查看原文
其他

Science Robotics| 科幻变为现实:在生物的躯体里注入机器的“大脑”

brainnews创作团队 brainnews 2022-09-21

Caenorhabditis elegans(秀丽隐杆线虫)是生物学中唯一一个神经元连接映射图被完全揭示的模型生物。此线虫身体透明,成年体长度约1厘米,宽度约80微米,身体里一共302个神经元。


对秀丽隐杆线虫的研究分别在2002, 2006, 2008年产生了三个诺贝尔奖。近年来随着人工神经网络的发展,人们对生物本体的神经系统信号传递处理的机理剖析有更迫切的需求。秀丽隐杆线虫也成为神经生物学甚至人工智能学科的研究热点之一。


另一方面,微机器人领域在MEMS技术以及光刻蚀技术的迭代之下,近十年来有长足的发展,并且逐步在靶向给药,辅助精子移动人工受孕等场景尝试应用。但人类若想真正制造尺寸在数百微米乃至数微米的受控微机器人,目前条件下,仍然存在诸多技术瓶颈。比如:


1工艺瓶颈:如何制造装和配微机器人,如何给这么小的机器人供能。

2原理瓶颈:微米环境里粘滞力和摩擦力比重力大几个数量级,用什么结构驱动微机器人运动,以完成既定任务。

3控制瓶颈:如何测量微机器人的运动,构成闭环,如何对这么小的机器人实现精密控制。


凡此种种,不一而足。所以目前学术界能够开发的微机器人,大部分是简单的能够直接用光刻蚀技术加工的微结构体,比如微纳米磁块,微米螺旋体,微米管,等等。操控性和功能大都比较有限。


针对以上瓶颈的问题,本文给微机器人的开发提供了一个“脑洞大开”的科幻式解决方案:用机器视觉,运动控制和导航算法替代生物的大脑,重构生物的感官运动系统,人为控制活体生物的运动


直接将微米尺寸的生物开发为受控微机器人,以完成微米环境下的特定任务。而本文所选择的生物对象即为秀丽隐杆线虫。



欢迎加入

全国神经调控学术讨论群

全国脑机接口学术讨论群

添加小编微信

brainnews_11

-留言神经调控/脑机接口研究群-



在一个生物的机体里注入了机器的“大脑”,人为控制该生物的行为,是科幻电影中才有的情节。此项研究将这个科幻场景一定程度在秀丽隐杆线虫上实现了。本文正是通过一系列生物化学以及工程手段,将活的线虫变成了可以人为精密控制的微机器人。



首先,研究者用化学方法阻断了线虫的运动神经元与肌肉细胞组的信息传递。线虫仍是活的,但神经系统暂时麻醉,无法向肌肉传达运动指令。


然后,通过机器视觉算法实时分析线虫的形态和周围的环境,分析结果在进一步建模和控制算法综合之后,用光遗传学的方法,操纵微米激光束精密协调控制肌肉细胞组群的活动,实现线虫整体的闭环运动控制。从而用算法取代线虫的“大脑”,重构线虫感官运动系统对身体的控制。




研究者在这种人为改造的活体机器人上,设计算法实现了线虫在自然状态下被观察到的所有五种运动模式。并且赋予了自然状态下线虫没有的“全局视觉”通过运动控制和导航算法,精密操纵线虫机器人避障,一次性通过迷宫。




总 结

此项研究为秀丽隐杆线虫神经学研究提供了一个极佳的平台,对微米尺度下机器人的开发提供了开创性的思路。结合肌肉活性的荧光成像,本文对微米尺度下蛇形运动的动力学研究亦有示范意义。


微米环境下,由于物理定律的尺度缩小效应,粘滞力和摩擦力比重力要大几个数量级。因此微米环境下的自主运动模式,比如细菌的鞭毛运动,精子的游泳运动,线虫的蛇形运动等,与日常宏观运动模式有很大区别。生物拥有灵巧的身体和对环境的高度适应,具有可靠和高效的天然属性。将微米环境里生活的生物改造为微机器人,是微机器人领域的全新思路,也对日后人造微机器人提供了前瞻性研究。


另外,目前广义蛇形机器人的开发,往往将其等价为串联杆件模型,用拉格朗日方程进行刚体建模。然而,此传统方法忽略了机器人和环境复杂的力学交互,因此蛇形机器人的运动速度和效率往往不高。


本文通过建模仿真以及一系列实验,揭示了线虫在蛇形运动过程中肌肉的活性部位与身体的曲率之间存在相位差。并且从理论和实验两方面验证了,此相位差是驱动线虫蛇形爬行的运动模式的原因。该成果对新型蛇形机器人的设计建模与控制有重要的指导意义。


最后,本文示范了用微米激光束精密操控肌肉细胞活性的实验。此方法对其他生物瘫痪疾病的治疗也有启示意义。




此项目由加拿大多伦多大学的Mechanical and Industrial Engineering与Lunenfeld-Tanenbaum Research Institute合作完成。第一作者董先科博士是90后青年学者。


“生物本身即最完美的机器人。”----董先科博士如是说


原文链接:

https://robotics.sciencemag.org/content/6/55/eabe3950




作者简介


董先科博士


2012年在哈尔滨工业大学航天学院自动化专业完成本科学习,2014-2019年在加拿大麦吉尔大学机械工程系获得博士学位,主攻机器视觉,微机器人,以及机器人精密操作研究方向。2017-2019年在加拿大多伦多大学机械与工业化学院学习访问,完成博士课题。2019年至今在加拿大多伦多一家科技公司任算法研发工程师,负责嵌入式高帧率目光跟踪系统的算法开发,以及在医疗AR和辅助驾驶场景的应用。
董先科博士的研究兴趣包括了图像处理与机器视觉,机器学习与深度学习,微机器人和机器人控制等诸多方向。近年在Science Robotics, IEEE T-MECH, IEEE T-ASE, IEEE T-BME, IEEE T-NBS, ICRA等权威期刊和会议发表学术论文20余篇,曾以第一作者身份获得机器人领域顶级学术会议ICRA2015的最佳会议论文提名奖和最佳自动化论文提名奖。


往期推荐

Nat Neurosci:肌萎缩侧索硬化的NCT通路最新机制


Glia专栏:神经胶质瘤治疗的新靶点


The Lancet 重磅特辑:反思慢性疼痛


Current Biology:解密多巴胺能突触发育




您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存