stringtranslate.com

Нейроробототехника

Нейроробототика — это объединенное изучение нейронауки , робототехники и искусственного интеллекта . Это наука и технология воплощенных автономных нейронных систем. Нейронные системы включают в себя алгоритмы, вдохновленные мозгом (например, коннекционистские сети), вычислительные модели биологических нейронных сетей (например, искусственные спайковые нейронные сети , крупномасштабные симуляции нейронных микросхем) и реальные биологические системы (например, нейронные сети in vivo и in vitro ). Такие нейронные системы могут быть воплощены в машинах с механическим или любыми другими формами физического приведения в действие. Сюда входят роботы , протезные или носимые системы, а также, в меньших масштабах, микромашины и, в больших масштабах, мебель и инфраструктуры.

Нейроробототехника — это раздел нейронауки с робототехникой, который занимается изучением и применением науки и технологий воплощенных автономных нейронных систем, таких как алгоритмы, вдохновленные мозгом. Она основана на идее, что мозг воплощен, а тело встроено в окружающую среду. Поэтому большинство нейророботов должны функционировать в реальном мире, а не в симулированной среде. [1]

Помимо алгоритмов для роботов, вдохновленных мозгом, нейроробототехника может также включать в себя проектирование роботизированных систем, управляемых мозгом. [2] [3] [4]

Основные классы моделей

Нейророботы могут быть разделены на различные основные классы в зависимости от цели робота. Каждый класс предназначен для реализации определенного механизма, представляющего интерес для изучения. Распространенными типами нейророботов являются те, которые используются для изучения управления моторикой, памяти, выбора действий и восприятия.

Локомоция и двигательный контроль

Нейророботы часто используются для изучения систем обратной связи и управления двигателем и доказали свою ценность в разработке контроллеров для роботов. Локомоция моделируется рядом неврологических теорий о действии двигательных систем. Управление локомоцией имитировалось с использованием моделей или центральных генераторов паттернов , групп нейронов, способных управлять повторяющимся поведением, для создания четвероногих шагающих роботов. [5] Другие группы расширили идею объединения рудиментарных систем управления в иерархический набор простых автономных систем. Эти системы могут формулировать сложные движения из комбинации этих рудиментарных подмножеств. [6] Эта теория двигательного действия основана на организации корковых колонок , которые постепенно интегрируются из простого сенсорного ввода в сложный афферентный сигнал или из сложных двигательных программ в простой контроль для каждого мышечного волокна в эфферентных сигналах, образуя похожую иерархическую структуру.

Другой метод управления двигателем использует исправление выученных ошибок и предиктивное управление для формирования своего рода имитации мышечной памяти . В этой модели неловкие, случайные и подверженные ошибкам движения корректируются с помощью обратной связи по ошибкам для создания плавных и точных движений с течением времени. Контроллер учится создавать правильный сигнал управления, предсказывая ошибку. Используя эти идеи, были разработаны роботы, которые могут научиться производить адаптивные движения рук [7] или избегать препятствий на пути.

Системы обучения и памяти

Роботы, разработанные для проверки теорий систем памяти животных . Многие исследования изучают систему памяти крыс, в частности гиппокамп крыс , имея дело с клетками места , которые активируются для определенного места, которое было изучено. [8] [9] Системы, смоделированные по образцу гиппокампа крыс, как правило, способны изучать ментальные карты окружающей среды, включая распознавание ориентиров и ассоциацию поведения с ними, что позволяет им предсказывать предстоящие препятствия и ориентиры. [9]

Другое исследование создало робота, основанного на предложенной парадигме обучения сипух для ориентации и локализации, основанной в первую очередь на слуховых, но также и на визуальных стимулах. Предполагаемый метод включает синаптическую пластичность и нейромодуляцию , [10] в основном химический эффект, при котором поощрительные нейротрансмиттеры, такие как дофамин или серотонин, влияют на чувствительность нейрона к срабатыванию, делая ее более острой. [11] Робот, используемый в исследовании, адекватно соответствовал поведению сипух. [12] Более того, тесное взаимодействие между выходом двигателя и слуховой обратной связью оказалось жизненно важным в процессе обучения, поддерживая теории активного восприятия, которые задействованы во многих моделях обучения. [10]

Нейророботам в этих исследованиях предлагаются простые лабиринты или шаблоны для изучения. Некоторые из проблем, поставленных перед нейророботом, включают распознавание символов, цветов или других шаблонов и выполнение простых действий на основе шаблона. В случае симуляции сипухи робот должен был определить свое местоположение и направление, чтобы ориентироваться в окружающей среде.

