调查运动技能的学习过程与机器人Manipulandum

摘要

范式提出了大鼠自动化技术达到任务的培训和分析。拉动尝试分析表明电机学习不同的子进程。

摘要

熟练到达任务在健康和病理条件下的运动技能的学习和运动功能的研究中常用的，但也需要大量的时间和模糊量化超越了简单的成功率。在这里，我们描述了带有ETH Pattus，自动化前肢达到培训的记录和拉动大鼠手旋转运动的机器人平台范围和拉任务的训练过程。所执行的拉尝试运动学定量揭示的运动参数不同时间轮廓，如从中线提拉速度，牵引轨迹空间变异，偏差，以及拉成功的存在。我们发现在训练模式小幅调整如何导致这些参数的变化，揭示了它们之间的关系，以任务难度，一般的运动功能或技术执行任务。与电生理，药理和光遗传学技术相结合，这种范式可以使用探索运动学习和记忆的形成，以及损耗和功能恢复（ 例如中风后）基础的机制。

引言

马达任务被广泛用于评估神经学或药理学动物模型有关运动学习或改变在运动功能的行为和神经的变化。细调电机的功能是很困难的在啮齿类动物中进行量化，但是。需要手巧的任务，如谷物¹的操纵，面食^2，或葵花子³是敏感的，不需要对动物的大量的训练。它们的主要缺点是，这些任务产生主要定性结果和可能难以明确得分。

熟练到达任务，例如单粒料到达任务的变化是更直接量化^4,5。然而，所依据的这些任务成功执行运动因子只能推断到有限的程度并需要劳动密集型的帧一帧视频nalysis。

机器人设备已得到普及作为量化前肢功能和运动技能方面的手段。一些自动化的任务，达到可用。多数焦点上的前肢运动的一个方面，诸如沿着一个直线导轨的手柄的拉动^6,7，简单远侧肢体运动⁸或爪⁹的旋前和旋后。虽然这些设备在显示运动功能的分析诺言，他们只反映单颗粒达到在有限的延长期间执行的复杂的运动动作。

在这里，我们演示如何使用一个三度的自由度的机器人设备，ETH Pattus，对大鼠^10,11的各种电机任务的培训和考核制定了。它记录面和影响力，把握大鼠前肢运动的旋转运动，并拉在水平面下进行的任务。大鼠经由毫米直径的6球形把手的机器人，可以通过在测试笼（:15厘米，长度:40厘米，高度:宽度45cm）上的窗口到达相互作用并在水平面移动（推动和拉动运动）和旋转（旋前，旋后动作）。因此，它使老鼠进行的近似中传统的单颗粒到达任务执行的那些动作。窗口为10毫米宽，位于为50mm笼地板上方。手柄位于55毫米在地板上方。滑动门阻止访问到手柄达到试验和当机器人到达起始位置和试验完成后，关闭打开的。一个正确执行移动后，大鼠接受对测试笼的相对侧上的食物奖励。

该机器人是通过软件进行控制，并在1000赫兹记录从3旋转编码器的输出，从而对位置O信息f在水平面，以及它的旋转角度的手柄（详见附图^11）。成功执行任务所需的条件在之前的每次训练软件定义（ 如需要最小的范围拉式拉任务的距离，最大偏差从中线）。手柄的初始标准化参考位置记录有在每次训练的开始的固定支架。该参考用于会话内的所有试验，保证了手柄每次试验的恒定起始位置。相对于所述笼窗口的把手恒定定位是通过在轿厢和机器人（ 图1）的标记的对准保证。

趋近动作录像使用的是小型高速摄像机（120帧/秒，640×480分辨率）记录。在相机的视图一个小显示屏，显示老鼠的识别号码，训练结束后，审判数量和审判结果（成功或失败）。这些视频用于验证记录的结果，并评估达到这一先于触摸动作，所述手柄的拉动或转动的效果。

这里，我们证明了达到和拉动任务的变化使用这种机器人平台。这个任务可以在一段时间内是可比其他本领域技术人员到达范例，并产生可再现的结果内的培训。我们描述了一个典型的培训协议，以及为一些主要的输出参数。此外，我们展示了使用的培训协议微小的变化如何导致行为结果可能在运动技能学习过程中的自主代表子进程改变的全日制课程。

研究方案

这里介绍的实验是由瑞士苏黎世州兽医局批准，并按照国家和机构的规定进行了。

1.饲养条件

注:所有的培训课程都排定喂养方案下进行的。

1. 饲料大鼠为50g / kg的标准饮食的每天一次，完成训练后。食品的此量足以防止主要体重减轻（体重> 90％的自由喂养重量），但小到足以确保重现行为调节。每天称量老鼠，以确保他们的体重保持稳定。
   注:其他过夜（10-12高）食物剥夺可以是先于所述第一奖励触摸会议（步骤2.3）是有用的。

