslazione 3D e la tabella di tornitura. In particolare, tirare i cursori di tutta la guida di scorrimento lineare al punto iniziale (angolo inferiore sinistro) e ruotare il primo oggetto (cioè la maniglia posizionata verticalmente) di tabella di tornitura verso il lato anteriore della tabella di tornitura.
- Potenza sui dispositivi sperimentali, tra cui sistema di motion capture, acquisizione del segnale neurale, scheda DAQ, pompa peristaltica e quattro motori.
- Impostare il software paradigmatico (Figura 3A).
- Fare doppio clic su Paradigm.exe per aprire il software paradigma (disponibile su richiesta).
- Definire il numero delle posizioni di raggiungimento e le relative coordinate 3D (x, y e z, in millimetri) rispetto alle posizioni iniziali (passaggio 4.2).
- Scrivere le coordinate di tutte le posizioni sotto forma di matrice in un documento .txt. Assicurarsi che ogni riga includa le coordinate x, y e z di una posizione separata da uno spazio. Salvare il documento txt.
- Fare clic su Apri file nel pannello Pool del software paradigma e selezionare il documento .txt salvato in precedenza per caricare le posizioni di presentazione nel software paradigma.
NOTA: In questo studio, sono state stabilite otto posizioni di destinazione in base all'intervallo di raggiungimento degli animali, che si trovano ai vertici di un'area di lavoro cuboide9,10 (90 mm x 60 mm x 90 mm). - Controllare gli oggetti da presentare nell'esperimento nel pool di oggetti del software paradigma.
- Regolare i parametri sperimentali nel pannello Parametri temporali del software paradigma. Imposta linea di base: 400 ms, corsa del motore: 2.000 ms, pianificazione: 1.000 ms, tempo massimo di reazione, 500 ms, tempo di raggiungimento massimo , 1.000 ms, tempo di attesa massimo , 500 ms, 60 ms e segnale di errore 1.000 ms.
- Sedete la scimmia rhesus (con un array di microelettrodi impiantato nella corteccia motoria) sulla sedia della scimmia inserendo il collare nella scanalatura della sedia e fissando la testa.
- Fissare la sedia scimmia al telaio di costruzione in alluminio. Tenere la testa a 250 mm di distanza dal lato anteriore del cuboide e tenere gli occhi 50 mm sopra il lato superiore dello spazio di lavoro cuboide (angolo visivo orizzontale: 20; angolo visivo verticale: 18).
- Costruisci un modello di monitoraggio del sistema di motion capture.
- Attaccare tre marcatori riflettenti all'estremità del braccio (vicino al polso) con nastro a due lati. Assicuratevi che i tre marcatori formino un triangolo di scalene.
- Fare clic sul pulsante Esegui del software paradigma per avviare l'attività.
- Fate clic sul pulsante Registra nel pannello Motion Capture del software Cortex per registrare le traiettorie di tre marcatori per 60 s quando la scimmia sta eseguendo l'operazione. Fare clic sul pulsante Interrompi per sospendere l'esperimento.
- Costruire un modello di tracciamento di tre marcatori sul software Cortex utilizzando le traiettorie registrate e salvare il modello.
NOTA: Si prega di fare riferimento al manuale di Cortex per ottenere maggiori dettagli su come costruire un modello.
- Collegare le porte GND di FEA e l'array di microelettrodi impiantati nella corteccia motoria della scimmia con un filo e di pizzicamento. Quindi inserire le fasi della testa nel connettore dell'array di microelettrodi31.
- Aprire il software centrale di sistema di acquisizione del segnale neurale e impostare i parametri di registrazione tra cui percorso di archiviazione, cancellazione del rumore di linea, filtro picco, soglia di picco, ecc.
