신경생물학

Neurorobotics

신경로봇학은 신경과학, 로봇공학, 인공지능을 결합한 학문이다.그것은 구현된 자율신경계의 과학기술이다.신경 시스템에는 뇌에서 영감을 받은 알고리즘(예: 연결주의 네트워크), 생물학적 신경망의 계산 모델(예: 인공 스파이킹 신경망, 신경 미세 회로의 대규모 시뮬레이션) 및 실제 생물학적 시스템(예: 생체 내 및 체외 신경망)이 포함된다.그러한 신경 시스템은 기계 또는 다른 형태의 물리적 작동이 있는 기계에 구현될 수 있다.여기에는 로봇, 인공 또는 웨어러블 시스템뿐만 아니라 소규모의 마이크로 기계, 대규모의 가구 및 인프라가 포함됩니다.

신경로보틱스는 뇌에서 영감을 받은 알고리즘과 같은 구현된 자율 신경 시스템의 과학과 기술의 연구와 응용을 다루는 로봇 공학 신경 과학 분야입니다.그것은 뇌가 내장되어 있고 몸이 환경에 내장되어 있다는 생각에 기초하고 있다.따라서, 대부분의 신경 로봇들은 시뮬레이션된 [1]환경이 아닌 실제 세계에서 기능해야 한다.

뇌에서 영감을 받은 로봇 신경 로봇 알고리즘 외에도 뇌로 제어되는 로봇 [2][3][4]시스템의 설계도 포함될 수 있습니다.

신경로봇 모델의 주요 클래스

뉴로봇은 로봇의 목적에 따라 다양한 주요 클래스로 나눌 수 있습니다.각 클래스는 연구를 위한 특정 관심 메커니즘을 구현하도록 설계되어 있습니다.일반적인 유형의 신경로봇은 운동 제어, 기억력, 동작 선택 및 지각 연구에 사용되는 신경로봇입니다.

이동 및 모터 제어

뉴로봇은 종종 모터 피드백과 제어 시스템을 연구하기 위해 사용되며 로봇용 컨트롤러를 개발하는 데 있어 그 장점을 입증했다.이동은 운동 시스템의 작용에 대한 신경학적으로 영감을 받은 많은 이론들에 의해 모델링됩니다.이동 제어는 반복적인 행동을 할 수 있는 뉴런 덩어리인 모델이나 중앙 패턴 생성기를 사용하여 네 발로 걷는 [5]로봇을 만들기 위해 모방되었습니다.다른 그룹은 기본적인 제어 시스템을 단순한 자율 시스템의 계층적 집합으로 결합하는 아이디어를 확장했습니다.이러한 시스템은 이러한 기본 서브셋의 [6]조합으로부터 복잡한 움직임을 나타낼 수 있습니다.운동 작용의 이 이론은 피질 기둥의 구성에 기초하고 있으며, 피질 기둥의 구성은 단순한 감각 입력에서 복잡한 구심성 신호로, 또는 복잡한 운동 프로그램에서 유사한 계층 구조를 형성하며 각 근육 섬유에 대한 단순한 제어로 점진적으로 통합됩니다.

운동 제어를 위한 또 다른 방법은 학습된 오류 보정 및 예측 제어를 사용하여 일종의 모의 근육 기억을 형성한다.이 모델에서는 오류 피드백을 사용하여 시간에 따른 부드럽고 정확한 이동을 생성하도록 어색하고 랜덤하며 오류가 발생하기 쉬운 이동이 수정됩니다.컨트롤러는 오류를 예측하여 올바른 제어 신호를 생성하는 방법을 학습합니다.이러한 아이디어를 이용하여, 로봇은 적응적인 팔 움직임을[7] 만들거나 코스에서 장애물을 피하는 방법을 배울 수 있도록 설계되었다.

