优化策略通过生物可信的中央模式生成器来获得平滑的步态过渡

科学领域:

• 计算神经科学是一种神经科学.
• 机器人技术 机器人技术 机器人技术
• 生物物理学的生物物理.

背景情况:

• 中央模式生成器 (CPG) 是神经网络,对于产生动物运动至关重要.
• 为步态生成和转变建模CPG,需要具有生物准确性,高维度的神经元和突触模型.
• 在这些复杂的非线性系统中,参数调整是具有挑战性的,因为不可预测的新兴动态.

研究的目的:

• 探索全球优化策略,以在多个Git CPG模型中进行参数优化.
• 开发和优化新的参数,最小的拓,交叉的六足动物CPG模型.
• 研究一种生物学上可信的步态转换机制,与短期突触可塑性相兼容.

主要方法:

• 利用全球优化策略来调整CPG模型的参数.
• 采用现有的四方CPG模型作为测试床来制定目标函数.
• 开发和优化了一个新的六足动物CPG模型的参数,具有复杂的细胞动态.

主要成果:

• 成功优化了六足动物CPG模型的参数,实现了功能性步态.
• 在六足动物模型中,通过仅仅调整控制电流,证明了快速的步态过渡.
• 在优化后保留了固定的CPG参数,表明了强大的参数调整.

结论:

• 全球优化对于调整具有最小拓的复杂CPG模型是有效的.
• 控制电流调制为CPG中快速步态转换提供了一个可行的机制.
• 优化的CPG模型和过渡机制与短期突触可塑性原则保持一致.