导航:EXPO21XX>机器人21 xx>H25: AI, IT和计算机视觉意大利理工学院(IIT)
意大利理工学院(IIT)
视频
载入播放器…
  • 提供配置文件
  • 欢迎来到机器人，大脑和认知科学
    rbccs的研究活动围绕“人”展开，主要有三个研究方向:关注认知的类人机器人;关注动作和知觉的人类行为研究和康复;强调神经系统双向直接接口的人机通信和交互技术和科学进步。rbc是iCub的总部

产品组合

  • 机器人，大脑和认知科学

    • 实验室

    • 在这个框架内，rbc被组织在许多实验室中，每个实验室都有自己的特殊性和研究工具，研究的主题包括:学习和适应、多模态感知和情景赋予、运动控制和学习、自然和社会互动、注意和识别。三个主要的研究方向被映射到以下实验室:

      年代研究人类:人类行为和康复实验室
      这方面的研究将专注于理解人类行为和感知的各个方面，除了它们的科学价值外，这些方面对于人工系统和新的运动康复设备中复杂行为的实现是必不可少的。所有涉及的研究方面都有一个共同的目标，即不仅要理解运动和/或感知“过程”，而且要理解这些过程如何适应、学习和发展，作为与环境和其他人相互作用的结果。

      构建人形:认知人形实验室
      类人认知实验室活动的主要重点是在类人形状的机器人中实现认知模型。这有两个目的，一是加深我们对大脑功能的理解，二是实现能够从错误中学习和适应的机器人控制器。

      交互与接口:交互与接口实验室
      这一领域的主要工作将致力于研究长期植入人类的脑机通信设备。特别是，这个长期目标的主要焦点是实现双向和“特别”接口。我们指的是能够适应残差功能能力和个体患者的形态(直到“连接器”的形状)的接口，并且能够支持神经系统和人工设备之间的双向信息流动。

    • 认知类人实验室

        • 认知类人实验室的科学家们在机器人和神经科学研究的前沿工作，在类人形状的机器人中实现认知模型。这群不同种类的人的目标是了解大脑的功能，并实现机器人控制器可以学习和适应他们的错误。这些活动包括硬件(我们称之为“身体设备”)和软件的建造，这些软件将使将来有一天能与人类的智能机器相媲美。我们称这种技术为“思维件”。在身体用品方面，我们开发了iCub，一个人形机器人，形状像一个4岁的孩子。与此同时，我们正在致力于下一代机器人的技术开发，该技术基于用于传感和处理的柔软和适应性材料。在思维器方面，实验室参与了类人机器人认知技能的实现;也就是说，为机器人提供视觉、听觉和触觉感知能力，以及凝视、够到和操纵物体的能力。

    • 身体用品:iCub

    • iCub是作为欧盟RobotCub项目的一部分开发的人形机器人，随后被印度理工学院的认知人形实验室采用。它有53个马达，可以移动头、手臂和手、腰和腿。它可以看到和听到，它有本体感觉(身体结构)和运动(使用加速计和陀螺仪)。我们正在努力改进这一点，以便赋予iCub触觉，并分级它对环境施加的力。与此同时，我们已经在计划下一代的类人机器人:它们将由软驱动器、更强更轻的新型关节组成，其动力效率接近我们人类这样的生物系统。

      • 皮肤

      • 触觉感知是类人机器人在日常环境中安全互动的关键技术之一。我们正在研究各种技术，旨在构建一个完整的机器人皮肤，包括传感、布线和处理的无缝集成。机器人皮肤的实现非常复杂，因为它必须覆盖广泛的区域，符合身体的形状，同时承受相当大的机械应力(包括冲击)。必须从分布式传感器网络中收集数据，并将数据提供给各个处理级别，以便进行反应控制和规划。此外，触觉数据必须与本体感觉和力/扭矩测量等其他模式相结合。我们目前的解决方案是基于毫米和微米尺度的电容和压电传感(VLSI)。