학습 및 메모리 시스템

동물 기억 시스템의 이론을 테스트하기 위해 설계된 로봇입니다.많은 연구들이 장소 세포를 다루는 쥐, 특히 쥐 해마의 기억 체계를 조사하는데,[8][9] 장소 세포는 학습된 특정 위치를 향해 발사된다.쥐 해마를 모델로 한 시스템은 일반적으로 랜드마크를 인식하고 그들과 행동을 연관시키는 것을 포함하여 환경의 정신적 지도를 배울 수 있으며, 다가오는 장애물과 [9]랜드마크를 예측할 수 있게 해준다.

또 다른 연구는 주로 청각적 자극뿐만 아니라 시각적 자극에 기초해 방향과 지역화를 위해 외양간 올빼미의 학습 패러다임을 기반으로 로봇을 제작했다.가설화된 방법은 시냅스 가소성과 신경조절을 [10]포함하는데, 이는 주로 화학적인 효과로 도파민이나 세로토닌과 같은 보상 신경전달물질이 뉴런의 발화 민감도에 영향을 미쳐 더 [11]날카로워지는 것이다.연구에 사용된 로봇은 외양간 [12]올빼미의 행동과 적절하게 일치했다.게다가, 모터 출력 및 청각 피드백 사이의 밀접한 상호 작용을 학습 과정에 필수 요소가 되는 학습 모델의 많은 관련들은 활동적인 감지 이론을 지지하는 것을 증명했다.[10]

이러한 연구에서 신경로봇은 단순한 미로 또는 학습 패턴을 제시합니다.신경 세포에 나타나는 문제 중 일부는 기호, 색상 또는 다른 패턴의 인식과 패턴에 기초한 간단한 동작을 포함한다.외양간 부엉이 시뮬레이션의 경우 로봇은 환경에서 이동하기 위해 위치와 방향을 결정해야 했다.

액션 선택 및 가치 시스템

행동 선택 연구는 행동과 그 결과에 대한 부정적인 또는 긍정적인 가중치를 다룬다.뉴로봇은 구명보트가 견딜 수 있는 것보다 더 많은 사람이 있고, 누군가는 나머지를 구하기 위해 보트를 떠나야 하는 고전적인 사고 실험과 같은 단순한 윤리적 상호작용을 연구하는데 사용될 수 있다.그러나 행동 선택 연구에 사용되는 더 많은 신경 로봇들은 자기 보존이나 연구 내 로봇 집단의 영구화와 같은 훨씬 단순한 설득과 씨름한다.이러한 신경 세포는 시냅스의 신경 조절을 본떠서 양성 결과를 [11][13]가진 회로를 장려합니다.

생체시스템에서 도파민이나 아세틸콜린과 같은 신경전달물질은 유익한 신경신호를 확실히 강화한다.이러한 상호작용에 대한 한 연구는 시각적, 청각적, 그리고 전도성 금속 블록을 "먹기" 위해 시뮬레이션된 맛 입력을 사용한 로봇 다윈 7세와 관련이 있다.임의로 선택한 좋은 블록은 줄무늬가 있고 나쁜 블록은 원형으로 되어 있습니다.미각은 블록의 전도성으로 시뮬레이션되었습니다.이 로봇은 전도도를 바탕으로 맛에 긍정적인 피드백과 부정적인 피드백을 받았습니다.연구원들은 로봇이 가지고 [14]있는 입력을 바탕으로 동작 선택 행동을 어떻게 배웠는지 보기 위해 로봇을 관찰했다.다른 연구들은 실내에 흩어져 있는 배터리를 먹고 사는 작은 로봇 무리들을 사용했고, 그 결과를 다른 [15]로봇들에게 전달해 왔다.

감각 지각

뉴로봇은 또한 감각 지각, 특히 시력을 연구하는 데 사용되어 왔다.이것들은 주로 감각 경로의 신경 모델을 오토마타에 내장함으로써 생기는 시스템이다.이 접근방식은 행동 중에 발생하는 감각 신호에 노출을 제공하며 신경 모델의 강건성 정도에 대한 보다 현실적인 평가를 가능하게 한다.운동 활동에 의해 생성된 감각 신호의 변화가 유기체에 의해 광범위하게 사용되는 유용한 지각적 신호를 제공한다는 것은 잘 알려져 있다.예를 들어, 연구자들은 인간의 머리와 눈의 움직임을 복제하는 동안 나타나는 깊이 정보를 사용하여 시각 [16][17]장면의 강력한 표현을 확립했다.

