使用昆虫体的尖端神经网络模型研究视觉导航
Oluwaseyi Oladipupo Jesusanmi1, Amany Azevedo Amin2, Norbert Domcsek2
1Sussex Neuroscience, School of Life Sciences, University of Sussex, Brighton, United Kingdom.
Frontiers in physiology
|June 6, 2024
概括
使用体进行导航,这些脑部区域对于学习至关重要. 这项研究用尖端神经网络模拟了的导航,证明了它在复杂的环境中学习和回忆视觉路线的能力,无论是模拟的还是真实的.
科学领域:
- 神经科学是一个神经科学.
- 机器人技术 机器人技术 机器人技术
- 计算机科学 计算机科学
背景情况:
- 表现出了非凡的导航技能,学习复杂的食路线,使用视觉线索和有限的神经资源.
- 体是昆虫学习和记忆的关键大脑结构,假设它们在视觉导航中起着熟悉感应器的作用.
- 之前的研究,包括行为研究和脑损伤研究,支持体在指导基于学习的视觉场景的导航中的作用.
研究的目的:
- 为了研究体在视觉导航中的作用,使用尖端神经网络模型.
- 评估模型在模拟和现实环境中学习和导航复杂的自然场景的能力.
- 在模型中分析神经活动,以了解视觉信息如何处理导航.
主要方法:
- 开发了一种使用GeNN进行GPU加速的菌体的尖端神经网络模型.
- 使用复杂户外环境的图像数据库和在机器人上体现的在线线下测试了该模型.
- 分析了肯昂细胞 (KC) 活动,以将其与视觉场景的新奇性相关联,并对最佳网络配置进行了参数搜索.
主要成果:
- 体模型成功地学习了400个视觉场景 (27米路线),并在路线回顾过程中准确地引导导航.
- 发现肯昂细胞活动与输入图像的新性成正比.
- 嵌入式模型实现了与真实机器人的标准视觉导航算法相提并论的导航性能.
结论:
- 一个生物可信的模型的的身体可以有效地导航复杂的环境在模拟和现实世界中.
- 了解导航的神经基础,可以了解神经回路如何从复杂的环境中学习相关信息.
- 这项研究为开发能够快速,低能耗学习和导航的生物模拟机器人系统提供了灵感.
