Resumen

Se ha aprovechado un modelo adaptativo bioinspirado, desarrollado mediante una red neuronal de picos formada por miles de neuronas artificiales, para controlar un robot humanoide NAO en tiempo real. Las propiedades de aprendizaje del sistema se han puesto a prueba en un paradigma clásico impulsado por el cerebelo, un protocolo perturbado de alcance de extremidades superiores. Los principios neurofisiológicos utilizados para desarrollar el modelo lograron dirigir un protocolo de control motor adaptativo con fases de línea de base, adquisición y extinción. El modelo de red neuronal con espigas mostró comportamientos de aprendizaje similares a los medidos experimentalmente con sujetos humanos en la misma tarea en la fase de adquisición, mientras que recurrió a otras estrategias en la fase de extinción. El modelo procesó en tiempo real las entradas externas, codificadas como espigas, y la actividad de espigas generada de sus neuronas de salida fue decodificada, con el fin de proporcionar la corrección adecuada en los actuadores motores. Se han incorporado tres reglas de plasticidad bidireccional a largo plazo para diferentes conexiones y con diferentes escalas de tiempo. Las plasticidades moldearon la actividad de disparo de las neuronas de la capa de salida de la red. En el protocolo de alcance de la extremidad superior perturbada, el neurorobot aprendió con éxito a compensar la perturbación externa generando una corrección adecuada. Por lo tanto, el modelo cerebeloso de spiking fue capaz de reproducir en la plataforma robótica cómo los sistemas biológicos se enfrentan a las fuentes externas de error, tanto en entornos ideales como reales (ruidosos).

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:miembro superior perturbado, fase de extinción, neuronas de la capa de salida, modelo de red neuronal, diferente escala de tiempo, robot humanoide nao, fuente de error, protocolo de control motor, modelo adaptativo bioinspirado, actividades de spiking generadas
• Keywords:perturbed upper limb, extinction phase, output layer neurons, neural network model, different time scale, humanoid nao robot, source of error, motor control protocol, bioinspired adaptive model, generated spiking activities