      • 材料

      • 从纳米驱动器到宏观驱动器
        碳纳米管致动器——基于纳米级致动机制开发器件的主要问题是在单个碳纳米管(CNT)水平诱导的应力向宏观域的转移。解决这个问题的一个可能的方法是……在单一碳纳米管水平诱导的应力向宏观域的转移可以通过一种新的方法来实现。不是简单地使用碳纳米管之间的范德华相互作用或仅仅合并到聚合物基体中，而是通过化学键连接碳纳米管，以创建以单纳米管为重复单元的共聚物。为此，一种可能的途径是制备两种不同的碳纳米管，一种是羧基功能化的碳纳米管，另一种是氨基取代物;在合成聚酰胺(即尼龙6,6)时，这些基团无需添加任何催化剂即可发生反应。通过化学键连接碳纳米管的最简单途径是使用连接剂分子，即芳香二胺，该分子可与酰氯(-COCl)修饰的碳纳米管发生反应，如上述方案所示。

      • 基础设施

      • 认知类人实验室还依靠内部的机械、电子和信息学支持，并通过rbs部门的共享资源。特别是，我们的技术基础设施有助于开发新的机械和电子组件，调试现有的解决方案，并维护我们的机器人和计算基础设施。机械开发与机械车间设施一起进行，电子开发与电子设计实验室合作进行，计算机网络与rbc系统管理组一起维护。我们还开发了iCub的软件和固件基础设施(参见yarp示例)。

        目前的设计重点是开发iCub的新版本，暂定名为“v2”，其中包括力/扭矩控制、皮肤和一些机械改进，包括双足行走能力(与先进的机器人部门一起)。

    • Mindware:认知系统的技术

    • 我们真正感兴趣的当然是智能机器的最终实现。我们研究认知系统的基本技术，以及将其转化为一个完整的工作系统。在这种情况下，我们的操作方法从生物学开始，即通过“逆向工程”大脑，继续通过特定大脑功能的数学建模，最终在类人机器人上找到实现。我们学习的认知技能包括注意力、接触和操纵。虽然该研究的范围很广，但也有明确和可衡量的工业利益目标。特别是，人形机器人可以想象为制造、办公室或家庭环境中的助手。例如，在这方面，我们在人机交互中解决安全问题(在认知、控制和硬件层面)。我们还参与了为ICub增加语言技能的项目，我们正在开发用于传感、驱动和处理的微电子学。

      • 发展

      • 我们对认知的立场与应急系统方法一致:认知是一个自治系统在其环境中变得可行和有效的过程。从实施的角度来看，我们认为认知是一种预测事件未来发展的能力，最初处理直接的(更接近直接的感官感知)，然后逐渐发展到跨越更长的时间框架(单靠感官感知无法得到)。认知不能手工编码，它必须是一个具体化发展过程的产物。因此，研究和模拟学习与发展是我们研究议程的一个重要方面。

      • 电机控制

      • 运动控制在理解认知中起着主要作用[参考文献1]。我们采用了各种方法，从机器学习和非线性优化到人类行为调查(与人类行为实验室合作)。在计算方面，这是使用参数和非参数技术完成的。人类行为方面的研究依赖于人类行为实验室的设备，用于测量手臂和身体的运动学、眼球运动和肌电图。

      • 意

      • 在灵长类动物的大脑中，视觉和操作是不可分割地交织在一起的。神经科学的诱人结果揭示了大脑在到达、抓取和物体识别过程中使用的混合运动和感觉表征。我们现在对大脑在这些活动中发生了什么有了很大的了解，但并不一定知道原因。我们看到的集成在功能上是重要的，还是仅仅反映了进化对清晰模块化缺乏热情?我们将这些结果以机器人的形式实例化，以探索技术优势，并发现现有模型中的任何缺陷。我们认为，在一个灵巧操作和复杂的机器视觉已经以成熟的形式实现的平台上研究这一点是没有意义的，而是遵循从更简单的原语开发的方法。

