ویکی‌پدیا

پیش‌نویس:نورو روباتیک

نورو روباتیک (Neurorobotics) علم و فناوری مربوط به سیستم های عصبی خودکار تجسم یافته است ، که یک مطالعه ترکیبی از علوم اعصاب ، روباتیک و هوش مصنوعی می باشد . سیستم های عصبی شامل الگوریتم های الهام گرفته از مغز (به عنوان مثال شبکه های اتصال دهنده) ، مدل های محاسباتی مربوط به شبکه های عصبی بیولوژیکی (به عنوان مثال شبکه های عصبی سنبله مصنوعی ، شبیه سازی میکرو مدارهای عصبی در مقیاس بزرگ) و سیستمهای بیولوژیکی واقعی (مانند شبکه های عصبی داخل بدن و آزمایشگاهی ) هستند. چنین سیستمهای عصبی را می توان در ماشینهایی با کاربرد مکانیکی یا هر شکل دیگری از کاربرد فیزیکی در نظر گرفت. این ماشینها شامل روبات ها ، سیستم های پروتز یا پوششی، میکرو ماشینها در مقیاس کوچک و تاسیسات در مقیاس بزرگ می باشند.

نورو روباتیک شاخه ای از علوم اعصاب امیخته با رباتیک است ، که به مطالعه و کاربرد علم و فناوری مربوط به سیستم های عصبی خودکار تجسم یافته می پردازد مانند الگوریتم های الهام گرفته از مغز . در هسته این شاخه از علم ، نوروبروتیک براساس این ایده است که برای سیستم یک مغز در نظر گرفته می شود و بدنه سیستم در محیط قرار می گیرد. بنابراین ، بسیاری از نورو روبات ها موظف به عمل در دنیای واقعی بر خلاف یک محیط شبیه سازی شده هستند. [۱]

فراتر از الگوریتم های الهام گرفته از مغز برای ربات های عصبی ربات همچنین ممکن است شامل طراحی سیستم های کنترل ربات مغز باشد. [۲] [۳] [۴]

مقدمه ویرایش

Neurorobotics بیانگر رویکرد دو جبهه برای مطالعه هوش است. علوم اعصاب تلاش می کند با بررسی سیستم های هوشمند بیولوژیکی هوشمند ، هویت را تشکیل دهد و چگونه کار کند ، در حالی که مطالعه هوش مصنوعی تلاش می کند تا با استفاده از روشهای غیر بیولوژیکی یا مصنوعی ، دوباره هوش را بازآفرینی کند. Neurorobotics همپوشانی این دو است ، که در آن تئوریهای با الهام از نظر زیست شناختی در یک محیط زمینی و با اجرای فیزیکی مدل مذکور آزمایش می شوند. موفقیت ها و شکست های یک neurorobot و الگویی که از آن ساخته شده است می تواند شواهدی را برای رد یا پشتیبانی از آن تئوری فراهم کند و بینشی برای مطالعه آینده باشد.

کلاسهای عمده مدلهای عصبی ویرایش

Neurorobots را می توان بر اساس هدف این ربات به کلاس های مختلف اصلی تقسیم کرد. هر کلاس برای پیاده سازی مکانیسم مورد علاقه خاص برای مطالعه طراحی شده است. انواع متداول سلولهای عصبی مواردی هستند که برای بررسی کنترل حرکتی ، حافظه ، انتخاب عملکرد و درک استفاده می شوند.

حرکت و کنترل موتور ویرایش

Neurorobots اغلب برای مطالعه سیستم های بازخورد و کنترل موتور استفاده می شود و شایستگی خود را در زمینه کنترل ربات ها به اثبات رسانده است. حرکت توسط تعدادی از نظریه های الهام بخش عصبی در مورد عملکرد سیستم های حرکتی مدل می شود. کنترل حرکتی با استفاده از مدلها یا ژنراتورهای الگوی مرکزی توده های عصبی که قادر به رفتارهای تکراری هستند ، تقلید می شود تا روبات های پیاده روی چهار پا بسازد. [۵] گروه های دیگر ایده ترکیب سیستم های کنترل ریزشی را در مجموعه سلسله مراتبی از سیستم های خود مختار ساده گسترش داده اند. این سیستم ها می توانند حرکات پیچیده ای را از ترکیبی از این زیر مجموعه های ابتدایی شکل دهند. [۶] این تئوری عمل حرکتی مبتنی بر سازماندهی ستونهای قشر مغزی است که به تدریج از ورودی حسی ساده در سیگنالهای عاطفی پیچیده ادغام می شوند ، یا از برنامه های حرکتی پیچیده گرفته تا کنترل های ساده برای هر فیبر عضلانی در سیگنال های پرانرژی ، تشکیل یک ساختار سلسله مراتبی مشابه را تشکیل می دهند.

