Проектирование и реализация системы Нервная Симуляторы на LEGO роботы

Резюме

Подход к моделированию нейронных сетей на платформе LEGO Mindstorms робототехника представлена. Метод обеспечивает инструмент для моделирования беспозвоночных нейронаук как в исследовательской лаборатории и в классе. Этот метод позволяет производить исследование биомиметическую принципы управления роботом.

Аннотация

Мы представляем метод воспользоваться имеющимся в продаже LEGO Mindstorms NXT роботов платформу для тестирования систем уровне неврологии гипотез. Первый этап способа состоит в разработке нервной системы моделирования конкретных рефлексивный поведения соответствующем организме модель, здесь мы используем американский омаров. Экстероцептивные рефлексы опосредовано перекрещивание (пересечение) нервных связей может объяснить такси животного к или от стимула, как описано Braitenberg и особенно хорошо подходят для исследований с использованием платформы NXT. ¹ нервной системы моделирования программируются с помощью LabVIEW программное обеспечение на LEGO Mindstorms платформы. После нервной системы настроены должным образом, поведенческие эксперименты выполняются на роботе и на животное при идентичных условиях окружающей среды. Управляя сенсорной среды, испытываемых образцов, различия в поведенческих выходы могут быть соблюдены. Эти различия могут указывать на конкретные deficiencх годов в нервной системе и модели служить для итерация модели для конкретного поведения в стадии изучения. Этот метод позволяет экспериментальные манипуляции электронных нервной системы и служит способом для изучения неврологии гипотезы особенно в отношении нейрофизиологической основе простых врожденных рефлексивного поведения. LEGO Mindstorms NXT комплект обеспечивает доступной и эффективной платформой для проверки предварительных биомиметическую схем управления роботом. Этот подход также хорошо подходит для высоких классах школы, чтобы служить основой для практического запрос на основе учебной программы biorobotics.

Введение

Нейрофизиологических исследований в течение последних 100 лет чрезвычайно расширили наши знания о структуре нервной системы и функции. Тем не менее, большинство исследований нервной системы на сегодняшний день полагалась на использование изолированных препаратов или сдержанная предметам. В то время было много успешных усилий для записи нейронной активности от себя свободно ^2-5 животных, biorobotic подход обеспечивает ценный инструмент для обеспечения нервной системы манипуляции с целью проверки систем неврологии уровне гипотез ^6. Имитация нервной систем, работающих на роботы могут быть экспериментально манипулировать и создать условия для расширения программного обеспечения для моделирования в физическом мире. Этот подход был реализован также в академическом мире ^7,8, но процесс строительства биомиметическую роботов для проверки гипотез может быть дорогим и трудоемким. Мы представляем метод для выполнения biorobotic подход с использованием коммерчески доступных к робототехникеего (LEGO Mindstorms NXT 2.0). Цель этого метода состоит в обеспечении быстрого и эффективного способа проверить Системы Уровень неврологии гипотез о роботом ⁹ или био-гибридным ¹⁰ воплощенная моделирования нейронных сетей. Ускорение процесса от гипотезы экспериментировать улучшает исследования производительности. Простые LEGO Mindstorms платформа обеспечивает испытательного стенда для биомиметическую датчики и нервных сетей, которые мы демонстрируем использование американский омар (Homarus атепсапиз) в качестве модельного организма. Способ также обеспечивает мощный практический инструмент обучения в классе, как студенты могут разрабатывать и манипулировать нервной системы в своей собственной роботов ^11.