    • 视觉触觉感知实验室

    • 所有的感觉都同时提供我们所处环境的信息，这些信息需要被组合成一个单一的感知。
      实验室活动的重点是研究人类单模态视觉、触觉和听觉感知的多模态融合。我们主要研究视觉信号和触觉信号之间的整合，目的是了解由移动信号的意图和先验知识介导的感知信息合并的管理规则。这些方面与人类感知的理解以及人工系统的实施有关。此外，我们的研究兴趣扩展到这些感知能力在正常视力儿童发展过程中的动态分析，并考虑到视觉障碍患者。

      • 视觉和触觉运动知觉

      • 这个项目的主要目的是调查视觉、触觉和触觉、视觉和双峰流之间的相似之处。我们用心理物理技术研究了用不同空间频率的正弦波剖面蚀刻的真实车轮进行流动感知的单峰和双峰速度辨别阈值。我们的系统使我们能够以特定的速度驱动每个轮子，并在两种模式之间创建冲突刺激(Gori等人)。2008)。通过这个项目，我们可以回答与单模态视觉触觉和多模态流感知分析相关的许多问题，并使我们有可能研究是否存在一个超模态分析系统。

        我们还利用心理物理技术研究了加速和减速刺激的视觉、触觉和双峰瞬时运动感知。

      • 开发跨模式集成

      • 本研究的主要目的是探讨儿童如何整合多模态线索。最近的研究表明，人类的大脑会整合不同感官的信息，而且这种整合在成年人中是统计上最好的。孩子在几岁开始整合感官信号以获得更稳健的知觉，这种整合是最佳的吗?在我们的实验室里，我们正在研究这种能力发展的特性。在我们过去的研究中，我们表明在8岁之前，视觉和触觉空间信息的整合远远不是最佳的，视觉或触觉完全占主导地位，即使在主导感觉远不如另一种精确的情况下。到8 - 10岁时，整合在统计上变得最优，就像成年人一样(Gori等人)。当代生物学，2008)。

        根据这类研究，我们还通过使用不同种类的真实物体和扩展对不同残疾儿童的研究，来调查不同能力及其多模态整合在儿童时期是如何发展的。

      • 图1:印度理工学院人类行为实验室设计的触觉装置。

      • A-Braccio di Ferro BDF双配置，B-Haptic抓取单元，C- IIT手腕机器人，D- 12dfs触觉工作站，用于双操作远端和近端手臂。

    • 运动学习与康复实验室

    • 该实验室的活动集中于神经可塑性的研究，神经可塑性是人类感觉运动系统组织的基础，以及在复杂环境中学习运动技能的能力。这也包括动作神经控制中的认知方面，因为我们相信“具身智能”:我们将适应性行为视为神经系统与身体和环境双向交互的涌现属性。这意味着神经系统、身体和环境之间的信号/能量的持续交换，这意味着运动神经元的输入是由感觉器官的生物物理学塑造的，而运动神经元的输出是由身体的生物力学转化的，同时，产生了大量的约束和功能支持。
      在此背景下，实验室通过使用视觉触觉、动态虚拟环境和测量运动反应(根据运动学和动力学)和相应的神经相关(根据肌肉活动-肌电图和大脑活动-脑电图和近红外光谱)来研究运动学习和控制的范例。
      虚拟现实系统的触觉部分由实验室设计的几个触觉机器人提供(单手或双手配置的BdF, iit -手腕机器人，触觉抓手单元)。

    • 双肢适应动态环境时的肢体间干扰

    • 两个机器人产生两个独立的卷曲粘性力场，它们倾向于沿顺时针或逆时针方向横向偏离手。研究的重点是两个学习过程(分别为左手和右手)之间的干扰模式。

        • 图2实验设置

        • 图3:CW-CW组和CCW-CW组两个典型受试者力场适应阶段开始(左)和结束(右)的运动轨迹。灰色和黑色的线分别表示左手和右手。比例尺:2厘米。

    • 用于补偿手腕指向运动的动态扰动的视觉本体感觉集成

    • 受试者用手腕进行指向动作，通过视觉反馈和手腕装置输入各种视觉/动觉扰动的组合。

      • 图4:IIT手腕机器人。

      • 它有3种姿势:屈/伸，旋前/旋后，内收/外展。一台电机用于F/E和P/S;A/A用两个电机。

      • 图5:手腕机器人和虚拟现实。

      • 视觉表示的目标位置和实际指向方向，作为两个圆，与操纵自由度的关系。这两个圆是在结构化的背景(条纹图案)下可视化的。整体画面可以相对于电脑屏幕固定，或者以调和的方式旋转。A:熟悉设置，B:动觉障碍;C:视觉障碍;D:视动觉障碍。

