La neurorobótica , un estudio combinado de neurociencia , robótica e inteligencia artificial , es la ciencia y la tecnología de los sistemas neuronales autónomos incorporados. Los sistemas neuronales incluyen algoritmos inspirados en el cerebro (por ejemplo, redes conexionistas), modelos computacionales de redes neuronales biológicas (por ejemplo , redes neuronales de picos artificiales , simulaciones a gran escala de microcircuitos neuronales) y sistemas biológicos reales (por ejemplo, redes neuronales in vivo e in vitro ). Dichos sistemas neuronales pueden incorporarse en máquinas con mecánica o cualquier otra forma de actuación física. Esto incluye robots , prótesis o sistemas vestibles pero también, a menor escala, micro-máquinas y, a mayor escala, mobiliario e infraestructuras.
La neurorobótica es la rama de la neurociencia con la robótica, que se ocupa del estudio y la aplicación de la ciencia y la tecnología de sistemas neuronales autónomos incorporados, como los algoritmos inspirados en el cerebro. En esencia, la neurorobótica se basa en la idea de que el cerebro está incorporado y el cuerpo está incrustado en el medio ambiente. Por lo tanto, se requiere que la mayoría de los neurorobots funcionen en el mundo real, a diferencia de un entorno simulado. [1]
Más allá de los algoritmos inspirados en el cerebro para robots, la neurorobótica también puede involucrar el diseño de sistemas de robots controlados por el cerebro. [2] [3] [4]
Introducción
La neurorobótica representa el enfoque de dos frentes para el estudio de la inteligencia. La neurociencia intenta discernir en qué consiste la inteligencia y cómo funciona investigando sistemas biológicos inteligentes, mientras que el estudio de la inteligencia artificial intenta recrear la inteligencia a través de medios no biológicos o artificiales. La neurorobótica es la superposición de los dos, donde las teorías inspiradas biológicamente se prueban en un entorno basado en la tierra, con una implementación física de dicho modelo. Los éxitos y fracasos de un neurorobot y el modelo a partir del cual se construye pueden proporcionar evidencia para refutar o respaldar esa teoría, y brindar información para estudios futuros.
Principales clases de modelos neurorobóticos
Los neurorobots se pueden dividir en varias clases principales según el propósito del robot. Cada clase está diseñada para implementar un mecanismo específico de interés para el estudio. Los tipos comunes de neurorobots son los que se utilizan para estudiar el control motor, la memoria, la selección de acciones y la percepción.
Control de locomoción y motor
Los neurorobots se utilizan a menudo para estudiar la retroalimentación de motores y los sistemas de control, y han demostrado su mérito en el desarrollo de controladores para robots. La locomoción está modelada por una serie de teorías de inspiración neurológica sobre la acción de los sistemas motores. El control de la locomoción se ha imitado utilizando modelos o generadores de patrones centrales , grupos de neuronas capaces de conducir comportamientos repetitivos, para hacer robots andantes de cuatro patas. [5] Otros grupos han expandido la idea de combinar sistemas de control rudimentarios en un conjunto jerárquico de sistemas autónomos simples. Estos sistemas pueden formular movimientos complejos a partir de una combinación de estos subconjuntos rudimentarios. [6] Esta teoría de la acción motora se basa en la organización de las columnas corticales , que se integran progresivamente desde una simple entrada sensorial a señales aferentes complejas , o desde programas motores complejos hasta controles simples para cada fibra muscular en señales eferentes , formando una jerarquía similar. estructura.
Otro método para el control del motor utiliza la corrección de errores aprendidos y los controles predictivos para formar una especie de memoria muscular simulada . En este modelo, los movimientos incómodos, aleatorios y propensos a errores se corrigen mediante el uso de retroalimentación de errores para producir movimientos suaves y precisos a lo largo del tiempo. El controlador aprende a crear la señal de control correcta al predecir el error. Utilizando estas ideas, se han diseñado robots que pueden aprender a producir movimientos adaptativos del brazo [7] o evitar obstáculos en un recorrido.