NOTA: Si prega di fare riferimento al manuale del sistema di acquisizione del segnale neurale per ulteriori dettagli di impostazione del software. - Aprire il software di sincronizzazione (Figura 3B, disponibile su richiesta). Fare clic sui tre pulsanti Connect nei pannelli Cerebus, Motion Capture e Paradigm per collegare il software di sincronizzazione rispettivamente al sistema di acquisizione del segnale neurale, al sistema di motion capture e al paradigma.
- Fare clic sul pulsante Esegui del software paradigma per continuare l'esperimento.
- Fare clic sul pulsante Registra nel pannello Archiviazione file del software Centrale per avviare la registrazione dei segnali neurali.
- Controlla il modello di tracciamento salvato e fai clic sul pulsante Registra nel pannello Motion Capture del software Cortex per iniziare a registrare la traiettoria del polso della scimmia.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
La dimensione dello spazio di lavoro completo dell'apparato è rispettivamente di 600 mm, 300 mm e 500 mm negli assi x, y e z. Il carico massimo del dispositivo di traslazione 3D è di 25 kg, mentre il tavolo di tornitura (compreso il motore a prua) è pesato 15 kg e può essere trasportato ad una velocità fino a 500 mm/s. La precisione cinematica del dispositivo di traslazione 3D è inferiore a 0,1 mm e il rumore dell'apparato è inferiore a 60 dB.
Per dimostrare l'utilità del sistema, la scimmia è addestrata (precedentemente addestrata in un compito di portata) per fare un compito reach-to-grasp ritardato con il sistema30. Utilizzando la procedura presentata in precedenza, il software paradigmapresenta presenta automaticamente lo studio comportamentale per prova (500 dollari di prove per sessione). In particolare, la scimmia deve iniziare una prova (Figura 4) premendo il pulsante e tenendolo premuto prima del segnale "go". Come primo passo (fase di corsa a motore), il dispositivo di traslazione 3D trasporta la tabella di tornitura in una posizione pseudo scelta casualmente e, allo stesso tempo, la tabella di tornitura ruoterà anche per presentare un oggetto pseudo scelto casualmente. Questa fase di corsa del motore dura 2 s e tutti e quattro i motori (tre nel dispositivo di traslazione 3D e uno nella tabella di tornitura) si avviano e si fermano allo stesso tempo. La fase di corsa del motore è seguita da una fase di "pianificazione" (1 secondo), durante la quale la scimmia pianifica il seguente movimento. Una volta che il LED verde ("go" cue) cue) si accende, la scimmia dovrebbe rilasciare il pulsante, raggiungere nel tavolo di tornitura e afferrare l'oggetto con il tipo di presa corrispondente il più presto possibile (tempo di reazione massimo : 0,5 s; tempo massimo di movimento - 1 s). La scimmia riceve una ricompensa d'acqua dopo un tempo minimo di attesa di 0,5 s. Una prova viene interrotta e il LED blu si accende se la scimmia rilascia il pulsante prima del segnale "go" o non rilascia il pulsante entro il tempo massimo di reazione dopo la segnale.
Il software di sincronizzazione riceve etichette di evento (ad esempio, Button On, Go Cue, Button Off, ecc., Figura 4) dal software paradigma e un'etichetta "start-record" dal sistema di motion capture, quindi li invia al sistema di acquisizione del segnale neurale in tempo reale durante l'esperimento. Tutte le etichette vengono salvate con segnali neurali, ma la traiettoria del polso viene memorizzata in un file separato. Per allineare i segnali neurali e la traiettoria nel tempo, il timestamp dell'etichetta "start-record" è stato preso come quello del primo campione di traiettoria, quindi sono stati assegnati timestamp incrementali per gli altri campioni in base alla frequenza fotogrammi del sistema di acquisizione del movimento. La figura 3 mostra le etichette degli eventi allineate al tempo, la traiettoria del polso e l'attività neuronale di esempio.