روش دیگر برای کنترل حرکتی از تصحیح خطای آموخته شده و کنترلهای پیش بینی کننده برای ایجاد نوعی حافظه ماهیچه ای شبیه سازی شده استفاده می کند . در این مدل ، حرکات بی دست و پا ، تصادفی و مستعد خطا برای استفاده از بازخورد خطا اصلاح می شود تا حرکات صاف و دقیقی با گذشت زمان ایجاد شود. کنترل کننده یاد می گیرد با پیش بینی خطا ، سیگنال کنترل صحیح ایجاد کند. با استفاده از این ایده ها، روبات طراحی شده اند که می تواند یاد بگیرد که حرکات بازو تطبیقی [۷] و یا به موانع اجتناب در یک دوره.

سیستم های یادگیری و حافظه ویرایش

روبات هایی که برای تست تئوری های سیستم های حافظه حیوانات طراحی شده اند. در حال حاضر بسیاری از مطالعات سیستم حافظه موش ها ، به ویژه هیپوکامپ موش ، با سلول های مکان را بررسی می کنند ، که برای مکان خاصی که آموخته می شود ، آتش می گیرند. [۸] [۹] سیستم هایی که پس از هیپوکامپ موش صحرایی می شوند ، به طور کلی قادر به یادگیری نقشه های ذهنی محیط ، از جمله شناخت علائم برجسته و رفتارهای مرتبط با آنها هستند و به آنها امکان پیش بینی موانع و نشانه های آینده را می دهد.

یک مطالعه دیگر یک ربات مبتنی بر الگوی یادگیری پیشنهادی جغدهای انبار برای جهت یابی و بومی سازی مبتنی بر محرکهای شنیداری بلکه در عین حال بصری نیز تولید کرده است. این فرضیه شامل انعطاف پذیری سیناپسی و عصب زدایی است ، [۱۰] یک اثر بیشتر شیمیایی است که در آن انتقال دهنده های عصبی مانند دوپامین یا سروتونین پاداش می گیرد تا حساسیت به شلیک یک نورون واضح تر شود. [۱۱] روبات مورد استفاده در مطالعه به طور كافي با رفتار جغدهاي انبار مطابقت داشت. [۱۲] علاوه بر این ، تعامل نزدیک بین خروجی موتور و بازخورد شنوایی ثابت شد که در فرایند یادگیری بسیار حیاتی است ، از تئوری های سنجش فعال که در بسیاری از مدل های یادگیری نقش دارند.

Neurorobots در این مطالعات با مارپیچ های ساده و یا الگوهای برای یادگیری ارائه شده است. برخی از مشکلات ارائه شده به نوروروبوت شامل تشخیص نمادها ، رنگها یا سایر الگوهای و اجرای ساده بر اساس الگوی است. در مورد شبیه سازی جغد انبار ، ربات برای پیمایش در محیط خود باید موقعیت و جهت آن را تعیین می کرد.

انتخاب عملکرد و سیستم های ارزش ویرایش

مطالعات انتخاب عمل با وزن منفی یا مثبت یک عمل و نتیجه آن سروکار دارد. Neurorobots می تواند و مورد استفاده قرار گرفته است به مطالعه * تعامل * اخلاقی * ساده ، مانند آزمایش تفکر کلاسیک که در آن تعداد بیشتری از مردم وجود دارد تا یک قایق زندگی بتواند نگه داشته باشد ، و کسی برای نجات بقیه باید قایق را ترک کند. با این حال ، تعداد بیشتری از سلولهای عصبی که در مطالعه انتخاب عمل مورد استفاده قرار می گیرند ، با اقناع بسیار ساده تر مانند حفظ خود یا زنده نگه داشتن جمعیت روبات ها در مطالعه ، مخالف هستند. این سلولهای عصبی پس از عصب سازی سیناپسها برای تشویق مدارهای با نتایج مثبت مدل می شوند. [۱۱] [۱۳] در سیستم های بیولوژیکی ، انتقال دهنده های عصبی مانند دوپامین یا استیل کولین سیگنال های عصبی مفید را تقویت می کنند. یک مطالعه از چنین تعامل شامل روبی داروین هفتم بود که از بصری ، شنیداری و ورودی شبیه سازی شده برای "خوردن" بلوک های فلزی رسانا استفاده می کرد. بلوک های خوب دلخواه انتخاب شده دارای الگوی راه راه بر روی آنها بودند در حالی که بلوک های بد شکل دایره ای روی آنها داشتند. حس چشایی با هدایت بلوک ها شبیه سازی می شود. این روبات با توجه به سطح هدایت آن ، بازخوردهای مثبت و منفی را به سلیقه داده است. محققان ربات را مشاهده کردند تا ببینند که چگونه رفتارهای انتخابی عملکرد خود را بر اساس ورودی هایی که داشت ، آموخته است. [۱۴] در مطالعات دیگر گله های روبات های کوچک استفاده شده است که از باتری های اطراف اتاق تغذیه می کنند و یافته های آن را به سایر روبات ها ابلاغ می کنند. [۱۵]