Sistemas de aprendizaje y memoria
Robots diseñados para probar teorías de sistemas de memoria animal . Actualmente, muchos estudios examinan el sistema de memoria de las ratas, en particular el hipocampo de la rata , que se ocupa de las células del lugar , que se activan para una ubicación específica que se ha aprendido. [8] [9] Los sistemas modelados a partir del hipocampo de rata generalmente son capaces de aprender mapas mentales del entorno, incluido el reconocimiento de puntos de referencia y la asociación de comportamientos con ellos, lo que les permite predecir los próximos obstáculos y puntos de referencia. [9]
Otro estudio ha producido un robot basado en el paradigma de aprendizaje propuesto de las lechuzas comunes para la orientación y localización basada principalmente en estímulos auditivos, pero también visuales. El método hipotético implica plasticidad sináptica y neuromodulación , [10] un efecto principalmente químico en el que los neurotransmisores de recompensa como la dopamina o la serotonina afectan la sensibilidad de disparo de una neurona para que sea más aguda. [11] El robot utilizado en el estudio coincidía adecuadamente con el comportamiento de las lechuzas comunes. [12] Además, la estrecha interacción entre la producción motora y la retroalimentación auditiva resultó ser vital en el proceso de aprendizaje, apoyando las teorías de detección activa que están involucradas en muchos de los modelos de aprendizaje. [10]
Los neurorobots en estos estudios se presentan con laberintos o patrones simples para aprender. Algunos de los problemas que se le presentan al neurorobot incluyen el reconocimiento de símbolos, colores u otros patrones y ejecutar acciones simples basadas en el patrón. En el caso de la simulación de la lechuza común, el robot tuvo que determinar su ubicación y dirección para navegar en su entorno.
Selección de acciones y sistemas de valores
Los estudios de selección de acciones se ocupan de la ponderación negativa o positiva de una acción y su resultado. Los neurorobots pueden y se han utilizado para estudiar interacciones éticas * simples *, como el experimento mental clásico en el que hay más personas de las que puede contener una balsa salvavidas, y alguien debe abandonar el bote para salvar al resto. Sin embargo, más neurorobots utilizados en el estudio de la selección de acciones compiten con persuasiones mucho más simples, como la autoconservación o la perpetuación de la población de robots en el estudio. Estos neurorobots se modelan a partir de la neuromodulación de sinapsis para estimular circuitos con resultados positivos. [11] [13] En los sistemas biológicos, los neurotransmisores como la dopamina o la acetilcolina refuerzan positivamente las señales neuronales que son beneficiosas. Un estudio de dicha interacción involucró al robot Darwin VII, que utilizó una entrada visual, auditiva y de sabor simulado para "comer" bloques metálicos conductores. Los bloques buenos elegidos arbitrariamente tenían un patrón de rayas, mientras que los bloques malos tenían una forma circular. El sentido del gusto fue simulado por la conductividad de los bloques. El robot tuvo retroalimentaciones positivas y negativas al sabor en función de su nivel de conductividad. Los investigadores observaron al robot para ver cómo aprendía sus comportamientos de selección de acciones en función de las entradas que tenía. [14] Otros estudios han utilizado manadas de pequeños robots que se alimentan de baterías esparcidas por la habitación y comunican sus hallazgos a otros robots. [15]
Percepcion sensorial
Los neurorobots también se han utilizado para estudiar la percepción sensorial, en particular la visión. Estos son principalmente sistemas que resultan de la incorporación de modelos neuronales de vías sensoriales en autómatas. Este enfoque da exposición a las señales sensoriales que ocurren durante el comportamiento y también permite una evaluación más realista del grado de robustez del modelo neuronal. Es bien sabido que los cambios en las señales sensoriales producidas por la actividad motora proporcionan señales de percepción útiles que los organismos utilizan ampliamente. Por ejemplo, los investigadores han utilizado la información de profundidad que surge durante la replicación de los movimientos de la cabeza y los ojos humanos para establecer representaciones sólidas de la escena visual. [16] [17]
Robots biológicos
Los robots biológicos no son oficialmente neurorobots en el sentido de que no son sistemas de inteligencia artificial inspirados neurológicamente, sino tejido neuronal real conectado a un robot. Esto emplea el uso de redes neuronales cultivadas para estudiar el desarrollo del cerebro o las interacciones neuronales. Por lo general, consisten en un cultivo neuronal generado en una matriz de electrodos múltiples (MEA), que es capaz de registrar la actividad neuronal y estimular el tejido. En algunos casos, el MEA está conectado a una computadora que presenta un entorno simulado al tejido cerebral y traduce la actividad cerebral en acciones en la simulación, además de proporcionar retroalimentación sensorial. [18] La capacidad de registrar la actividad neuronal brinda a los investigadores una ventana al cerebro, aunque simple, que pueden usar para aprender sobre varios de los mismos problemas para los que se usan los neurorobots.
