Neurobots: un symposium pour gagner la confiance des consommateurs

Les Neurorobots ont démontré un bon choix pour examiner la locomotion de la faune et la poignée de moteur électrique, puis pour concevoir des contrôleurs de robot. Les types neuronaux de générateurs de conception centrale, des pools de motorneurones qui génèrent des actions répétitives, ont déjà été habitués à contrôler la locomotion chez les robots. Kimura et ses collègues ont révélé comment la neurorobotique peut fournir un remplissage impliquant la neuroscience et la biomécanique en montrant une locomotion émergente à 4 pattes selon des composants de générateur électrique de style clé modulés par des réflexes. Leur groupe a développé un style de générateur de puissance à conception apprenable et a montré sa viabilité en utilisant une série de bons exemples robotiques artificiels et humanoïdes. Ijspeert et ses collègues ont construit un robot amphibie ressemblant à une salamandre, capable de nager et de se promener de la même manière, séminaire Marseille et qui représente donc une phase importante dans la progression de la locomotion à jambes de vertébrés. Une implémentation neurorobotique a été jugée nécessaire pour (1) vérifier si les versions pouvaient développer la locomotion dans l’eau normale et ainsi de suite et (2) étudier comment la rétroaction sensorielle influence la génération de conception dynamique. Une des idées neuronales fascinantes pour le style des contrôleurs de robot sera le système de neurones miroir vu chez les primates. Les neurones de correspondance à l’intérieur du cortex prémoteur sont vivants, à la fois chaque fois qu’un singe saisit ou manipule des objets et chaque fois qu’il montre un autre animal exécutant des activités similaires (Rizzolatti et Arbib, 1998). Les neuroroboticistes, en utilisant cette notion de neurones miroirs de vanité, ont indiqué que des mouvements compliqués tels que frapper et locomotion peuvent être obtenus au moyen de faux. Un système centré sur le cerveau utilisant un hippocampe simulé avec ses zones englobantes. Darwin XI est représenté avec le point d’option de son environnement plus labyrinthe. Darwin XI a commencé un test en alternance avec le bras de départ oriental ou occidental, et a utilisé ses moustaches artificielles pour adhérer au bras labyrinthe jusqu’à ce qu’il atteigne le niveau de décision. Depuis qu’il a mis en pratique le mur du labyrinthe, ses moustaches ont détecté des habitudes de chevilles, sa caméra a détecté des cartes de vœux de couleur sur la bordure, sa boussole a présenté la direction et sa lumière laser a offert des informations et des faits divers. Au début de l’éducation, Darwin XI a reçu un stimulus enrichissant dans le cas où il sélectionnerait le bras gauche de l’objectif sud. Peu de temps après avoir correctement découvert ce projet, le stimulus satisfaisant a été changé pour le bras cible du Nord. Adapté de (Fleischer et al., 2007). Une autre stratégie de gestion des unités motrices dans les robots à stimulation neurale consiste à appliquer un contrôle prédictif pour convertir des mouvements difficiles et prédisposés aux erreurs en mouvements nets et précis. Des hypothèses récentes de contrôle moteur indiquent que le cervelet découvre pour commuter des réflexes primitifs avec des signes prédictifs de moteur électrique. Le concept est que les résultats des commandes d’unité motrice réflexive fournissent des signaux d’erreur pour obtenir un contrôleur prédictif, qui comprend alors pour faire une commande de moteur appropriée indiquer avant la réaction réflexe moins adaptative. Les conceptions d’inspiration neurale incluent l’utilisation de ces conseils dans le style de robots qui apprennent à prévenir les obstacles (McKinstry et al., 2006; Porr et Worgotter, 2003), à produire des yeux corrects (Dean et al., 1991) et à produire des mouvements adaptatifs des bras ( Dean et al., 1991; Eskiizmirliler et al., 2002; Hofstotter et al., 2002). Le corps 1 présente un système dépendant du cerveau humain, contenant un modèle du cervelet et de la place corticale MT, qui a appris à calculer les collisions en fonction des signaux de mouvement visibles et a modifié ses mouvements correctement.