La traiettoria del polso durante la fase di raggiungimento in tutte le prove di successo è stata estratta e li ha divisi in otto gruppi in base alle posizioni di destinazione (Figura 5). Per ogni gruppo di traiettorie sono stati calcolati i valori medi e gli intervalli di confidenza del 95% in ogni punto temporale. Il grafico di traiettoria in Figura 5 mostra che le estremità di otto gruppi di traiettoria formano un cuboide, che ha le stesse dimensioni dello spazio di lavoro cuboide predefinito (passaggio 4.3.4). L'istogramma temporale peristimulo (PSTH) per singolo neurone è stato tracciato rispetto a raggiungere posizione e oggetto, rispettivamente. I treni a punta in prove di successo sono stati riattaccati con una finestra scorrevole di 50 ms e lisciati con un kernel gaussiano (100 ms). I valori medi e l'intervallo di confidenza del 95% per ogni gruppo sono stati calcolati con il metodo bootstrap (n - 2.000). Figura 6 Mostra i valori PSTH di due neuroni di esempio che si accordano sia raggiungendo posizione e oggetti. Il neurone in Figura 6A mostra selettività significativa durante le fasi di raggiungimento e detenzione, mentre il neurone in Figura 6B inizia a sintonizzare posizioni e oggetti dal centro della fase di "corsa motoria".
Figura 1: istruzioni dettagliate per l'assemblaggio del dispositivo di traslazione 3D.
I-I X-rail, I-III Y-rail, I-II, imbianchibili, i motori di collegamento III, i riduttori iv planetari, gli anelli di collegamento V, gli accoppiamenti VI diaframma, i piedistalli VII, le tavole a forma di T VIII, i telai a triangolo rettangolo IX. (A) I materiali per l'assemblaggio del dispositivo di traslazione. (B) Costruire il telaio e installare le guide Y (passaggi 1.1–1.4). (C) Fissaggio di due rotaie a z su binari Y (passi 1.5–1.7). (D) Fissaggio x-rail su rotaie a z (passaggi 1.8 e 1.9). (E) Installazione del motore e dell'ingranaggio (passaggi 1.10 e 1.11). (F) Dispositivo di traslazione 3D completamente assemblato (passaggi 1.12 e 1.3). Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 2: istruzioni dettagliate per l'assieme della tabelladi tornitura .
(A) Materiali per la tornitura dell'assieme della tabella. (B) Assemblaggio di oggetti e installazione di sensori tattili (passaggio 2.2). (C) Fissare gli oggetti sul rotatore (passaggio 2.3). (D) Collegamento dei fili dei sensori all'anello di slittamento elettrico (passaggio 2.4). (E) Installazione della base su dispositivo di traslazione 3D e posizionamento della barra e del cuscinetto di localizzazione (passaggio 2.5). (F) Inserire il rotatore nel caso (passaggio 2.6). (G) Installare l'albero e l'anello di slittamento elettrico (passaggi 2.7 e 2.8). (H) Installazione del motore di stepping (passaggio 2.9). Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 3: L'interfaccia utente grafica del paradigma e del software di sincronizzazione.
(A) Un programma LabView personalizzato per controllare l'attività comportamentale. (B) Un programma personalizzato in C, per comunicare con il software paradigmale, il sistema di acquisizione del segnale neurale e il sistema di motion capture. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 4: Tempo di allineamento dei dati in una prova riuscita.
