Neurorobotics

Ir a: navegación, búsqueda de

Neurorobotics, un estudio combinado de Neurociencia, robótica, y inteligencia artificial, es la ciencia y la tecnología de sistemas neurales autónomos incorporados. Sistemas neuronales incluyen algoritmos inspirada en cerebro (e.g. red conexionista), modelos computacionales de redes neuronales biológicas (e.g. artificiales clavar las redes neuronalessimulaciones a gran escala de microcircuitos neuronales) y los sistemas biológicos reales (ej.: en vivo y in vitro redes de los nervios). Tales sistemas neuronales pueden ser incorporadas en máquinas con mecánico o cualquier otra forma de actuación física. Esto incluye robots, prótesis o sistemas usables pero también, en menor escala, micro-máquinas y, en grandes escalas, muebles y las infraestructuras.

Neurorobotics es la rama de la neurociencia con la robótica, que se ocupa del estudio y aplicación de la ciencia y la tecnología de sistemas neuronales autónomas encarnados como cerebro inspirado algoritmos. En esencia, neurorobotics se basa en la idea de que se incorporó el cerebro y el cuerpo está incrustado en el medio ambiente. Por lo tanto, más neurorobots se requieren para desenvolverse en el mundo real, en contraposición a un entorno simulado.[1]

Contenido

  • 1 Introducción
  • 2 Principales categorías de modelos neurorobotic
    • 2.1 Control motor y locomoción
    • 2.2 Sistemas de aprendizaje y la memoria
    • 2.3 Sistemas de selección y el valor de la acción
  • 3 Robots biológicos
  • 4 Implicaciones para la neurociencia
  • 5 Referencias
  • 6 Enlaces externos

Introducción

Neurorobotics representa el enfoque de doble frente al estudio de la inteligencia. Consiste en neurociencia intenta discernir qué inteligencia y significa que funciona por investigar sistemas biológicos inteligentes, mientras que el estudio de la inteligencia artificial intenta recrear la inteligencia a través de no-biológicos, o artificial. Neurorobotics es la superposición de los dos, donde se prueban las teorías biológicamente inspiradas en un entorno conectado a tierra, con una implementación física de dicho modelo. Los éxitos y fracasos de un neurorobot y el modelo de que está construido pueden aportar pruebas para refutar o apoyar esa teoría y dar la visión para el futuro estudio.

Principales categorías de modelos neurorobotic

Neurorobots puede ser dividido en varias clases principales basadas en propósito del robot. Cada clase está diseñada para implementar un mecanismo específico de interés para el estudio. Los tres tipos comunes de neurorobots son los que se utilizan para estudiar el control motor, memoria y acción selección.

Control motor y locomoción

Neurorobots a menudo se utilizan para el estudio del motor retroalimentación sistemas de control y han demostrado sus méritos en el desarrollo de Controladores para robots. Locomoción es modelada por una serie de teorías neurológicamente inspiradas en la acción de los sistemas del motor. Control de locomoción ha sido imitado utilizando modelos o generadores de patrón central, grupos de neuronas capaces de manejar el comportamiento repetitivo, hacer robots andantes de cuatro patas.[2] Otros grupos han extendido la idea de combinar los sistemas de control rudimentario en un conjunto jerárquico de sistemas autónomos simples. Estos sistemas pueden formular movimientos complejos de una combinación de estos subconjuntos rudimentarios.[3] Esta teoría de la acción del motor se basa en la organización de columnas corticales, que progresivamente se integran de simple entrada sensorial en un complejo aferente señales, o de programas complejos del motor con controles simples para cada uno fibra muscular en eferente señales, formando una estructura jerárquica similar.

Otro método para la corrección de errores de control del motor utiliza aprendido y controles predictivos para formar a una especie de simulado memoria muscular. En este modelo, movimientos incómodos, al azar y propensa a errores son corregidos por utilizar retroalimentación error para producir movimientos suaves y precisos en el tiempo. El controlador de aprende a crear la señal de control correcto mediante la predicción del error. Con estas ideas, los robots han sido diseñados que pueden aprender a producir los movimientos de brazos adaptable[4] o para evitar los obstáculos en un curso.

