Нейроробототехника - Neurorobotics

Нейроробототехника, комбинированное исследование нейробиология, робототехника, и искусственный интеллект, это наука и технология воплощенных автономных нейронных систем. Нейронные системы включают алгоритмы, вдохновленные мозгом (например, коннекционистские сети), вычислительные модели биологических нейронных сетей (например, искусственные всплески нейронных сетей, крупномасштабное моделирование нейронных микросхем) и реальных биологических систем (например, in vivo и in vitro нейронные сети). Такие нейронные системы могут быть воплощены в машинах с механическим или любыми другими формами физического срабатывания. Это включает в себя роботы, протез или носимых систем, но также, в меньшем масштабе, микромашин, а в более крупных масштабах - мебели и инфраструктуры.

Нейророботика - это отрасль нейробиологии с робототехникой, которая занимается изучением и применением науки и технологий воплощенных автономных нейронных систем, таких как алгоритмы, вдохновленные мозгом. По своей сути нейророботика основана на идее о том, что мозг воплощен, а тело встроено в окружающую среду. Следовательно, большинство нейророботов должны функционировать в реальном мире, а не в смоделированной среде.[1]

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

Введение

Нейророботика представляет собой двухсторонний подход к изучению интеллекта. Нейробиология пытается определить, из чего состоит интеллект и как он работает, исследуя интеллектуальные биологические системы, в то время как исследование искусственного интеллекта пытается воссоздать интеллект небиологическими или искусственными средствами. Нейророботика - это пересечение двух, где биологически вдохновленные теории проверяются в обоснованной среде с физической реализацией указанной модели. Успехи и неудачи нейроробота и модель, на которой он построен, могут предоставить доказательства, опровергающие или поддержать эту теорию, и дать представление для будущих исследований.

Основные классы нейроботических моделей

Нейророботы можно разделить на несколько основных классов в зависимости от назначения роботов. Каждый класс предназначен для реализации определенного механизма, представляющего интерес для изучения. Обычные типы нейроботов - это те, которые используются для изучения моторного контроля, памяти, выбор действия, и восприятие.

Передвижение и двигательный контроль

Нейророботы часто используются для изучения двигательных Обратная связь и систем управления, и доказали свою ценность при разработке контроллеров для роботов. Передвижение смоделирована рядом неврологических теорий о действии двигательных систем. Управление движением имитировалось с помощью моделей или генераторы центральных паттернов, скопления нейронов, способных управлять повторяющимся поведением, чтобы образовать четвероногих шагающих роботов.[5] Другие группы расширили идею объединения рудиментарных систем управления в иерархический набор простых автономных систем. Эти системы могут формировать сложные движения из комбинации этих элементарных подмножеств.[6] Эта теория двигательного действия основана на организации корковые столбики, которые постепенно переходят от простого сенсорного ввода к сложному афферентный сигналов, или от сложных моторных программ до простых элементов управления для каждого мышечное волокно в эфферент сигналы, образующие подобную иерархическую структуру.

Другой метод управления моторикой использует выученную коррекцию ошибок и средства прогнозирования, чтобы сформировать своего рода имитацию. мышечная память. В этой модели неуклюжие, случайные и подверженные ошибкам движения корректируются за счет использования обратной связи для получения плавных и точных движений с течением времени. Контроллер учится создавать правильный управляющий сигнал, предсказывая ошибку. Используя эти идеи, были разработаны роботы, которые могут научиться производить адаптивные движения рук.[7] или чтобы избежать препятствий на трассе.

Системы обучения и памяти

Роботы, разработанные для проверки теорий о животных объем памяти системы. Многие исследования в настоящее время исследуют систему памяти крыс, особенно крыс. гиппокамп, имея дело с разместить клетки, которые срабатывают в определенном месте, которое было изучено.[8][9] Системы, смоделированные по образцу гиппокампа крысы, обычно способны учиться ментальные карты окружающей среды, включая распознавание ориентиров и привязку к ним поведения, что позволяет им предсказывать предстоящие препятствия и ориентиры.[9]

В другом исследовании был создан робот, основанный на предлагаемой парадигме обучения сипух для ориентации и локализации, основанной в первую очередь на слуховых, но также и на визуальных стимулах. Предполагаемый метод предполагает синаптическую пластичность и нейромодуляция,[10] в основном химический эффект, при котором вознаграждение нейротрансмиттеры такие как дофамин или серотонин, более остро влияют на возбуждающую чувствительность нейрона.[11] Робот, использованный в исследовании, адекватно соответствовал поведению сипух.[12] Более того, тесное взаимодействие между двигательной мощностью и слуховой обратной связью оказалось жизненно важным в процессе обучения, поддерживая теории активного восприятия, которые используются во многих моделях обучения.[10]

Нейророботы в этих исследованиях представлены простыми лабиринтами или шаблонами для изучения. Некоторые из проблем, с которыми сталкивается нейроробот, 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 для навигации в окружающей среде.