Tutti i tempi degli eventi, le traiettorie del polso (X, Y, e ) e l'attività neuronale (unità di esempio 1–3) sono stati registrati simultaneamente. Le brevi linee nere nella riga superiore sono le etichette degli eventi. "Pulsante On" indica l'ora in cui la scimmia ha premuto il pulsante verso il basso; "Position Index" è un numero da 1 a 8 che indica quale posizione di raggiungimento è presentata; "Indice oggetto" è un numero compreso tra 1 e 6 che indica quale oggetto viene presentato; "Motor On" indica l'ora di inizio di quattro motori. "Motor Off" indica il loro tempo di arresto; "Go Cue" indica il momento in cui il LED verde si accende; "Button Off" indica il momento in cui la scimmia rilascia il pulsante; "Touch On" indica il momento in cui i sensori tattili nell'oggetto rilevano la mano; "Ricompensa On" indica il momento in cui la pompa inizia a fornire la ricompensa dell'acqua e rappresenta la fine di una prova. Le etichette "Button On", "Position Index" e "Object Index" vengono salvate successivamente in un tempo molto breve all'inizio di una prova. Le righe da 2 a 4 (etichettate con X, Y e z) tracciano la traiettoria del polso in 3D registrata dal sistema di motion capture. Le righe 5-7 (etichettate con unità 1, 2 e 3) mostrano i treni a picchi di tre neuroni di esempio registrati dal sistema di acquisizione del segnale neurale. La riga inferiore mostra la sequenza temporale per una prova completa suddivisa in sei fasi basate sulle etichette degli eventi. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 5: Traiettorie del polso registrate dal sistema di motion capture.
Tutte le prove di successo sono divise in otto gruppi in base alle posizioni target (etichettate con la lettera da A a H). Ogni linea continua è una traiettoria media di un gruppo e l'ombra rappresenta le variazioni delle traiettorie. Questa cifra è stata modificata da uno studio precedente30. Fare clic qui per visualizzare una versione più grande di questa figura.
Figura 6: PSTH di due neuroni di esempio (A e B).
Le linee tratteggiate verticali da destra a sinistra in ordine sono Motor On, Motor Off, Go Cue On, Button Off e Touch On. Ogni linea continua (in colori diversi) in PSTH rappresenta un tasso di cottura medio tra le prove verso una posizione di destinazione e l'ombra rappresenta intervalli di confidenza del 95% (bootstrap; 2.000 volte). Sia per A che per B,i pannelli superiore e inferiore mostrano il PSTH rispetto alle diverse posizioni e oggetti, rispettivamente. Fare clic qui per visualizzare una versione più grande di questa figura.
File supplementari. Fare clic qui per scaricare i file.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
L'apparato comportamentale è descritto qui consente una combinazione di prova-saggio di diversi movimenti di raggiungendo e presa (cioè, la scimmia può afferrare oggetti di forma diversa in qualsiasi posizione 3D arbitraria in ogni prova). Ciò avviene attraverso la combinazione di una tabella di tornitura personalizzata che passa da diversi oggetti e un dispositivo di traslazione lineare che trasporta la tabella di tornitura in più posizioni nello spazio 3D. Inoltre, i segnali neurali della scimmia, la traiettoria del polso e le forme delle mani sono stati in grado di essere registrati e sincronizzati per la ricerca neurofisiologica.
L'apparecchio, che comprende il dispositivo di traslazionale 3D azionato separatamente e la tabella di tornitura, presenta più posizioni di destinazione e oggetti in modo indipendente. Cioè, tutte le posizioni e gli oggetti predefiniti sono stati combinati arbitrariamente, il che è importante nello studio della codifica multivariabile14,25,28. Al contrario, se l'oggetto da afferrare è collegato alla posizione (ad esempio, l'oggetto è fissato su un pannello), è difficile determinare se un singolo neurone sintonizza un oggetto o una posizione18,27,32. Inoltre, l'apparato presenta oggetti nello spazio 3D invece che su un piano 2D19,27, che attiva più neuroni con modulazione spaziale.
La connessione imbullonata è ampiamente utilizzata tra i sottocomponenti dell'apparato, il che si traduce in un'elevata esteso e flessibilità. Progettando la forma degli oggetti e il posizionamento dei sensori tattili, un gran numero di tipi di grip sono stati indotti e identificati con precisione. Il dispositivo di traslazione 3D può spostare qualsiasi sottocomponente inferiore a 25 kg nello spazio 3D ed è competente per la maggior parte delle attività che coinvolgono lo spostamento spaziale. Inoltre, anche se l'apparato è stato progettato per addestrare la scimmia rhesus (Macaca mulatta), a causa della gamma regolabile del dispositivo di traslazione 3D, è anche competente per altri primati con dimensioni del corpo simili o più grandi o anche esseri umani.