Выбор действий и системы ценностей

Исследования выбора действия имеют дело с отрицательным или положительным весом действия и его результата. Нейророботы могут и использовались для изучения простых этических взаимодействий, таких как классический мысленный эксперимент, где людей больше, чем может вместить спасательный плот, и кто-то должен покинуть лодку, чтобы спасти остальных. Однако больше нейророботов, используемых в исследовании выбора действия, борются с гораздо более простыми убеждениями, такими как самосохранение или увековечение популяции роботов в исследовании. Эти нейророботы смоделированы после нейромодуляции синапсов для поощрения цепей с положительными результатами. [11] [13]

В биологических системах нейротрансмиттеры, такие как дофамин или ацетилхолин, положительно усиливают полезные нейронные сигналы. В одном исследовании такого взаимодействия участвовал робот Darwin VII, который использовал визуальный, слуховой и смоделированный вкусовой вход, чтобы «съесть» проводящие металлические блоки. Произвольно выбранные хорошие блоки имели полосатый рисунок, а плохие блоки имели круглую форму. Вкусовые ощущения имитировались проводимостью блоков. У робота были положительные и отрицательные обратные связи на вкус в зависимости от его уровня проводимости. Исследователи наблюдали за роботом, чтобы увидеть, как он обучался поведению выбора действий на основе полученных входов. [14] В других исследованиях использовались стада маленьких роботов, которые питались батареями, разбросанными по комнате, и передавали свои выводы другим роботам. [15]

Чувственное восприятие

Нейророботы также использовались для изучения сенсорного восприятия, в частности зрения. Это в первую очередь системы, которые являются результатом внедрения нейронных моделей сенсорных путей в автоматы. Этот подход дает возможность увидеть сенсорные сигналы, которые возникают во время поведения, а также позволяет более реалистично оценить степень надежности нейронной модели. Хорошо известно, что изменения в сенсорных сигналах, производимых двигательной активностью, предоставляют полезные перцептивные сигналы , которые широко используются организмами. Например, исследователи использовали информацию о глубине, которая появляется во время репликации движений головы и глаз человека, для установления надежных представлений визуальной сцены. [16] [17]

Биологические роботы

Биологические роботы официально не являются нейророботами, поскольку они не являются неврологически вдохновленными системами искусственного интеллекта, а представляют собой настоящую нейронную ткань, подключенную к роботу. Это использует использование культивированных нейронных сетей для изучения развития мозга или нейронных взаимодействий. Обычно они состоят из нейронной культуры, выращенной на многоэлектродной решетке (MEA), которая способна как регистрировать нейронную активность, так и стимулировать ткань. В некоторых случаях MEA подключается к компьютеру, который представляет имитируемую среду для мозговой ткани и переводит мозговую активность в действия в симуляции, а также обеспечивает сенсорную обратную связь [18] Возможность регистрировать нейронную активность дает исследователям окно в мозг, которое они могут использовать, чтобы узнать о ряде тех же проблем, для решения которых используются нейророботы.

Область, вызывающая беспокойство в связи с биологическими роботами, — это этика. Возникает много вопросов о том, как относиться к таким экспериментам. Центральный вопрос касается сознания и того, испытывает ли его мозг крысы. Существует много теорий о том, как определить сознание. [19] [20]

Значение для нейронауки

Нейробиологи извлекают пользу из нейроробототехники, поскольку она обеспечивает чистый лист для тестирования различных возможных методов функционирования мозга в контролируемой и проверяемой среде. Хотя роботы являются более упрощенными версиями систем, которые они эмулируют, они более специфичны, что позволяет проводить более прямое тестирование рассматриваемой проблемы. [10] [21] Они также имеют преимущество в том, что доступны в любое время, в то время как сложнее контролировать большие части мозга, когда человек или животное активны, особенно отдельные нейроны. [22]

Развитие нейронауки привело к появлению нейронных методов лечения. К ним относятся фармацевтические препараты и нейронная реабилитация. [23] Прогресс зависит от глубокого понимания мозга и того, как именно он функционирует. Трудно изучать мозг, особенно у людей, из-за опасности, связанной с черепными операциями. Нейророботы могут улучшить диапазон тестов и экспериментов, которые можно проводить при изучении нейронных процессов.