протокол

1. Построение модели робота

1. Выберите модель для изучения организма, который хорошо представлен в neuroethological литературы. Беспозвоночных обычно делают хорошие кандидаты, потому что их относительно простой нервной системы были хорошо изучены и в основном состоит из врожденных рефлексов. Покажем это подход с использованием американский омар, Homarus атепсапиз.
2. Выберите хорошо изучены рефлексивного поведения для целей моделирования. Мы выбрали ответы омара, чтобы усиков изгиб и удар когтями обнаружения как животное рефлекторно реагирует на изгиб антенны, чтобы вызвать rheotaxis (ориентация на воде), а коготь контакты посредника обход препятствий. Простые рефлексы опираясь на перекрещивание нервные связи от симметричны датчики хорошо подходят для такого рода исследования ^1.
3. Построить или выбрать робота платформу с соответствующими датчиками для выбранного поведения для запуска нейронныхмоделирование сети. В то время как выделенный робот может быть построена таким как RoboLobster ¹² или разрастания (таракан) робота ¹³ семьи, здесь мы используем коммерчески доступного набора для ускорения процесса экспериментальной. LEGO Mindstorms NXT 2.0 комплект, предоставив шаблоны, модульных компонентов и установленных датчиков, позволяет оперативно физических конструкцию робота.
4. Выберите или построить датчиков в соответствии с порядком, утвержденным поведение выбранного на шаге 1.2. Premade датчиков из LEGO Mindstorms комплект может использоваться или доморощенного датчики могут быть спроектированы, ^14,15. Мы выбрали LEGO включены сенсорные и пользовательские усиков датчика изгиба, состоящая из датчика изгиба FlexPoint сращены с разъемом NXT. Для построения специального резистивного разъем, разрезать провод NXT разъем и припаять черно-белый кабель к выводам датчика.
5. Использовать ранее опубликованных исследованиях neuroethological найти или создать гипотетическую нейронной сети для моделирования рurposes. В литературе предложены различные нейронные сети, чтобы объяснить поведение в различных модельных организмов, от ¹⁶ до омаров миноги ^17. Функциональные нейронные подразделения должны быть идентифицированы, и их синаптических связей предположил. Роман neuroethological эксперименты также могут быть разработаны и реализованы, если позволяют обстоятельства лаборатории.

2. Программирование нервной системы

1. Использование LabVIEW программное обеспечение вместе с модулем LabVIEW для LEGO Mindstorms NXT для создания виртуальных инструментов (ВП), которые выполняются уравнения для математического нейронов и синапсов модели. В то время как любой опубликованный модель может быть использована, мы рекомендуем дискретным временем картографический (DTM) модели ^18. Это позволяет вычислительно эффективных реальном масштабе времени, сохраняя при различных режимах нейронов выходного обжига. Две контрольные параметры, альфа-и сигма, определить динамику моделируемых нейронов для получения разнообразных нейронных вывода, включая тонахС пика, хаотическое стрельбы и разрывов на внутренней тишины. ВП LabVIEW для LEGO Mindstorms для этой модели нейрона можно найти в Интернете здесь: http://myfiles.neu.edu/blustein.d/neurobots
2. Место ВП в то время как цикл так, что сеть будет обновлять итеративно.
3. Подключите пресинаптического нейрона шип выходы через синапсы постсинаптических нейронов.
4. Pass итеративно обновление параметров через регистры сдвига к следующему циклу расчета. Модель DTM быстрого обновления (х) и медленные (Y) динамических переменных, которые передаются в следующей итерации расчетов.
5. Установить синапса параметра для определения характеристик сети. Для каждого синапса, синаптической силы (gsyn), скорость релаксации (гамма), а обратный потенциал (XRP) коэффициенты в модели DTM уравнения, определяющие синаптической поведения. Значение gsyn является многопрофильнымплоскогубцы, определяющая величину синаптической текущий эффект от событий шип, в диапазоне от 0,0 (нет эффекта) до 1,0 (100% эффект). Значение гаммы является мультипликатором, который определяет скорость распада синаптических независимо от текущего всплеска мероприятия, начиная от 0.0 (полный распад) до 1,0 (без распада). Значение XRP определяет уровень возбуждения или торможения синапса, значения обычно находятся в диапазоне от -3,0 до 3,0 с положительными значениями, представляющими возбуждения и отрицательных значений, представляющих торможения. Значения могут быть настроены для ваших конкретных характеристик сети. Здесь мы используем следующие параметры: гамма = 0,95, = 0,60 gsyn и XRP = 2,2 (возбуждающие синапсы) или -1,8 (ингибирующих синапсов).
6. Настройте параметры альфа-и сигма управления для изменения базовой деятельности нейрона. Динамика модели для разнообразных параметров управления подробно описаны в других ¹⁸ но, как правило, альфа <4 производит внутренне тихо нейронной активности для низких значений сигма или тоником для пики высоких значений сигма. Переход между "низкой" и "высокой" Сигма значения обычно происходит от -1,0 до 1,0 в зависимости от значения альфа. Разрывные нейронной активности производится для альфа> 4, когда сигма значения близки к нулю. Здесь мы используем альфа = 4,05 и сигма = -3,10.
7. Используйте ВП LabVIEW для ввода информации от датчиков в вашу сеть. За предоставленные датчики, ВП уже доступны в пределах модуля LabVIEW Mindstorms. Для пользовательских резистивных датчиков, используйте свет VI датчика среда программирования. Сведения о создании доморощенного датчики могут быть найдены в других местах ^14.
8. Вставьте графических диаграмм на передней панели программы LabVIEW визуализировать активность нейронов.
9. Временно заменить датчик входа с передней коробки панели управления для того, чтобы вручную манипулировать датчикаинформацию, поступающую на нейронной сети.
10. Запустите нейронной сети и возможность ручной установки передней панели, чтобы представить разнообразных сенсорной информации. Убедитесь, что сеть функционирует как качественно прогнозируется известных условиях.
11. Подстройка сети по мере необходимости путем изменения нейронов и синапсов параметров. Первые попытки настройки сети должно быть сделано путем изменения синаптической силы (gsyn) различных синапсов. Другие параметры могут должны быть скорректированы, а также.
12. После того как сеть с функциями качественной точности, заменить переднюю панель управления коробки с входом датчика Вис.