Системы выбора действий и 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, когда людей больше, чем может вместить спасательный плот, и кто-то должен покинуть лодку, чтобы спасти остальных. Тем не менее, большее количество нейророботов, используемых в исследовании выбора действия, борются с гораздо более простыми убеждениями, такими как самосохранение или сохранение популяции роботов в исследовании. Эти нейророботы смоделированы на основе нейромодуляции синапсов, чтобы стимулировать цепочки с положительными результатами.[11][13] В биологических системах нейротрансмиттеры, такие как дофамин или ацетилхолин, положительно усиливают полезные нервные сигналы. В одном исследовании такого взаимодействия участвовал робот Дарвин VII, который использовал визуальные, слуховые и имитированные вкусовые сигналы, чтобы «съесть» проводящие металлические блоки. Произвольно выбранные хорошие блоки имели полосатый рисунок, а плохие блоки имели круглую форму. Вкусовые ощущения моделировались проводимостью блоков. Робот имел положительные и отрицательные отзывы на вкус в зависимости от уровня проводимости. Исследователи наблюдали за роботом, чтобы увидеть, как он узнает свое поведение выбора действия на основе входных данных.[14] В других исследованиях использовались стада маленьких роботов, которые питались батареями, разбросанными по комнате, и сообщали свои результаты другим роботам.[15]

Чувственное восприятие

Нейророботы также использовались для изучения сенсорного восприятия, особенно зрения. В первую очередь это системы, возникшие в результате внедрения нейронных моделей сенсорных путей в автоматах. Этот подход позволяет получить доступ к сенсорным сигналам, возникающим во время поведения, а также позволяет более реалистично оценить степень устойчивости нейронной модели. Хорошо известно, что изменения сенсорных сигналов, производимых двигательной активностью, обеспечивают полезные перцепционные сигналы которые широко используются организмами. Например, исследователи использовали информацию о глубине, которая появляется при воспроизведении движений человеческой головы и глаз, для создания надежных представлений визуальной сцены.[16][17]

Биологические роботы

Биологические роботы официально не являются нейроботами в том смысле, что они не являются неврологически вдохновленными системами ИИ, а являются реальной нейронной тканью, связанной с роботом. Это использует использование культивируемые нейронные сети для изучения развития мозга или нейронных взаимодействий. Обычно они состоят из нейронной культуры, выросшей на многоэлектродная матрица (MEA), который способен как регистрировать нервную активность, так и стимулировать ткани. В некоторых случаях MEA подключается к компьютеру, который представляет смоделированную среду для ткани мозга и переводит активность мозга в действия в моделировании, а также обеспечивает сенсорную обратную связь.[18] Возможность записывать нейронную активность дает исследователям окно в мозг, пусть и простое, которое они могут использовать, чтобы узнать о ряде тех же проблем, для решения которых используются нейророботы.

Сфера интересов биологических роботов - это этика. Возникает много вопросов о том, как относиться к таким экспериментам. По-видимому, наиболее важным вопросом является вопрос о сознании и о том, ощущает ли его мозг крысы. Это обсуждение сводится к множеству теорий о том, что такое сознание.[19][20]

Увидеть Гиброт, сознание.

Значение для нейробиологии

Нейробиологи извлекают выгоду из нейробототехники, потому что она дает чистый лист для проверки различных возможных методов работы мозга в контролируемой и тестируемой среде. Кроме того, хотя роботы являются более упрощенными версиями эмулируемых ими систем, они более специфичны, что позволяет проводить более непосредственное тестирование проблемы.[10] Они также имеют то преимущество, что они доступны в любое время, в то время как намного сложнее контролировать даже большие участки мозга, пока животное активно, не говоря уже об отдельных нейронах.

С развитием нейробиологии появилось множество нейронных методов лечения, от фармацевтических препаратов до нервной реабилитации.[21] Прогресс зависит от сложного понимания мозга и того, как именно он функционирует. Изучать мозг очень сложно, особенно у людей из-за опасности, связанной с черепными операциями. Таким образом, использование технологий, чтобы заполнить пустоту поддающихся тестированию субъектов, жизненно важно. Нейророботы делают именно это, расширяя спектр тестов и экспериментов, которые можно проводить при изучении нейронных процессов.