      • 图6不同目标集的轨迹示例。

      • 黑色轨迹从中心到每个外围目标，灰色轨迹从外围四个目标到中心，为了图形清晰，在下图中镜像;(A)熟悉(F)、(B)视觉(V)、(C)动觉(K)、(D)视动(VK+)、(E)视动180°相位滞后(VK-)和(F)视动90°相位滞后(VKP);目标设置(比例尺2.5 cm)。

    • 机器人治疗中的最小辅助伸达策略

    • 该机器人通过产生最小强度的辅助力场，帮助严重偏瘫患者进行伸展运动，以促进准瘫痪肢体出现主动的、目标导向的运动。

        • 图7从上面看一个拿着手柄的受试者。

        • 实验对象的肩膀被绑在椅子上;前臂附着在滑动支架上;手腕通过滑板手腕支架稳定，手通过尼龙搭扣支架握住。
          目标被安排在三层:A、B、C。C层被放置在虚拟墙的前面。
          目标激活的基本顺序是A - C - B - A，以随机顺序重复3 9 7 9 3 = 63次。
          注意，由于图形原因，图中的目标距离是实际距离的两倍。

        • 图8从初始阶段到最终阶段的速度变化曲线，由同一运动的受试者完成(从a层的中心位置到C层的中心位置)。

        • 总的来说，尽管援助部队的人数已逐步减少，但所有受试者的特点都是行动更快、更顺利

    • 自适应机器人协助跟踪运动

    • 该机器人通过辅助力场帮助患者跟踪移动目标(简单的Lissajous 8字形图形)，辅助力场可以根据患者的表现自动调节。

        • 图9:力场发生器采用阻抗控制方案，由机器人执行器直接驱动，通过这种方式向手柄传输计算出的机器人运动状态的函数力向量(采样频率:1khz)。

        • 根据非单调训练协议，自适应控制器调节力场增益作为评估性能的函数。连续向量:连续时间控制;点向量:间歇控制。

        • 图10左:顶部面板复制了计算机屏幕上的图像，包括8字形路径(黑色)、移动目标(红色圆圈)和手的位置(白色汽车形状)。中间和底部显示了实验中使用的两个跟踪方向:

        • CWright_CCWleft(蓝色)，CCWrightCWleft(红色)。A - H为性能评价算法所用的8个控制点。右-最上面的四组图与一个受损程度严重的受试者(FMA= 4)有关。最下面的一组图与一个受损程度较轻的受试者(FMA= 25)有关。蓝色表示顺时针-右/逆时针-左序列;红色表示逆时针-右/顺时针-左序列。

    • 行动与知觉实验室

    • 实验室科学活动的主要重点是促进对目标导向行为产生所涉及的机制的理解。可行的假设是，行动和感知过程紧密相连。因此，从运动指令和知觉反馈两方面来研究动作产生。基于对观察到的行为进行在线心理模拟的思想，通过几个实验范式来研究感知。通过考虑简单的(手臂)和全身运动来研究动作，其中经验观察与数值模拟相关联。在解决的几个具体问题中，我们试图理解重力场是如何在中枢神经系统的不同层次上表示的。利用记录的简单手臂伸展的运动学和肌肉活动，研究了一种潜在的认知表征，以掌握在真实或虚拟环境中进行的运动。通过研究整个身体抓取运动过程中的多关节机械系统，还考虑了感觉运动表征。具体运动原语的存在和组合是在我们理解这一复杂任务固有的协调达到和平衡子目标的框架内进行研究的。研究了低活动和学习后行为产生的可塑性。 Functional (motor efficiency through kinematic analysis) and structural (brain plasticity through transcranial magnetic stimulation SEP and MEP recording) experiments are conducted simultaneously.