Смотрите также

Ссылки

  1. ^ Chiel HJ, Beer RD (декабрь 1997 г.). «У мозга есть тело: адаптивное поведение возникает из взаимодействия нервной системы, тела и окружающей среды». Trends in Neurosciences . 20 (12): 553–7. doi :10.1016/s0166-2236(97)01149-1. PMID  9416664. S2CID  5634365.
  2. ^ Vannucci L, Ambrosano A, Cauli N, Albanese U, Falotico E, Ulbrich S и др. (1 ноября 2015 г.). «Модель визуального отслеживания, реализованная на роботе iCub в качестве варианта использования для нового нейророботехнического инструментария, интегрирующего моделирование мозга и физики». 2015 IEEE-RAS 15-я Международная конференция по гуманоидным роботам (гуманоидам). стр. 1179–1184. doi :10.1109/HUMANOIDS.2015.7363512. ISBN 978-1-4799-6885-5. S2CID  206713899.
  3. ^ Röhrbein F, Laschi C , Walter F, Bohte S, Falotico E, Tolu S, Ulbrich S (сентябрь 2015 г.). Brain-Supported Learning Algorithms for Robots (PDF) . Труды Евро-Азиатско-Тихоокеанской совместной конференции по когнитивной науке/4-й Европейской конференции по когнитивной науке/11-й Международной конференции по когнитивной науке. Турин, Италия . Получено 9 апреля 2017 г.
  4. ^ Arrowsmith E (2 октября 2012 г.). «Базовая нейророботехническая платформа с использованием Neurosky Mindwave». Эрн Эрроусмит . Получено 9 апреля 2017 г. – через wordpress.com.
  5. ^ Ijspeert AJ, Crespi A, Ryczko D, Cabelguen JM (март 2007 г.). «От плавания к ходьбе с роботом-саламандрой, управляемым моделью спинного мозга» (PDF) . Science . 315 (5817). New York, NY: 1416–20. Bibcode :2007Sci...315.1416I. doi :10.1126/science.1138353. PMID  17347441. S2CID  3193002.
  6. ^ Giszter SF, Moxon KA, Rybak IA, Chapin JK (ноябрь 2001 г.). «Нейробиологические и нейроробототехнические подходы к архитектуре управления для двигательной системы гуманоида». Робототехника и автономные системы . 37 (2–3): 219–235. doi :10.1016/S0921-8890(01)00159-2.
  7. ^ Eskiizmirliler S, Forestier N, Tondu B, Darlot C (май 2002). «Модель мозжечковых путей, применяемая для управления односуставной рукой робота, приводимой в действие искусственными мышцами Маккиббена». Biological Cybernetics . 86 (5): 379–394. doi :10.1007/s00422-001-0302-1. PMID  11984652. S2CID  8051621.
  8. ^ О'Киф Дж., Надель Л. (1978). Гиппокамп как когнитивная карта . Оксфорд: Clarendon Press. ISBN 978-0-19-857206-0.
  9. ^ ab Matarić MJ (март 1998). «Робототехника на основе поведения как инструмент для синтеза искусственного поведения и анализа естественного поведения». Trends in Cognitive Sciences . 2 (3): 82–6. doi :10.1016/s1364-6613(98)01141-3. PMID  21227083. S2CID  17860567.
  10. ^ abc Rucci M, Bullock D, Santini F (январь 2007 г.). «Интеграция робототехники и нейронауки: мозги для роботов, тела для мозгов». Advanced Robotics . 21 (10): 1115–1129. doi :10.1163/156855307781389428. S2CID  18575829.
  11. ^ ab Cox BR, Krichmar JL (сентябрь 2009 г.). «Нейромодуляция как контроллер робота». Журнал IEEE Robotics & Automation . 16 (3): 72–80. doi :10.1109/mra.2009.933628. S2CID  16807722.