ادراک حسی ویرایش

Neurorobots همچنین برای مطالعه درک حسی ، به ویژه بینایی استفاده شده است. اینها در اصل سیستمهایی هستند که از تعبیه مدلهای عصبی مسیرهای حسی در اتوماتها ناشی می شوند. این روش در معرض سیگنالهای حسی است که در طول رفتار رخ می دهد و همچنین ارزیابی واقعی تری از میزان استحکام مدل عصبی را امکان پذیر می کند. به خوبی شناخته شده است که تغییرات در سیگنالهای حسی ناشی از فعالیت حرکتی ، نشانه های ادراکی مفیدی را ارائه می دهند که توسط ارگانیسم ها مورد استفاده گسترده قرار می گیرند. به عنوان مثال ، محققان از اطلاعات عمق موجود در هنگام تکثیر حرکات سر و چشم انسان برای ایجاد بازنمایی های قوی از صحنه بصری استفاده کرده اند. [۱۶] [۱۷]

روبات های بیولوژیکی ویرایش

روبات های بیولوژیکی به طور رسمی عصبی نیستند زیرا از سیستم هوش مصنوعی الهام گرفته شده از نظر عصبی نیستند ، بلکه بافتهای عصبی واقعی هستند که به یک ربات وصل می شوند. این مورد استفاده از شبکه های عصبی کشت شده برای مطالعه رشد مغز یا تعامل عصبی است. اینها به طور معمول شامل یک فرهنگ عصبی است که بر روی یک آرایه multielectrode (MEA) مطرح شده است ، که قادر به ضبط فعالیت عصبی و تحریک بافت است. در بعضی موارد ، MEA به رایانه ای متصل می شود که محیط شبیه سازی شده ای را به بافت مغز ارائه می دهد و فعالیت مغز را به صورت عمل در شبیه سازی و همچنین بازخورد حسی ترجمه می کند. [۱۸] توانایی ضبط فعالیت عصبی به محققان پنجره ای به مغز ، البته ساده ، می دهد ، که می توانند از آنها برای یادگیری تعدادی از همان موضوعاتی استفاده کنند که از سلولهای عصبی استفاده می کنند.

اخلاق مربوط به ربات های بیولوژیکی است. سؤالات زیادی درباره نحوه درمان چنین آزمایشاتی مطرح می شود. به نظر می رسد مهمترین سؤال سؤال آگاهی است و اینکه مغز موش آن را تجربه می کند یا خیر. این بحث به نظریه های بسیاری درمورد اینکه آگاهی چیست ، می رسد. [۱۹] [۲۰]

به هیبروت ، آگاهی مراجعه کنید.

پیامدهای مربوط به علوم اعصاب ویرایش

دانشمندان علوم اعصاب از عصبی بودن استفاده می کنند زیرا یک تخته سنگی را برای آزمایش انواع روشهای ممکن عملکرد مغز در یک محیط کنترل شده و قابل آزمایش فراهم می کند. علاوه بر این ، در حالی که روبات ها نسخه های ساده تری از سیستم هایی هستند که از آنها تقلید می کنند ، خاص تر هستند و امکان آزمایش مستقیم بیشتر این مسئله را دارند. [۱۰] آنها همچنین این مزیت را دارند که در همه زمانها قابل دسترسی باشند ، در حالی که نظارت بر حتی بخش های بزرگی از مغز در حالی که حیوان فعال است ، دشوارتر است ، چه رسد به نورون های فردی.

با توجه به موضوع علوم اعصاب که در حال رشد است ، درمانهای عصبی متعددی از داروها تا توانبخشی عصبی ظاهر شده اند. [۲۱] پیشرفت به درک پیچیده مغز و نحوه عملکرد دقیق آن بستگی دارد. مطالعه مغز خصوصاً در انسان به دلیل خطر ناشی از جراحی های جمجمه بسیار دشوار است. بنابراین ، استفاده از فناوری برای پر کردن خلاء سوژه های امتحانی امری حیاتی است. Neurorobots دقیقاً این کار را انجام می دهد ، طیف وسیعی از آزمایش ها و آزمایش هایی را که می تواند در مطالعه فرآیندهای عصبی انجام دهد ، بهبود می بخشد.