생물 로봇

다음 항목도 참조하십시오.하이브로트

생물학적 로봇은 신경학적으로 영감을 받은 인공지능 시스템이 아니라 로봇에 연결된 실제 뉴런 조직이라는 점에서 공식적으로 뉴로봇이다.이것은 두뇌 발달이나 신경 상호작용을 연구하기 위해 배양된 신경 네트워크를 사용한다.이들은 일반적으로 신경 활동을 기록하고 조직을 자극할 수 있는 MEA(Multielectrode Array)에서 자란 신경 배양으로 구성됩니다.어떤 경우에, MEA는 감각 [18]피드백을 제공할 뿐만 아니라, 뇌 조직에 시뮬레이션 환경을 제시하고, 두뇌 활동을 시뮬레이션의 행동으로 변환하는 컴퓨터에 연결되어 있습니다.신경 활동을 기록하는 능력은 연구자들에게 뇌로 들어가는 창을 제공하는데, 그들은 신경 로봇이 사용되는 것과 같은 많은 문제들에 대해 배울 수 있다.

생물학적 로봇에 대한 관심 분야는 윤리이다.이러한 실험을 어떻게 다루어야 하는지에 대해 많은 의문이 제기되고 있다.중요한 질문은 의식과 쥐의 뇌가 그것을 경험하는지 여부에 관한 것이다.의식을 [19][20]정의하는 방법에 대해서는 많은 이론이 있다.

신경과학에 미치는 영향

신경과학자들은 신경로보틱스가 통제되고 테스트 가능한 환경에서 다양한 뇌 기능 방법을 테스트하기 위한 빈 슬레이트를 제공하기 때문에 신경로보틱스로부터 이익을 얻는다.로봇은 에뮬레이트하는 시스템의 보다 단순한 버전이지만, 보다 구체적이기 때문에 [10]당면한 문제를 보다 직접적으로 테스트할 수 있습니다.그들은 또한 동물이 활동할 때 뇌의 많은 부분, 특히 개별 뉴런을 관찰하는 것이 더 어려운 반면, 항상 접근할 수 있다는 이점을 가지고 있다.