  12. ^ Руччи М., Эдельман Г. М., Врей Дж. (февраль 1999 г.). «Адаптация ориентировочного поведения: от сипухи к роботизированной системе». Труды IEEE по робототехнике и автоматизации . 15 (1): 96–110. doi :10.1109/70.744606. S2CID  8061163.
  13. ^ Хассельмо ME, Хэй Дж, Илин М, Горчечников А (2002). «Нейромодуляция, тета-ритм и пространственная навигация крыс». Нейронные сети . 15 (4–6): 689–707. doi :10.1016/s0893-6080(02)00057-6. PMID  12371520.
  14. ^ Кричмар Дж. Л., Эдельман Г. М. (август 2002 г.). «Машинная психология: автономное поведение, перцептивная категоризация и обусловливание в мозговом устройстве». Cerebral Cortex . 12 (8). Нью-Йорк, Нью-Йорк: 818–30. doi : 10.1093/cercor/12.8.818 . PMID  12122030.
  15. ^ Doya K, Uchibe E (июнь 2005 г.). «Проект кибергрызунов: исследование адаптивных механизмов самосохранения и самовоспроизводства». Adaptive Behavior . 13 (2): 149–160. doi :10.1177/105971230501300206. S2CID  35959217.
  16. ^ Сантини Ф., Руччи М. (февраль 2007 г.). «Активная оценка расстояния в роботизированной системе, которая копирует движение человеческого глаза». Робототехника и автономные системы . 55 (2): 107–121. doi :10.1016/j.robot.2006.07.001.
  17. ^ Куанг X, Гибсон М, Ши Б. Э., Руччи М (июль 2012 г.). «Активное зрение во время координированных движений головы/глаз у гуманоидного робота». IEEE Transactions on Robotics . 28 (6): 1423–1430. doi :10.1109/TRO.2012.2204513. S2CID  17969004.
  18. ^ Demarse TB, Wagenaar DA, Blau AW, Potter SM (2001). «Нейроуправляемый анимат: биологический мозг, действующий с помощью симулированных тел». Автономные роботы . 11 (3): 305–310. doi :10.1023/a:1012407611130. PMC 2440704. PMID  18584059 . 
  19. ^ Warwick K (сентябрь 2010 г.). «Последствия и последствия роботов с биологическим мозгом». Этика и информационные технологии . 12 (3): 223–234. doi :10.1007/s10676-010-9218-6. S2CID  1263639.
  20. ^ Bentzen MM (2014). «Мозги на колесах: теоретические и этические вопросы биоробототехники». Социальные роботы и будущее социальных отношений. IOS Press. С. 245–251. doi :10.3233/978-1-61499-480-0-245. S2CID  67790806.
  21. ^ Niu CM, Jalaleddini K, Sohn WJ, Rocamora J, Sanger TD, Valero-Cuevas FJ (апрель 2017 г.). «Нейроморфизм встречается с нейромеханикой, часть I: методология и реализация». Журнал нейронной инженерии . 14 (2): 025001. Bibcode : 2017JNEng..14b5001N. doi : 10.1088/1741-2552/aa593c. PMC 5540665. PMID  28084217 . 
  22. ^ Джалаледдини К., Минос Ню С., Чакраварти Раджа С., Джун Сон В., Леб Г.Е., Сангер Т.Д., Валеро-Куэвас Ф.Дж. (апрель 2017 г.). «Нейроморфность встречается с нейромеханикой, часть II: роль фузимоторного привода». Журнал нейронной инженерии . 14 (2): 025002. Бибкод : 2017JNEng..14b5002J. дои : 10.1088/1741-2552/aa59bd. ПМЦ 5394229 . ПМИД  28094764. 
  23. ^ Бах-и-Рита П. (июль 1999 г.). «Теоретические аспекты сенсорного замещения и реорганизации, связанной с нейротрансмиссией, при травме спинного мозга». Spinal Cord . 37 (7): 465–74. doi : 10.1038/sj.sc.3100873 . PMID  10438112. S2CID  8419555.

Внешние ссылки