在系统工程学院的一个突破性项目中,CIRG的成员正在通过电极阵列将计算机与正在生长的神经元培养物连接起来,目的是让培养物学会控制移动机器人。这可能会使我们在理解神经元和神经元网络的功能和发育过程方面向前迈出一大步,并有助于我们理解支撑记忆或学习等基本特性的生物机制。Animat还可以构成一个可行的、道德上更可接受的平台,用于研究神经疾病,如阿尔茨海默病或帕金森病,并最终可用于测试新的药物治疗方法。这个令人兴奋的项目为智能机器人平台开辟了几乎无限的可能性,并可能创造出真正自主的机器人,可以部署在排除频繁人类干预的条件下,例如深空探索。
移动机器人神经元细胞控制的体系结构通常认为机器人的智能控制机构是计算机系统。然而,目前正在进行的研究正在培养和训练生物神经网络,以充当交互式现实世界机器人的大脑,从而完全取代计算机系统或以合作的方式与计算机系统合作。研究这样的神经系统可以对生物神经结构有一个独特的见解,因此这样的研究具有直接的医学意义。特别是,使用啮齿动物初级分离培养神经元网络来控制可移动的“动物”
(人造动物,动物和材料的缩写)是一种发现生物神经元网络计算能力的新方法。这种性质的游离培养需要以某种形式进行适当的体现,以便在受控环境中进行适当的发展,在这种环境中,可以通过感觉数据接收适当的刺激,但对运动动作的最终影响仍然保留。本研究的主要目的是评估游离培养神经网络的计算和学习能力,以期推进人工神经网络的网络级处理。为了解决这个问题,我们发明了一种人工混合系统(动画),通过分离培养大鼠神经元来闭环控制移动机器人。这种通过感知和影响与环境的“闭环”相互作用使研究其学习能力成为可能。
来源:
D. Xydas, D. Norcott, K. Warwick, B. Whalley, S. Nasuto, V. Becerra, M. Hammond, J. Downes和S. Marshall,“移动机器人神经元细胞控制的体系结构”,施普林格先进机器人手册- 2008年欧洲机器人研讨会论文集,第44卷,第23-31页,2008。
脑电图分析
随着时间的推移,测量头皮上各个点的电势可以推断出大脑中电活动的来源。脑电图(EEG)波动是由于大量神经元池的同步活动模式,似乎包含了关于大脑认知加工状态和健康状态的有用信息。CIRG的研究集中在描述同步模式的新技术及其在记忆障碍早期诊断中的应用。这种研究非常有趣,因为它描述了基本的认知过程,也因为它对痴呆症的早期诊断具有实际潜力。这项研究是与雷丁大学心理学和应用语言学学院以及德国马格德堡大学继续合作进行的。与心理学和应用语言学学院合作的新项目,建立在脑机接口应用和记忆功能脑电图分析项目的成功基础上,专注于描述语言处理的脑电图特征,而不需要对多次试验进行平均。这是非常重要的,因为标准的平均方法可能会掩盖大脑中信息处理的重要特征,并且对于诊断脑损伤的受试者来说是最不理想的,因为几乎从定义上来说,这将是特定的受试者。在与巴西乌贝兰迪亚大学的合作中,研究描述来自听觉通道早期阶段的脑电图样信号,可能有助于从业者早期诊断听力障碍或诊断听觉通道肿瘤。