신경 과학의 발달은 신경 치료법을 만들어냈다.이것들은 약물과 신경 [21]재활을 포함한다.진보는 두뇌의 복잡한 이해와 두뇌가 정확히 어떻게 기능하는가에 달려있다.두개골 수술과 관련된 위험성 때문에, 특히 인간에게서 뇌를 연구하는 것은 어렵다.뉴로봇은 신경 과정 연구에서 수행할 수 있는 테스트와 실험의 범위를 개선할 수 있습니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Chiel, H. J., & Beer, R. D. (1997).뇌는 몸을 가지고 있다: 적응 행동은 신경계, 신체 및 환경의 상호작용에서 나타난다.[편집 자료]신경과학 동향, 20(12), 553-557.
  2. ^ Vannucci, L.; Ambrosano, A.; Cauli, N.; Albanese, U.; Falotico, E.; Ulbrich, S.; Pfotzer, L.; Hinkel, G.; Denninger, O.; Peppicelli, D.; Guyot, L.; Arnim, A. Von; Deser, S.; Maier, P.; Dillman, R.; Klinker, G.; Levi, P.; Knoll, A.; Gewaltig, M. O.; Laschi, C. (1 November 2015). "A visual tracking model implemented on the iCub robot as a use case for a novel neurorobotic toolkit integrating brain and physics simulation". 2015 IEEE-RAS 15th International Conference on Humanoid Robots (Humanoids): 1179–1184. doi:10.1109/HUMANOIDS.2015.7363512. ISBN 978-1-4799-6885-5.
  3. ^ "Brain - Supported Learning Algorithms for Robots" (PDF). Retrieved 9 April 2017.
  4. ^ "A Basic Neurorobotics Platform Using the Neurosky Mindwave". Ern Arrowsmith. 2 October 2012. Retrieved 9 April 2017.
  5. ^ Ijspeert, A. J., Crespi, A., Ryczko, D. 및 J. M. Cabelguen. (2007)수영부터 도롱뇽 로봇과 척수 모형으로 움직이는 보행까지.과학 315, 1416-1420
  6. ^ Giszter, S. F., Moxon, K. A., Rybak, I. A. 및 Chapin, J. K. (2001)휴머노이드 모터 시스템의 아키텍처를 제어하기 위한 신경생물학적 및 신경생물학적 접근법.로봇 및 자율 시스템, 37(2-3), 219-235.
  7. ^ Eskiizmirliler, S., Forestier, N., Tondu, B. 및 Darlot, C.(2002).McKibben 인공근육에[dead link] 의해 작동되는 단일 관절 로봇 팔의 제어에 적용되는 소뇌 경로 모델.Biol Cybern 86, 379-394
  8. ^ 오키프, J.와 나델, L.(1978).인지 지도로서의 해마(Oxford: Clarendon Press).
  9. ^ a b Mataric, M. J. (1998년)인위적인 행동을 합성하고 자연 행동을 분석하기 위한 도구로서의 행동 기반 로봇 공학.[리뷰]인지과학 동향, 2(3), 82-87.
  10. ^ a b c Rucci, M., Block, D. 및 Santini, F. (2007)로봇과 신경과학의 통합: 두뇌는 로봇, 신체는 뇌입니다.[기사]어드밴스트 로보틱스, 21(10), 1115-1129.
  11. ^ a b Cox, B. R., & Krichmar, J. L. (2009)로봇 컨트롤러로서의 신경 조절 자율 로봇을 제어하기 위한 뇌에서 영감을 얻은 전략.[기사]IEEE Robotics & Automation Magazine, 16(3), 72-80.doi:10.1109/mra. 2009.933628
  12. ^ 루치, M., 에델만, G.M. 및 Wray, J.(1999).외양간 올빼미에서 로봇 시스템으로의 방향 설정 행동 적응 [기사]IEEE Transactions on Robotics and Automation, 15(1), 96-110.
  13. ^ Hasselmo, M.E., Hay, J., Ilyn, M. 및 Gorchetchnikov, A. (2002)신경 조절, 세타 리듬, 쥐의 공간 항법.뉴럴 네트워크 15, 689-707
  14. ^ Krichmar, J. L. 및 Edelman, G. M. (2002)기계 심리학: 뇌 기반 디바이스에서의 자율 행동, 지각 분류 및 컨디셔닝.대뇌피질 12, 818-830입니다
  15. ^ 도야, K. 및 우치베, E. (2005)사이버 설치 프로젝트:자기 보존과 자기 재생을 위한 적응 메커니즘의 탐구.적응 동작 13, 149 - 160.
  16. ^ 산티니, F, 루치, M. (2007)인간의 눈 움직임을 복제하는 로봇 시스템의 능동적 거리 추정 Journal of Robotics and Autonomous Systems, 55, 107-121.
  17. ^ Kuang, K., Gibson, M., Shi, B.E., Rucci, M.(2012).휴머노이드 로봇의 조정된 머리/눈 움직임 중 능동적인 시각, IEEE Transactions on Robotics, 99, 1-8.
  18. ^ T.B., D.A., Blau, A. W. 및 Potter, S. M.(2001)."신경적으로 제어된 애니메이션:생체 뇌는 시뮬레이션된 신체로 작용한다."Autonomous Robots 11: 305-310.
  19. ^ 워릭, K. (2010년)생물학적 뇌를 가진 로봇의 영향과 결과[기사]윤리정보기술, 12(3), 223-234.doi:10.1007/s10676-010-9218-6
  20. ^ "IOS Press Ebooks - Brains on Wheels: Theoretical and Ethical Issues in Bio-Robotics". ebooks.iospress.nl. Retrieved 2018-11-14.
  21. ^ Bach-y-Rita, P. (1999년)감각 치환의 이론적 측면과 척수 손상의 신경 전달 관련 재편성.[리뷰]척수, 37세, 465-474세

외부 링크