      • 视觉环境对手臂运动规划的影响

      • 众所周知，视觉信息对于执行精确的目标导向任务是必要的。其他感觉输入，如本体感觉和前庭信息也有贡献，在运动规划过程中详细说明感觉运动系统的初始状态，并保持执行的在线控制。然而，视觉和本体感觉输入的相对作用仍有待量化。为了达到这一目的，我们通过视觉-运动冲突来研究视觉反馈对行动计划的影响。

        实验中呈现的视觉运动冲突:A)垂直视觉反馈的手臂水平运动(黑色箭头)(白色箭头)B)垂直方向视觉反馈的手臂垂直运动(黑色箭头)(白色箭头)C)水平视觉反馈的手臂垂直运动(白色箭头)。

        我们要求受试者进行垂直和水平的单关节手臂指向运动，同时他们在视觉上感知一致或不一致(例如正交)的指向运动。这种视觉反馈操作所产生的手臂速度曲线的变化是对冲突的视觉信息对运动的影响的一个很好的度量。这将允许我们检查视觉信息是否可以重组电机规划和改变运动运动学。

      • 预测的知觉和运动基础

      • 预测是人类生活中的一项核心技能。由于我们的环境在不断变化，无论是由于我们的行为造成的，还是独立于我们的，我们都有必要预测未来事件发生的时间和地点，以便能够使我们的行动与之同步，并熟练地与世界互动。拦截能力的研究是研究这一主题的一个很好的选择，因为拦截是一项相当常见的任务，同时，它强烈要求预期技能。

        预测实验方法和装置:A)视觉刺激，即在屏幕上移动的虚拟目标。B)纯视觉任务图式和被试回答时使用的回答框。C)拦截任务方案和用于记录食指运动的运动跟踪摄像机(Optotrak系统)。

        在我们的实验中，一个球在沿着抛物线路径后消失在遮挡后。受试者要么选择遮挡后球到达的位置(只涉及视觉)，要么直接用食指指向虚拟目标(视觉+运动参与)拦截虚拟目标。这样就有可能了解预测努力的目标是否影响预测的执行方式，以及是否在预测中建立和利用了目标运动的内部模型。

      • 动作和感知耦合

      • 本研究主题的总体目的是了解服务于自然目标导向行为控制的组织原理，以及这种控制是如何在生理层面上实现的。应用了两种不同的实验范式:生物运动识别和运动模仿。

      • 机械手的灵巧控制

      • 刚度——抵消外部载荷影响的阻力的变化——主要取决于肢体几何形状和方向的变化，以及拮抗肌的共同收缩。关节阻抗的控制提供了存在外部扰动的机械稳定性，这就是为什么中枢神经系统(CNS)主动调制肢体阻抗被认为是有效运动控制的一个重要部分。

      • 物体特征提取

      • 在我们的日常生活中，我们接触、掌握和操作许多不同的物体，我们也会看到其他人执行同样的动作。越来越多的研究在文献中广泛描述了一些内在的物体特征与在抓取任务中关节运动的时间协调之间的关系。人类对生物运动的敏感度也得到了广泛的研究，重点是从高度匮乏的刺激(如“点光显示”)中识别人类行为及其微妙细节的能力。

      • 皮质和功能塑料

      • Michela在这里致力于更好地理解短暂的不使用手是否会导致抓握任务中运动表现的改变以及大脑皮层的可塑性是否会发生变化。针对这个问题，我们用物理治疗师在日常临床实践中使用的软绷带固定受试者的手。

