Что Вы получаете при объединении мозга обезьяны с бакенбардами крысы? Автоматизированный грызун, который может ощутить его окружающую среду почти, а также реальную вещь. Новый кишечный глист крысы мог привести к разработке роботов, которые могут чувствовать их путь через щебень землетрясения и могли дать представления о том, как живые крысы анализируют сенсорную информацию от своих бакенбард.
Несмотря на то, что недавнее исследование помогло ученым понять то, что информационные бакенбарды посылают в мозги грызунов, расшифровывая, как крысы и мыши интерпретируют ту сенсорную информацию, было более хитрым. Предыдущие модели предположили, что грызуны посмотрели на образцы движения крупицы и колебания по продолжительности набора времени и что их мозг принял решение, на основе всех данных, о наиболее вероятной поверхности, которой касались бакенбарды.
Если бы полные данные лучше всего соответствовали известным образцам для твердого винилового пола, например, то крысы пришли бы к заключению, что это – поверхность, что они идут. Но созданное использование различных роботов этой модели рассуждения составляло только 50% к 80%, точным при предположении пола под ними после того, как 0,4 секунды выставки, многократные исследования нашли.
Вычислительный нейробиолог Натан Лепора из университета Шеффилда в Соединенном Королевстве и его бригады думал, что модель обработки информации, недавно обнаруженной у обезьян, могла бы помочь роботам сделать лучшие суждения по типу пола. Приматы не используют единственную часть доказательств для принятия решения о том, что они видят.
Скорее их мозги полагаются на накопление данных. Когда обезьяны наблюдают экраны беспорядочно движущихся точек, например, различный смысл нейронов каждое направление движения: вверх, вниз, влево и вправо. Поскольку точки на экране перепархивают, больше нейронов каждого типа начинает стрелять, накапливая уровень полной активности для группы нейронов. Однажды, скажем, нейроны достигают определенного порога, они передают сообщение, что точки перемещаются в том направлении.
Чтобы проверить, могло ли бы это накопление модели доказательств помочь robo-грызунам лучше интерпретировать сенсорную информацию от своих бакенбард, бригада Лепоры приложила бакенбарды к Roomba, маленький, круглый автоматизированный вакуум, который может переместиться независимо вокруг комнат. Поскольку Roomba путешествовал, приложенные бакенбарды, которые чистят против пола.
Исследователи собрали данные по движениям и колебаниям бакенбард и проанализировали их использующий различные статистические модели. Бригада хотела узнать, как хорошо робот мог определить тип пола: или грубый ковер, сглаживайте ковер, бетон или винил.Когда это полагалось на модель обработки поглощенного от визуальных систем обезьян, робот был почти совершенен при обнаружении типа пола после сбора только 0,2 секунд информации о крупице, бригада сообщает онлайн сегодня в Журнале Интерфейса Королевского общества.
Это было драматическим улучшением по сравнению с другими методами.«Для робота для работы хорошо Вам нужен он для восприятия мира точно», объясняет Лепора. «Крысы очень хороши в использовании бакенбард для восприятия мира в темных, вложенных окружающих средах, где, возможно, видение не было бы хорошо. Таким образом для робота в этом виде окружающей среды — прохождение щебня, например — имеющий так же функционирующие бакенбарды было бы большим преимуществом». bewhiskered робот мог бы быть в состоянии провести метрополитен или под водой, а также через щебень, оставленный позади несчастным случаем или стихийным бедствием.Вне практических применений такого робота, новых намеков предложения результатов в биологию реальных грызунов, говорит нейробиолог Эндрю Филиппайдс из университета Сассекса в Соединенном Королевстве.
Путем сравнения поведения реальных крыс, обученных отличить поверхности с заключениями на типе пола, достигнутом роботом, могли сказать ученые, использовали ли они те же процессы рассуждения. «Вы можете подарить крысам и роботу с немного измененными полами, которые хитры для выяснения», говорит Филиппайдс. «Если они делают подобные ошибки, тогда они, скорее всего, используют подобные модели для обработки сенсорных данных».