Смотрите также

использованная литература

  1. ^ Чил, Х. Дж., И Бир, Р. Д. (1997). У мозга есть тело: адаптивное поведение возникает в результате взаимодействия нервной системы, тела и окружающей среды. [Редакционный материал]. Тенденции в неврологии, 20 (12), 553-557.
  2. ^ Vannucci, L .; Амброзано, А .; Cauli, N .; Albanese, U .; Falotico, E .; Ульбрих, С .; Pfotzer, L .; Hinkel, G .; Denninger, O .; Peppicelli, D .; Guyot, L .; Арним, А. Фон; Deser, S .; Maier, P .; Dillman, R .; Klinker, G .; Levi, P .; Knoll, A .; Gewaltig, M.O .; Лаши, К. (1 ноября 2015 г.). «Модель визуального отслеживания, реализованная на роботе iCub в качестве примера использования нового нейроботического инструментария, объединяющего мозг и физическое моделирование». 2015 15-я Международная конференция IEEE-RAS по роботам-гуманоидам (Humanoid Robots): 1179–1184. Дои:10.1109 / HUMANOIDS.2015.7363512. ISBN  978-1-4799-6885-5.
  3. ^ «Мозг - поддерживаемые алгоритмы обучения для роботов» (PDF). Получено 9 апреля 2017.
  4. ^ "Базовая платформа нейроробототехники, использующая Neurosky Mindwave". Эрн Эрроусмит. 2 октября 2012 г.. Получено 9 апреля 2017.
  5. ^ Айспеерт, А. Дж., Креспи, А., Рычко, Д., и Кабельгуен, Дж. М. (2007). От плавания до ходьбы с роботом-саламандрой, управляемым моделью спинного мозга. Science 315, 1416-1420.
  6. ^ Гистер, С. Ф., Моксон, К. А., Рыбак, И. А., и Чапин, Дж. К. (2001). Нейробиологические и нейроботические подходы к управлению архитектурой двигательной системы гуманоидов. Робототехника и автономные системы, 37 (2-3), 219-235.
  7. ^ Эскиизмирлилер, С., Форестье, Н., Тонду, Б., и Дарло, К. (2002). Модель мозжечковых путей, применяемая для управления односуставной рукой робота, приводимой в действие искусственными мышцами McKibben. Биол Киберн 86, 379-394.
  8. ^ О'Киф, Дж., И Надел, Л. (1978). Гиппокамп как когнитивная карта (Oxford: Clarendon Press).
  9. ^ а б Матарич, М. Дж. (1998). Поведенческая робототехника как инструмент синтеза искусственного поведения и анализа естественного поведения. [Обзор]. Тенденции в когнитивных науках, 2 (3), 82-87.
  10. ^ а б c Руччи, М., Буллок, Д., и Сантини, Ф. (2007). Интеграция робототехники и нейробиологии: мозг для роботов, тела для мозга. [Статья]. Продвинутая робототехника, 21 (10), 1115-1129.
  11. ^ а б Кокс, Б. Р. и Кричмар, Дж. Л. (2009). Нейромодуляция как робот-контроллер. Вдохновленная мозгом стратегия управления автономными роботами. [Статья]. Журнал IEEE Robotics & Automation, 16 (3), 72-80. Дои:10.1109 / mra.2009.933628
  12. ^ Руччи М., Эдельман Г. М. и Рэй Дж. (1999). Адаптация ориентировочного поведения: от сипухи к роботизированной системе [Статья]. IEEE Transactions по робототехнике и автоматизации, 15 (1), 96-110.
  13. ^ Хассельмо, М. Э., Хей, Дж., Илин, М., и Горчетчников, А. (2002). Нейромодуляция, тета-ритм и пространственная навигация крыс. Neural Netw 15, 689-707.
  14. ^ Кричмар, Дж. Л., и Эдельман, Г. М. (2002). Психология машины: автономное поведение, категоризация восприятия и обусловливание в устройстве, основанном на мозге. Cerebral Cortex 12, 818-830.
  15. ^ Дойя, К., Учибе, Э. (2005). Проект кибер-грызунов: исследование адаптивных механизмов самосохранения и самовоспроизводства. Адаптивное поведение 13, 149 - 160.
  16. ^ Сантини, Ф., и Руччи, М. (2007). Активная оценка расстояния в роботизированной системе, которая воспроизводит движения человеческого глаза. Journal of Robotics and Autonomous Systems, 55, 107-121.
  17. ^ Куанг, К., Гибсон, М., Ши, Б. Э., Руччи, М. (2012). Активное зрение во время скоординированных движений головы и глаз у роботов-гуманоидов, IEEE Transactions on Robotics, 99, 1-8.
  18. ^ ДеМарс, Т. Б., Вагенаар, Д. А., Блау, А. В. и Поттер, С. М. (2001). «Нейронно управляемый анимат: биологический мозг, действующий с имитацией тел». Автономные роботы 11: 305-310.
  19. ^ Уорвик, К. (2010). Значение и последствия роботов с биологическим мозгом. [Статья]. Этика и информационные технологии, 12 (3), 223-234. Дои:10.1007 / s10676-010-9218-6
  20. ^ "Электронные книги IOS Press - Мозги на колесах: теоретические и этические вопросы биоробототехники". ebooks.iospress.nl. Получено 2018-11-14.
  21. ^ Бах-и-Рита, П. (1999). Теоретические аспекты сенсорного замещения и реорганизации, связанной с нейротрансмиссией, при повреждении спинного мозга. [Обзор]. Спинной мозг, 37 (7), 465-474.

внешние ссылки