    • 脑机接口实验室

    • 该实验室开始确定研究路径，可以有效地导致开发一个能够与大脑控制下的环境相互作用的人工系统。它的独特之处在于它整合了不同的方法，使它特别适合像意大利理工学院(IIT)这样的研究环境。提出的方法的一个独特的特点是在体内数据的获取。这是因为，尽管该项目被认为是基础研究的基础数据来源，但它仍然是一个包含重大技术挑战的应用项目。由于在BMI实验室进行的研究项目的所有阶段都适用于这个人，这就预先决定了其实现所需的材料和程序的选择。虽然大部分研究是在机器人、大脑和认知科学系进行的，但该项目也受益于印度理工学院其他分支机构的贡献和合作，如神经科学和纳米技术。具体地说，关于在印度理工学院无法获得的项目技能，利用的是一个合作者网络，包括一些主要的意大利研究中心。其中，米兰理工大学电子系(POLIMI-ele)和物理系(POLIMI-phys)、费拉拉大学(UNIFE)和摩德纳大学(UNIMO)的神经生理学科、乌迪内医院(S.M.)的神经外科della Misericordia”(NSG)，里雅斯特的SISSA和芝加哥西北大学(NW)。

    • 技术相关研究领域

      • 碳纳米管和导电聚合物复合材料，用于体内神经记录的高性能，可塑电极

      • 该研究的目的是开发一种新的体内神经记录电极，它不仅依赖于金属或硅基材料，为实现长期的神经-电界面开辟了道路。特别关注的是显著提高信噪比，探索外皮层中阻抗记录的可能性，提高植入物的生物相容性，从而提高其时间稳定性。

        通过在分子水平上控制聚合物的多种特性(如可变机械刚度、驱动、电导率和生物功能化)，以及碳纳米管优异的电学和力学特性，我们设想了一种全新的制造纳米、微观和宏观尺度神经探针的方法，它具有非常低的解剖影响和高效率。从长远来看，一个完全“有机”的可植入系统(即包括信号调节)是可以预见的。

      • 微电子学用于信号调理和双向脑信号处理

      • 为了创造完全可植入的神经记录/刺激装置，该实验室的科学家与“米兰理工大学”合作，对将多电极阵列与集成互补金属氧化物半导体(CMOS)电子相结合感兴趣。

        本实验室正在设计一些应用专用集成电路(asic)，以用于脑机接口的开发。设计了第一个原型，包括8个低功率和低噪声神经信号放大器，并成功地在大鼠身上进行了体内测试。两种不同的解决方案分别包含16和64个通道，具有片上A到D转换和峰值检测，目前正在测试中。无线通信解决方案以及提供感官反馈的刺激电路是目前的研究课题

      • 从脑信号(局部场和动作电位)中优化稳定地提取信息

      • 人们普遍认为，构建脑机接口的最大瓶颈来自于我们能够从大脑记录的细胞外神经信号中提取的关于预期动作或相关感觉变量的控制和信息相对较少。大脑信号分析实验室的研究旨在扩大这一瓶颈，通过设计最佳方法从大脑记录中提取尽可能多的信息。这一目标主要是通过1)设计数学方法，主要基于信息论和贝叶斯解码(Quian Quiroga和Panzeri，《自然评论神经科学2009》)，可以从细胞外电极(如局部场势(LFPs))获得的信号中提取尽可能多的外部相关信息。或动作电位(APs) 2)，将这些方法应用于真实数据，以更多地了解感觉和运动皮层的活动是如何传递信息的。
        在播放彩色电影时，初级视觉皮层记录的慢局部场电位波(上图)和动作电位(下图为圆点)的例子。在两个面板中，每一行都绘制了对同一部电影不同重复的反应。

    • 神经生理学相关研究领域

      • 个体大脑中运动/前运动功能的映射

      • 神经元活动(单个神经元、诱发电位、局部场电位)的记录通常在根据解剖学标准确定的大脑区域上进行，主要是脑沟(对于皮层)的配置和立体定向位置(对于皮层下核)。另一方面，最近引入的功能性磁共振使我们能够定位单个个体在特定运动、知觉或认知任务中变得活跃的大脑区域。
        在神经外科患者中，在对肿瘤周围脑组织的电生理特征进行描述时，功能磁共振成像(术前)与神经活动记录(术中)的关联为研究开辟了巨大的可能性，因为它可以准确记录已知存在大脑激活的神经元。这一方面为外科医生提供了关于肿瘤功能边界的宝贵信息，另一方面，大量的病例史和胶质瘤的普遍性(这种类型的肿瘤更需要这种功能映射)使得每年可以在运动区和运动前区进行大量的记录。