Una delle principali preoccupazioni del compito comportamentale che combina il movimento di afferramento e presa è se la postura della mano differisce tra diverse posizioni di copertura anche se la scimmia afferra l'oggetto con lo stesso tipo di presa. Anche se raggiungere e afferrare è generalmente considerato come due movimenti diversi, i loro effetti (braccio e mano) sono collegati. Pertanto, è inevitabile che il movimento di raggiungimento interagisca con la presa. Secondo le osservazioni in questo esperimento, l'angolo del polso della scimmia è leggermente cambiato quando si afferra lo stesso oggetto in posizioni diverse, ma non sono state osservate differenze significative nella postura della mano.
Una potenziale limitazione dell'apparato è che la stanza sperimentale non è completamente scura a causa della luce infrarossa dal sistema di motion capture. La scimmia può vedere l'oggetto bersaglio in tutto il percorso, che porta alla messa a punto indesiderata prima del periodo di pianificazione. Per controllare l'accesso visivo a un oggetto, è possibile posizionare un vetro commutabile controllato dal software paradigmatico tra la testa e l'apparato. Il vetro commutabile è opaco durante la linea di base e le fasi di pianificazione e diventa trasparente dopo la segnale "go". In questo modo, le informazioni visive sono controllate con precisione. Allo stesso modo, il rumore bianco può essere impiegato per mascherare il suono del motore, che impedisce alla scimmia di identificare la posizione dell'oggetto dal suono del motore. Un'altra limitazione dell'apparato è che il movimento delle dita non può essere rintracciato. Questo perché la scimmia deve raggiungere la mano nel tavolo di tornitura per afferrare l'oggetto, che impedisce alle telecamere di catturare segni sulla mano.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Gli autori non hanno nulla da rivelare.
Acknowledgments
Ringraziamo Shijiang Shen per i suoi consigli sulla progettazione di apparati e la signora Guihua Wang per la sua assistenza nella cura e formazione degli animali. Questo lavoro è stato sostenuto dal Programma Nazionale di Ricerca e Sviluppo della Cina (2017YFC1308501), dalla National Natural Science Foundation of China (31627802), dai Progetti Pubblici della Provincia di Università centrali.
Materials
| Name | Company | Catalog Number | Comments |
| Active X-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 600 mm; Load, 25 kg |
| Active Y-rail | CCM Automation technology Inc., China | W60-35 | Effective travel, 300 mm, Load 35 kg |
| Active Z-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 500 mm; Load 25 kg |
| Bearing | Taobao.com | 6004-2RSH | Acrylic |
| Case | Custom mechanical processing | TT-C | Acrylic |
| Connecting ring | CCM Automation technology Inc., China | 57/60-W50 | |
| Connecting shaft | CCM Automation technology Inc., China | D12-700 | Diam., 12 mm;Length, 700 mm |
| Diaphragm coupling | CCM Automation technology Inc., China | CCM 12-12 | Inner diam., 12-12mm |
| Diaphragm coupling | CCM Automation technology Inc., China | CCM 12-14 | Inner diam., 14-12mm |
| Electric slip ring | Semring Inc., China | SNH020a-12 | Acrylic |
| Locating bar | Custom mechanical processing | TT-L | Acrylic |
| Motion capture system | Motion Analysis Corp. US | Eagle-2.36 | |
| Neural signal acquisition system | Blackrock Microsystems Corp. US | Cerebus | |