Un área de preocupación con los robots biológicos es la ética. Se plantean muchas preguntas sobre cómo tratar tales experimentos. Aparentemente, la pregunta más importante es la de la conciencia y si el cerebro de la rata la experimenta o no. Esta discusión se reduce a las muchas teorías sobre qué es la conciencia. [19] [20]
Ver Hybrot , conciencia .
Implicaciones para la neurociencia
Los neurocientíficos se benefician de la neurorobótica porque proporciona una pizarra en blanco para probar varios métodos posibles de función cerebral en un entorno controlado y comprobable. Además, si bien los robots son versiones más simplificadas de los sistemas que emulan, son más específicos, lo que permite una prueba más directa del problema en cuestión. [10] También tienen la ventaja de ser accesibles en todo momento, mientras que es mucho más difícil monitorear incluso grandes porciones de un cerebro mientras el animal está activo, y mucho menos las neuronas individuales.
Con el tema de la neurociencia creciendo como lo ha hecho, han surgido numerosos tratamientos neuronales, desde productos farmacéuticos hasta rehabilitación neuronal. [21] El progreso depende de una comprensión compleja del cerebro y de cómo funciona exactamente. Es muy difícil estudiar el cerebro, especialmente en humanos, debido al peligro asociado con las cirugías craneales. Por lo tanto, el uso de la tecnología para llenar el vacío de sujetos evaluables es vital. Los neurorobots logran exactamente esto, mejorando la gama de pruebas y experimentos que se pueden realizar en el estudio de los procesos neuronales.
Ver también
- Interfaz cerebro-computadora
- Ingeniería neuromórfica
Referencias
- ^ Chiel, HJ y Beer, RD (1997). El cerebro tiene un cuerpo: el comportamiento adaptativo surge de las interacciones del sistema nervioso, el cuerpo y el medio ambiente . [Material editorial]. Tendencias en neurociencias, 20 (12), 553-557.
- ^ 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, MO; Laschi, C. (1 de noviembre de 2015). "Un modelo de seguimiento visual implementado en el robot iCub como caso de uso para un novedoso kit de herramientas neurorobóticas que integra simulación física y cerebral". 2015 IEEE-RAS 15th International Conference on Humanoid Robots (Humanoids) : 1179-1184. doi : 10.1109 / HUMANOIDS.2015.7363512 . ISBN 978-1-4799-6885-5.
- ^ "Algoritmos de aprendizaje compatibles con el cerebro para robots" (PDF) . Consultado el 9 de abril de 2017 .
- ^ "Una plataforma básica de neurorobótica utilizando Neurosky Mindwave" . Ern Arrowsmith . 2 de octubre de 2012 . Consultado el 9 de abril de 2017 .
- ^ Ijspeert, AJ, Crespi, A., Ryczko, D. y Cabelguen, JM (2007). Desde nadar hasta caminar con un robot salamandra impulsado por un modelo de médula espinal . Science 315, 1416-1420.
- ^ Giszter, SF, Moxon, KA, Rybak, IA y Chapin, JK (2001). Enfoques neurobiológicos y neurorobóticos para controlar las arquitecturas de un sistema motor humanoide. Robótica y sistemas autónomos, 37 (2-3), 219-235.