        这个子项目是与乌迪内医院神经外科和费拉拉大学人体生理学部门合作完成的。

      • 研究和实现与神经系统双向通信的活体技术

      • 脑机接口的主要思想是直接从大脑中提取神经信号，并用它们来控制外部设备。在构建神经假肢的框架下，这项技术可能有助于更好地理解大脑如何处理来自环境的感觉信息，并利用它来构建运动命令。为了达到这一结果，关键是开发一个BMI实时系统，与神经系统建立双向通信通道。在我们的实验室中，我们正在实施体内技术，使用多电极微线阵列长期植入清醒啮齿类动物的皮层。这些技术允许在动物行为时记录来自皮层的神经活动，同时提供皮质内微刺激(ICMS)模式，在闭环系统中提供人工输入。

      • 皮层运动中枢结构和功能组织的功能磁共振研究

      • 该子项目旨在使用非侵入性功能磁共振成像技术，研究健康志愿者中参与动作和运动编码的皮层系统的解剖功能组织。尽管使用电生理和脑成像(MEG, PET, fMRI)技术对某些方面进行了广泛的研究，以证明各种顶叶和额叶区域参与运动行为的组织和表征，但人类顶叶-额叶回路的解剖功能连接模式尚未得到适当的定义。因此，我们的目标是:
        1. 通过定量分析来自高空间分辨率MR图像的皮层灰质，对人类运动皮层和前运动皮层的结构进行详细的形态测量学研究。
        2. 对顶叶-额叶皮层区域的其余连接模式进行高时间分辨率研究。
        3. 对与运动行为的执行、观察和构想有关的顶叶-额叶皮层区域的时空激活模式和连通性模式进行高分辨率功能磁共振研究。

        与摩德纳大学和雷焦埃米利亚大学人类生理学系合作进行的研究

    • 脑成像实验室

    • 研究自主动作的编程、执行和心理表征过程中运动皮层的功能反应具有重要意义;鉴于视觉运动、感觉反馈和本体感觉系统的高度集成，能够在接近真实的条件下评估它是很重要的。

      这项活动的主要目标是开发一个MR机器，可以用来记录保持直立姿势(至少躯干)的受试者的功能数据，并有足够的肢体自由来执行简单的运动任务。

      这项活动的主要工作是最后确定磁铁项目。

      该项目的一个相关部分处理结构的优化，使其更容易转移到成本敏感的应用，如传统临床成像;另一个重要的领域是将与梯度线圈的设计相结合的场补偿技术。

      在设计功能磁共振成像扫描仪的同时，近红外光谱技术(NIRS)的发展也将密切关注。相对于功能磁共振成像(fMRI)，这是一种空间分辨率较差的补充技术，但它的优点是设备更轻，一旦完全开发，可能成为MRI的有价值的补充。

    • 组织工程实验室

    • 印度理工学院的主要技术目标之一是，从具有机械手和腿的传统人形机器人(硬体系统)向下一代混合系统(软材料、人工肌肉、肌腱、生长组织、生物传感器(软体系统)实现的混合系统前进。这一雄心勃勃的目标需要对模仿我们皮肤、肌腱和骨骼的柔软、功能性、各向异性材料进行深入研究，同时还需要开发自我修复、可进化的材料。通过赋予这些材料适当的生物相容性和功能特性，生物系统和人工设备之间的高效界面可能被创造出来，允许开发创新的假体设备。

      为此，在莫雷戈建立了一个组织工程实验室，汇集了来自IIT中心实验室和IIT网络的研究人员，共同目标是将生物系统与人工设备连接起来。

      问题解决:
      1. 制备纳米生物材料支架
      2. 理解和控制细胞反应:三维组织
      3. 基于生物反应器的组织工程与测试
      4. 机器人假肢的发展
      5. 义肢结构元件与骨组织的耦合