| NI DAQ device | National Instruments, US | USB-6341 | |
| Object | Custom mechanical processing | TT-O | Acrylic |
| Passive Y-rail | CCM Automation technology Inc., China | W60-35 | Effective travel, 300 mm; Load 35 kg |
| Passive Z-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 500 mm; Load 25 kg |
| Pedestal | CCM Automation technology Inc., China | 80-W60 | |
| Peristaltic pump | Longer Inc., China | BT100-1L | |
| Planetary gearhead | CCM Automation technology Inc., China | PLF60-5 | Flange, 60×60 mm; Reduction ratio, 1:5 |
| Right triangle frame | CCM Automation technology Inc., China | 290-300 | |
| Rotator | Custom mechanical processing | TT-R | Acrylic |
| Servo motor | Yifeng Inc., China | 60ST-M01930 | Flange, 60×60 mm; Torque, 1.91 N·m; for Y- and Z-rail |
| Servo motor | Yifeng Inc., China | 60ST-M01330 | Flange, 60×60 mm; Torque, 1.27 N·m; for X-rail |
| Shaft | Custom mechanical processing | TT-S | Acrylic |
| Stepping motor | Taobao.com | 86HBS120 | Flange, 86×86 mm; Torque, 1.27 N·m; Driving turning table |
| Touch sensor | Taobao.com | CM-12X-5V | |
| Tricolor LED | Taobao.com | CK017, RGB | |
| T-shaped connecting board | CCM Automation technology Inc., China | 110-120 |
References
- Leone, F. T., Monaco, S., Henriques, D. Y., Toni, I., Medendorp, W. P. Flexible Reference Frames for Grasp Planning in Human Parietofrontal Cortex. eNeuro. 2 (3), (2015).
- Caminiti, R., et al. Early coding of reaching: frontal and parietal association connections of parieto-occipital cortex. European Journal of Neuroscience. 11 (9), 3339-3345 (1999).
- Georgopoulos, A. P., Schwartz, A. B., Kettner, R. E. Neuronal population coding of movement direction. Science. 233 (4771), 1416-1419 (1986).
- Fu, Q. G., Flament, D., Coltz, J. D., Ebner, T. J. Temporal encoding of movement kinematics in the discharge of primate primary motor and premotor neurons. Journal of Neurophysiology. 73 (2), 836-854 (1995).
- Moran, D. W., Schwartz, A. B. Motor cortical representation of speed and direction during reaching. Journal of Neurophysiology. 82 (5), 2676-2692 (1999).
- Carmena, J. M., et al. Learning to control a brain-machine interface for reaching and grasping by primates. PLoS Biology. 1 (2), E42 (2003).
- Li, H., et al. Prior Knowledge of Target Direction and Intended Movement Selection Improves Indirect Reaching Movement Decoding. Behavioral Neurology. , 2182843 (2017).
- Reina, G. A., Moran, D. W., Schwartz, A. B. On the relationship between joint angular velocity and motor cortical discharge during reaching. Journal of Neurophysiology. 85 (6), 2576-2589 (2001).
- Taylor, D. M., Tillery, S. I., Schwartz, A. B. Direct cortical control of 3D neuroprosthetic devices. Science. 296 (5574), 1829-1832 (2002).
- Wang, W., Chan, S. S., Heldman, D. A., Moran, D. W. Motor cortical representation of hand translation and rotation during reaching. Journal of Neuroscience. 30 (3), 958-962 (2010).
- Murata, A., Gallese, V., Luppino, G., Kaseda, M., Sakata, H. Selectivity for the shape, size, and orientation of objects for grasping in neurons of monkey parietal area AIP. Journal of Neurophysiology. 83 (5), 2580-2601 (2000).
- Raos, V., Umiltá, M. A., Murata, A., Fogassi, L., Gallese, V. Functional Properties of Grasping-Related Neurons in the Ventral Premotor Area F5 of the Macaque Monkey. Journal of Neurophysiology. 95 (2), 709 (2006).