Sistemas de aprendizaje y la memoria

Robots diseñados para poner a prueba las teorías de animal memoria sistemas. Muchos estudios actualmente examinan el sistema de memoria de ratas, particularmente la rata hipocampo, tratando con Coloque las células, que el fuego para un lugar específico que se ha aprendido.[5][6] Sistemas de modelado después de que el hipocampo de la rata son generalmente capaces de aprender mapas mentales del medio ambiente, incluyendo reconocimiento de hitos y asociar conductas con ellos, lo que les permite predecir los obstáculos próximos y monumentos históricos.[6]

Otro estudio ha producido un robot basado en el paradigma de aprendizaje propuesto de lechuzas para orientación y localización basado principalmente estímulos auditivos, sino también visuales. El método hipotético implica plasticidad sináptica y Neuromodulación,[7] un efecto principalmente químico en que recompensa neurotransmisores como dopamina o serotonina afectan la sensibilidad de disparo de la neurona para ser más agudo.[8] El robot utilizado en el estudio adecuadamente emparejado el comportamiento de las lechuzas. Además, la estrecha interacción entre la salida del motor y la retroalimentación auditiva demostró para ser vital en el proceso de aprendizaje, apoyando las teorías teledetección activas que están involucradas en muchos de los modelos de aprendizaje.[7]

Neurorobots en estos estudios se presentan con laberintos simples o patrones para aprender. Algunos de los problemas que presentan a los neurorobot incluyen reconocimiento de símbolos, colores u otros patrones y ejecutan acciones simples basadas en el patrón. En el caso de la simulación de la lechuza, el robot debía determinar su ubicación y dirección para navegar en su entorno.

Sistemas de selección y el valor de la acción

Estudios de selección de acción lidiar con carga positiva o negativa a una acción y su resultado. Neurorobots pueden y han sido utilizados para estudiar * simple * interacciones ético, como el experimento del pensamiento clásico donde hay más gente que puede sostener una balsa salvavidas, y alguien debe abandonar el barco para salvar al resto. Sin embargo, neurorobots más utilizados en el estudio de selección de la acción de lidiar con mucho persuasiones más simples como el instinto de conservación o perpetuación de la población de robots en el estudio. Estos neurorobots están modeladas después la neuromodulación de sinapsis para animar a los circuitos con resultados positivos.[8][9] En los sistemas biológicos, neurotransmisores como la dopamina o acetilcolina refuercen positivamente las señales neuronales que son beneficiosas. Un estudio de tal interacción implicó el robot Darwin VII, que utiliza visual, auditivo, y un gusto simulado entrada para "comer" bloques de metal conductivos. Los bloques buenos arbitrariamente elegidos tenían un patrón de rayas mientras los bloques malos tenían una forma circular. El sentido del gusto fue simulado por conductividad de los bloques. El robot tenía positiva y negativa regeneraciones al gusto basado en su nivel de conductividad. Los investigadores observaron el robot para ver cómo aprendió sus comportamientos de selección de acción basados en las entradas que tenía.[10] Otros estudios han utilizado rebaños de pequeños robots que se alimentan en las baterías esparcidas por la habitación y comunican sus conclusiones a otros robots.[11]

Robots biológicos

Estos no son oficialmente un neurorobot en eso no son sistemas AI neurológicamente inspirados, pero tejido neuronal real conectado a un robot. Esto emplea el uso de redes neuronales cultivadas para estudiar el desarrollo del cerebro o interacciones neuronales. Éstos consisten típicamente en una cultura neuronal planteada en un matriz micropozo-microcanal (MEA), que es capaz de registrar la actividad neuronal y estimular el tejido. En algunos casos, la MEA está conectado a un ordenador que presenta un entorno simulado para el tejido cerebral y traduce la actividad cerebral en acciones en la simulación, así como proporcionar retroalimentación sensorial.[12] La capacidad de registro de la actividad neurológica da investigadores una ventana en un cerebro, aunque simple, que pueden utilizar para aprender sobre un número de las mismas cuestiones neurorobots se utilizan para.

Un área de preocupación con los robots biológicos es ética. Se plantean muchas preguntas sobre cómo tratar tales experimentos. Aparentemente la pregunta más importante es el de la conciencia y el cerebro de la rata lo experimenta o no. Esta discusión se reduce a las muchas teorías de la conciencia de lo que es.[13]

Ver Hybrot, conciencia.

Implicaciones para la neurociencia

Los neurocientíficos se benefician de neurorobotics porque proporciona una pizarra en blanco para poner a prueba varios métodos posibles de la función cerebral en un ambiente controlado y comprobable. Además, mientras que los robots son más versiones simplificadas de los sistemas que emulan, son más específicos, permitiendo más directo de la prueba de la cuestión a la mano.[7] También tienen la ventaja de ser accesible en todo momento, mientras que es mucho más difícil de controlar grandes porciones del cerebro mientras el animal está activas, y mucho menos individuales de las neuronas.