3. Нервная Тестирование системы моделирования

1. Настройка контролируемой среды, в которой для наблюдения за животными, и робот в аналогичных условиях. Мы используем прямоугольный резервуар, содержащий рок препятствия (рис. 1). Резервуар может быть очищена для размещения робота LEGO в том же пространстве.
2. Горы А.В.IDEO камеру над головой, чтобы записать животное / поведения роботов. Убедитесь, что контраст между объектом и фоном высоко, чтобы обеспечить для автоматического слежения. Мы окрашены в нижней части бака тест белым.
3. Место животное в контролируемой среде и видеозаписи поведения. Будьте уверены, чтобы ограничить возможности сенсорных омаров, чтобы они совпадали робота. Здесь мы ограничимся сенсорных возможностей омара, закрывая глаза маски алюминиевой фольги и deafferenting хеморецепторов с пресноводными ^19.
4. Отрегулируйте окружающей среды в соответствии с роботом LEGO (удаление воды, если необходимо), запустите робота в той же контролируемой среде.
5. Используйте сценарий MATLAB для автоматического отслеживания маркеров на образцах. Мы используем MouseLabTracker ^20.
6. Создание и сравнить вектор участки животных и движения робота.
7. Изменить нервной системы и повторите шаги 3.3-3.6 наблюдать, как различные аспекты электронныхнервной системы влияет на поведение робота. Здесь мы регулируем синаптической силы между датчиком удара когтями нейронов и опорно-двигательного аппарата и монитор производительности робота по сравнению с омаром. Кроме того, сенсорная условий в зоне испытания могут быть модифицированы и эффекты, наблюдаемые в робота и животных. Например, арена, описанные здесь могут быть подвергнуты различных расходах воды.

Результаты

Входы от когтей омара в его нервной системе посредником препятствием переговоров в новой среде. Рисунке 1 показан скриншот видео использована для анализа поведения LEGO робота (рис. 1а) и Омар (рис. 1В) в тесте арене. Тест арена была неизмененной между животным и р...

Обсуждение

При инициировании biorobotic экспериментов нервной системы моделирования, есть несколько важных правил, следовать. Выбор правильной модели организме имеет решающее значение: выбрать организм, который легко получить и поддерживать. Беспозвоночные являются идеальными, поскольку они обычн?...