همچنین ببینید ویرایش

منابع ویرایش

  1. ↑ Chiel, H. J., & Beer, R. D. (1997). The brain has a body: adaptive behavior emerges from interactions of nervous system, body and environment. [Editorial Material]. Trends in Neurosciences, 20(12), 553-557.
  2. ↑ Vannucci, L.; Ambrosano, A.; Cauli, N.; Albanese, U.; Falotico, E.; Ulbrich, S.; Pfotzer, L.; Hinkel, G.; Denninger, O. (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. Retrieved 9 April 2017.
  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., and Cabelguen, J. M. (2007). From swimming to walking with a salamander robot driven by a spinal cord model. Science 315, 1416-1420.
  6. ↑ Giszter, S. F., Moxon, K. A., Rybak, I. A., & Chapin, J. K. (2001). Neurobiological and neurorobotic approaches to control architectures for a humanoid motor system. Robotics and Autonomous Systems, 37(2-3), 219-235.
  7. ↑ Eskiizmirliler, S., Forestier, N., Tondu, B., and Darlot, C. (2002). A model of the cerebellar pathways applied to the control of a single-joint robot arm actuated by McKibben artificial muscles. Biol Cybern 86, 379-394.
  8. ↑ O'Keefe, J., and Nadel, L. (1978). The hippocampus as a cognitive map (Oxford: Clarendon Press).
  9. ↑ Mataric, M. J. (1998). Behavior-based robotics as a tool for synthesis of artificial behavior and analysis of natural behavior. [Review]. Trends in Cognitive Sciences, 2(3), 82-87.
  10. ↑ ۱۰٫۰ ۱۰٫۱ Rucci, M., Bullock, D., & Santini, F. (2007). Integrating robotics and neuroscience: brains for robots, bodies for brains. [Article]. Advanced Robotics, 21(10), 1115-1129.
  11. ↑ ۱۱٫۰ ۱۱٫۱ Cox, B. R., & Krichmar, J. L. (2009). Neuromodulation as a Robot Controller A Brain-Inspired Strategy for Controlling Autonomous Robots. [Article]. IEEE Robotics & Automation Magazine, 16(3), 72-80. doi:10.1109/mra.2009.933628
  12. ↑ Rucci, M., Edelman, G. M. and Wray, J. (1999). Adaptation of orienting behavior: from the barn owl to a robotic system [Article]. IEEE Transactions on Robotics and Automation, 15(1), 96-110.
  13. ↑ Hasselmo, M. E., Hay, J., Ilyn, M., and Gorchetchnikov, A. (2002). Neuromodulation, theta rhythm and rat spatial navigation. Neural Netw 15, 689-707.
  14. ↑ Krichmar, J. L., and Edelman, G. M. (2002). Machine Psychology: Autonomous Behavior, Perceptual Categorization, and Conditioning in a Brain-Based Device. Cerebral Cortex 12, 818-830.
  15. ↑ Doya, K., and Uchibe, E. (2005). The Cyber Rodent Project: Exploration of Adaptive Mechanisms for Self-Preservation and Self-Reproduction. Adaptive Behavior 13, 149 - 160.
  16. ↑ Santini, F, and Rucci, M. (2007). Active estimation of distance in a robotic system that replicates human eye movements Journal of Robotics and Autonomous Systems, 55, 107-121.
  17. ↑ Kuang, K., Gibson, M., Shi, B. E., Rucci, M. (2012). Active vision during coordinated head/eye movements in a humanoid robot, IEEE Transactions on Robotics, 99, 1-8.
  18. ↑ DeMarse, T. B., Wagenaar, D. A., Blau, A. W. and Potter, S. M. (2001). "The Neurally Controlled Animat: Biological Brains Acting with Simulated Bodies." Autonomous Robots 11: 305-310.
  19. ↑ Warwick, K. (2010). Implications and consequences of robots with biological brains. [Article]. Ethics and Information Technology, 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. (1999). Theoretical aspects of sensory substitution and of neurotransmission-related reorganization in spinal cord injury. [Review]. Spinal Cord, 37(7), 465-474.

لینک های خارجی ویرایش

برگرفته از «https://fa.wikipedia.org/w/index.php?title=پیش‌نویس:نورو_روباتیک&oldid=27917041»