2.培训程序覆盖面和拉任务

1. 准备:让老鼠使其习惯自己的新家笼在LEAST中动物设施到达后一个星期。在此期间，经常处理的大鼠，并给在家里笼无尘精确丸使其习惯老鼠到新的食物。这些小球将被用作整个训练协议的奖励。
2. 习惯:将在测试笼子里的老鼠30-45分钟，并提供饲养碗30-50粒，有粉状食物混合。打开和关闭笼窗口并运行颗粒机偶尔老鼠habituate他们的声音。
   1. 重复此2-3天。
3. 奖励触摸列车老鼠透笼窗口触及球形把手，并然后移动到笼子的另一侧检索食物奖励。
   1. 调整软件设置使手柄就位于检测笼窗外在每个试验的开始，并与笼窗口的中心对齐手柄。如果试验成功， 即</ em>的，只要轻轻一碰在手柄（0.25 mm排量在任何方向）已被检测到，发出提示音，并奖励被分配。分类试验时为180秒没有检测到触摸打开的窗口之后为失败。
   2. 把老鼠在训练笼子里。提示大鼠经让它抢在手柄附近举行了球团伸出。通过敲击笼子直接老鼠的注意手柄和食盆。
   3. 停止提示当老鼠独立到达透笼窗口并检索食物颗粒。
   4. 继续，直到100次试验（触摸）已完成或直到60分钟过去了，以先到者为准。
   5. 持续3-4天的培训，并开始训练（步骤2.4）的下一个阶段，当老鼠在连续两天在30分钟内达到100次试验。
      注意:不要过度训练这一步。奖励触摸的目标是实现大鼠和机器人之间的可靠的相互作用，使这一行为可以在被成形随后的训练。
4. 免费拉（FP）:训练老鼠伸手去拉机器人的句柄。
   1. 调整软件设置使手柄位于距离窗18 mm，在每次试验的开始，并没有中断，必须拉到至少10毫米试制成功。有关于在该阶段的拉伸运动没有横向限制。
      1. 分类试验当把手没有移动为打开的窗口后180秒为失败，当手柄移动可达工作空间（从中线超过12mm）中以外，或当老鼠已经退出内小于10毫米已经检测到第一触摸后5秒。
   2. 取在第一FP部分的前20个试验注意到倍左和右爪使用的数量。即在试验中至少80％的所用的爪被认为是优选的爪子。
      注:偏好爪可能已经是明确的奖励-Touch会议。
   3. 横向移动的手柄，直到它与窗口的边缘对齐，以促进与优选的爪子拉动（ 即移动至机器人5mm至窗口为右旋大鼠和反之亦然的左侧）。
      注意:将手柄相对于这个相同的位置，以笼为这个老鼠所有后续培训。保证在轿厢壁和在机器人用标记确切位置。
   4. 把老鼠在训练笼子，直到列车100次试验完成或直到60分钟过去了，以先到者为准。
      注:如果老鼠不伸手远远不够，通过让它抢在手柄附近举行了球团提醒。老鼠可能会停止尝试多次失败的尝试后拉。塔上的笼子里，让他们抢了一双镊子举行的颗粒或分配的颗粒以恢复他们的动机。
   5. 对于只涉及计划生育培训实验，继续训练在2.4描述。
      没有TE:通常情况下，需要1-2 FP课程，帮助从奖励触摸SP（直拉）培训过渡。这些FP会议的目的是使其习惯老鼠伸手，抢拉把手，而不是只触摸它。至于奖励点触控训练，它不要过度的火车，如果我们的目标是要过渡到下一个训练的步骤是非常重要的。
5. 直拉（SP）:训练老鼠拉把手，而不偏离中线距离超过2毫米。
   注:中线定义相对于机器人的开始位置，而不是在轿厢窗口的中点。因此，在笼窗口的中点结束的拉伸企图将导致牵引轨道即偏离中线超过2毫米。
   1. 调整软件设置，以便只试验，其中拉力运动不偏离任一侧从中线超过2毫米的由一个音调和一个小球奖赏。保留所有其他参数如步骤2.4所述。
   2. 把老鼠在训练笼子，直到列车100次试验完成或直到60分钟过去了，以先到者为准。
      注:大鼠可能会变得非常激动，停止尝试多次失败的尝试后拉。轻按笼他们的注意力重定向到达成任务，让他们抢了一双镊子举行的颗粒或分配的颗粒以恢复他们的动机。
   3. 继续训练，直到大鼠到达平台的性能，或适应根据实验的目标的训练周期。

结果

在这里，我们将展示用雄性Long-Evans大鼠（10-12周龄）的接收范围和拉任务的3变化。在自由拉（FP）组（n = 6），老鼠被训练去拉机器人的手柄，一个22天的时间没有横向限制。在动物直拉1（SP1）组（n = 12）进行了培训，以拉动手柄，而不偏离中线距离超过2毫米。这些动物直接从奖励点触摸（步骤2.3），以直拉训练（步骤2.5）转变。对于这两个FP和SP1中的动物中，手柄被放?...

讨论

熟练到达任务通常用于研究病理状态下⁶运动技能采集以及运动功能障碍。到达行为的可靠和明确的分析是基本的运动技能采集，以及参与损失和功能的神经系统疾病的动物模型后续恢复神经生理过程的细胞机理的研究至关重要。这里给出的结果显示机芯拉动的空间和时间方面是如何在展示运动技能训练不同的配置文件。这可能反映了运动技能学习过程中

材料

Name	Company	Catalog Number	Comments
ETH Pattus			ETH Pattus was made by the Rehabilitation Engineering Laboratory of Prof. Gassert at ETH Zurich.
Training cage			The plexiglass training cage was made in-house.
Pellet dispenser	Campden Instruments	80209
45-mg dustless precision pellets	Bio-Serv	F0021-J
GoPro Hero 3+ Silver Edition	digitec.ch	284528	Small highspeed camera
Small display	Adafruit Industries	#50, #661	128 x 32 SPI OLED display controlled via an Arduino Uno microcontroller and Labview software
LabVIEW 2012	National Instruments	776678-3513	ETH Pattus is compatible with more recent Labview versions.
Matlab 2014b	The Mathworks	MLALL