- Schaffelhofer, S., Scherberger, H. Object vision to hand action in macaque parietal, premotor, and motor cortices. eLife. 5, (2016).
- Baumann, M. A., Fluet, M. C., Scherberger, H. Context-specific grasp movement representation in the macaque anterior intraparietal area. Journal of Neuroscience. 29 (20), 6436-6448 (2009).
- Riehle, A., Wirtssohn, S., Grun, S., Brochier, T. Mapping the spatio-temporal structure of motor cortical LFP and spiking activities during reach-to-grasp movements. Frontiers in Neural Circuits. 7, 48 (2013).
- Michaels, J. A., Scherberger, H. Population coding of grasp and laterality-related information in the macaque fronto-parietal network. Scientific Reports. 8 (1), 1710 (2018).
- Fattori, P., et al. Hand orientation during reach-to-grasp movements modulates neuronal activity in the medial posterior parietal area V6A. Journal of Neuroscience. 29 (6), 1928-1936 (2009).
- Asher, I., Stark, E., Abeles, M., Prut, Y. Comparison of direction and object selectivity of local field potentials and single units in macaque posterior parietal cortex during prehension. Journal of Neurophysiology. 97 (5), 3684-3695 (2007).
- Stark, E., Asher, I., Abeles, M. Encoding of reach and grasp by single neurons in premotor cortex is independent of recording site. Journal of Neurophysiology. 97 (5), 3351-3364 (2007).
- Velliste, M., Perel, S., Spalding, M. C., Whitford, A. S., Schwartz, A. B. Cortical control of a prosthetic arm for self-feeding. Nature. 453 (7198), 1098-1101 (2008).
- Vargas-Irwin, C. E., et al. Decoding complete reach and grasp actions from local primary motor cortex populations. Journal of Neuroscience. 30 (29), 9659-9669 (2010).
- Mollazadeh, M., et al. Spatiotemporal variation of multiple neurophysiological signals in the primary motor cortex during dexterous reach-to-grasp movements. Journal of Neuroscience. 31 (43), 15531-15543 (2011).
- Saleh, M., Takahashi, K., Hatsopoulos, N. G. Encoding of coordinated reach and grasp trajectories in primary motor cortex. Journal of Neuroscience. 32 (4), 1220-1232 (2012).
- Collinger, J. L., et al. High-performance neuroprosthetic control by an individual with tetraplegia. The Lancet. 381 (9866), 557-564 (2013).
- Lehmann, S. J., Scherberger, H. Reach and gaze representations in macaque parietal and premotor grasp areas. Journal of Neuroscience. 33 (16), 7038-7049 (2013).
- Rouse, A. G., Schieber, M. H. Spatiotemporal distribution of location and object effects in reach-to-grasp kinematics. Journal of Neuroscience. 114 (6), 3268-3282 (2015).
- Rouse, A. G., Schieber, M. H. Spatiotemporal Distribution of Location and Object effects in Primary Motor Cortex Neurons during Reach-to-Grasp. Journal of Neuroscience. 36 (41), 10640-10653 (2016).
- Hao, Y., et al. Neural synergies for controlling reach and grasp movement in macaques. Neuroscience. 357, 372-383 (2017).
- Takahashi, K., et al. Encoding of Both Reaching and Grasping Kinematics in Dorsal and Ventral Premotor Cortices. Journal of Neuroscience. 37 (7), 1733-1746 (2017).
- Chen, J., et al. An automated behavioral apparatus to combine parameterized reaching and grasping movements in 3D space. Journal of Neuroscience Methods. 312, 139-147 (2019).
- Zhang, Q., et al. Development of an invasive brain-machine interface with a monkey model. Chinese Science Bulletin. 57 (16), 2036 (2012).
- Hao, Y., et al. Distinct neural patterns enable grasp types decoding in monkey dorsal premotor cortex. Journal of Neural Engineering. 11 (6), 066011 (2014).