Con objeto de neurociencia creciendo como lo ha hecho, han surgido numerosos tratamientos neurales, de productos farmacéuticos a rehabilitación neural.[14] El progreso es dependiente en el intrincado conocimiento del cerebro y cómo funciona. Es muy difícil estudiar el cerebro, especialmente en los seres humanos debido al peligro asociado con cirugías craneales. Por lo tanto, es fundamental el uso de tecnología para llenar el vacío de sujetos comprobables. Neurorobots lograr exactamente esto, mejorar la gama de pruebas y experimentos que se pueden realizar en el estudio de los procesos neuronales.

Referencias

  1. ^ Chiel, H. J. & Beer, R. D. (1997). El cerebro tiene un cuerpo: conducta adaptativa emerge de las interacciones del sistema nervioso, el cuerpo y el medio ambiente. [Material editorial]. Tendencias en Neurociencias, 20(12), 553-557.
  2. ^ Ijspeert, A. J., Crespi, A., Ryczko, D. y Cabelguen, J. M. (2007). De la natación a caminar con un robot de Salamandra impulsado por un modelo de la médula espinal. Ciencia 315, 1416-1420.
  3. ^ Giszter, F. S., Moxon, k. A., Rybak, i. A. & Chapin, J. K. (2001). Enfoques neurobiológicos y neurorobotic a las arquitecturas de control para un sistema de motor humanoide. Robótica y sistemas autónomos, 37(2-3), 219-235.
  4. ^ Eskiizmirliler, S., Forestier, N., Tondu, B. y Darlot, C. (2002). Un modelo de las vías cerebelosas aplicado al control de un brazo robot single-empalme accionado por músculos artificiales McKibben. Biol ciber 86, 379-394.
  5. ^ O ' Keefe, J. y Nadel, L. (1978). El hipocampo como un mapa cognitivo (Oxford: Clarendon Press).
  6. ^ a b Mataric, M. J. (1998). Robótica basada en el comportamiento como una herramienta para la síntesis del comportamiento artificial y análisis del comportamiento natural. [Review]. Tendencias en las ciencias cognitivas, 3 2, 82-87.
  7. ^ a b c Rucci, M., Bullock, D. y Santini, F. (2007). Integración de la robótica y Neurociencias: cerebro para robots, cuerpos en el cerebro. [Artículo]. Robótica avanzada, 21(10), 1115-1129.
  8. ^ a b Cox, B. R. & Krichman, J. L. (2009). Neuromodulación como una estrategia de inspiración cerebro Robot controlador para controlar Robots Autónomos. [Artículo]. IEEE Robotics & Automation Magazine, 16 (3), 72-80. Doi:10.1109/MRA.2009.933628
  9. ^ Hasselmo, M. E., heno, J., Ilyn, M. y Gorchetchnikov, A. (2002). Neuromodulación, ritmo teta y rata de navegación espacial. Red neuronal 15, 689-707.
  10. ^ Krichmar, J. L. y Edelman, G. M. (2002). Psicología de la máquina: Comportamiento autónomo, categorización Perceptual y acondicionado en un dispositivo basado en el cerebro. Corteza cerebral 12, 818-830.
  11. ^ Doya, K. y Uchibe, E. (2005). El proyecto Cyber roedor: Exploración de mecanismos adaptativos para la supervivencia y la reproducción. Comportamiento adaptativo 13, 149-160.
  12. ^ DeMarse, T. B., Wagenaar, D. A., Blau, A. W. y Potter, S. M. (2001). "La Animat Neurally controlado: biológicos actuando con cuerpos simulados el cerebro." Robots Autónomos 11:305-310.
  13. ^ Warwick, K. (2010). Implicaciones y consecuencias de los robots con cerebros biológicos. [Artículo]. Ética y tecnología de la información, literatura, 223-234. Doi:10.1007/s10676-010-9218-6
  14. ^ Bach-y-Rita, p. (1999). Aspectos teóricos de sustitución sensorial y de reorganización relacionadas con la neurotransmisión en lesión de la médula espinal. [Review]. Médula espinal, 37(7), 465-474.

Enlaces externos

  • Neurorobotics en Scholarpedia (Jeff Krichmar (2008), Scholarpedia, 3(3):1365)
  • Un laboratorio que se centra en neurorobotics en la Universidad Northwestern.
  • Fronteras en Neurorobotics.
  • Neurorobotics: una ciencia experimental de encarnación por Frederic Kaplan
  • Neurorobotics Lab, laboratorio de sistemas de Control, Universidad de técnica nacional de Atenas (Prof. Kostas J. Kyriakopoulos)
  • Neurorobotics en el proyecto de cerebro humano


Otras Páginas

Obtenido de"https://en.copro.org/w/index.php?title=Neurorobotics&oldid=620375688"