- ^ Eskiizmirliler, S., Forestier, N., Tondu, B. y Darlot, C. (2002). Un modelo de las vías cerebelosas aplicado al control de un brazo robótico de una sola articulación accionado por músculos artificiales de McKibben . Biol Cybern 86, 379-394.
- ^ O'Keefe, J. y Nadel, L. (1978). El hipocampo como mapa cognitivo (Oxford: Clarendon Press).
- ↑ a b Mataric, MJ (1998). La robótica basada en el comportamiento como herramienta de síntesis del comportamiento artificial y análisis del comportamiento natural . [Revisar]. Tendencias en ciencias cognitivas, 2 (3), 82-87.
- ↑ a b c Rucci, M., Bullock, D. y Santini, F. (2007). Integrando robótica y neurociencia: cerebros para robots, cuerpos para cerebros. [Artículo]. Robótica avanzada, 21 (10), 1115-1129.
- ↑ a b Cox, BR y Krichmar, JL (2009). La neuromodulación como controlador de robot Una estrategia inspirada en el cerebro para controlar robots autónomos. [Artículo]. Revista IEEE Robótica y Automatización, 16 (3), 72-80. doi : 10.1109 / mra.2009.933628
- ^ Rucci, M., Edelman, GM y Wray, J. (1999). Adaptación del comportamiento de orientación: de la lechuza común a un sistema robótico [Artículo]. Transacciones IEEE sobre robótica y automatización, 15 (1), 96-110.
- ^ Hasselmo, ME, Hay, J., Ilyn, M. y Gorchetchnikov, A. (2002). Neuromodulación, ritmo theta y navegación espacial de ratas. Neural Netw 15, 689-707.
- ^ Krichmar, JL y Edelman, GM (2002). Psicología de la máquina: comportamiento autónomo, categorización perceptual y condicionamiento en un dispositivo basado en el cerebro . Corteza cerebral 12, 818-830.
- ^ Doya, K. y Uchibe, E. (2005). The Cyber Rodent Project: Exploración de mecanismos adaptativos para la autoconservación y la autorreproducción. Comportamiento adaptativo 13, 149 - 160.
- ^ Santini, F y Rucci, M. (2007). Estimación activa de la distancia en un sistema robótico que replica los movimientos del ojo humano Journal of Robotics and Autonomous Systems, 55, 107-121.
- ^ Kuang, K., Gibson, M., Shi, BE, Rucci, M. (2012). Visión activa durante movimientos coordinados de cabeza / ojos en un robot humanoide, IEEE Transactions on Robotics, 99, 1-8.
- ^ DeMarse, TB, Wagenaar, DA, Blau, AW y Potter, SM (2001). "El Animat controlado neuralmente: Cerebros biológicos que actúan con cuerpos simulados". Robots autónomos 11: 305-310.
- ^ Warwick, K. (2010). Implicaciones y consecuencias de los robots con cerebro biológico. [Artículo]. Ética y tecnología de la información, 12 (3), 223-234. doi : 10.1007 / s10676-010-9218-6
- ^ "IOS Press Ebooks - Cerebros sobre ruedas: cuestiones teóricas y éticas en bio-robótica" . ebooks.iospress.nl . Consultado el 14 de noviembre de 2018 .
- ^ Bach-y-Rita, P. (1999). Aspectos teóricos de la sustitución sensorial y de la reorganización relacionada con la neurotransmisión en la lesión de la médula espinal . [Revisar]. Médula espinal, 37 (7), 465-474.
enlaces externos
- Neurorobótica en Scholarpedia (Jeff Krichmar (2008), Scholarpedia, 3 (3): 1365)
- Un laboratorio que se enfoca en neurorobótica en la Northwestern University.
- Fronteras en Neurorobótica.
- Neurorobótica: una ciencia experimental de la encarnación por Frederic Kaplan
- Laboratorio de Neurorobótica, Laboratorio de Sistemas de Control, NTUn de Atenas (Prof. Kostas J. Kyriakopoulos)
- Proyecto Neurorobótica en el Cerebro Humano