科学家开发机器八目鳗利用两个神经系统来实现更强大的性能

2021-08-13 11:09:08来源：cnBeta 关键词：机器八目鳗机器学习技术阅读量：24287

导读：据悉，该铰接式机器人由10个相连的部分组成，每个部分都包含一个马达，扮演着真正的八目鳗肌肉的角色。

　　据外媒报道，虽然研究人员此前已开发出类似鳗鱼的游泳机器人，但它们往往只是简单地复制其生物对应物的动作。AgnathaX机器八目鳗则不同，它利用模拟的中枢和周围神经系统来实现更强大的性能。

　　受八目鳗启发，AgnathaX是由瑞士洛桑联邦理工学院(EPFL)、日本东北大学、法国Mines-Télécom Atlantique研究所和加拿大谢布克大学的科学家合作开发的。它的设计是为了探索动物的中枢和周围神经系统对运动的贡献方式。

　　过去，一些科学家推测中枢神经系统(大脑和脊髓)应负主要责任，因为它产生的信号可以有节奏地移动动物的腿、鳍或翅膀。然而，其他人则认为，周围神经系统(连接身体四肢和大脑的神经)发挥了更大的作用，因为运动的四肢中的神经产生了反馈信号，使节奏持续。

　　事实上，两个神经系统对运动都很重要，AgnathaX已经帮助证明了这一点。该铰接式机器人由10个相连的部分组成，每个部分都包含一个马达，扮演着真正的八目鳗肌肉的角色。一个板载的微处理器作为中枢神经系统，依次激活马达，以产生起伏的游泳运动。位于每个节段两侧的力传感器模拟外围神经系统，通过感知水在节段上移动时的压力大小。在真正的八目鳗中，皮肤中的压力敏感细胞也起到同样的作用。

　　当利用运动跟踪系统分析机器人在水池中游泳的动作时，研究人员发现，当两个神经系统一起工作时，机器人的表现较好。也就是说，当科学家们切断了一些节段之间的通信(模拟脊髓病变)，力传感器提供的反馈仍然足以维持整体的游泳运动模式。当这些传感器被禁用时，机器人也能够保持游泳，完全依靠其“大脑”产生的节奏。

　　该研究论文的共同作者、EPFL的卡米洛-梅洛博士说：“通过利用中央和外围组件的组合，机器人可以抵御更多的神经干扰，并保持高速游泳，而不是只用一种组件的机器人。我们还发现，机器人皮肤中的力传感器，以及机器人身体和水的物理相互作用，为产生和同步运动所需的有节奏的肌肉活动提供了有用的信号。”

　　现在，人们希望该团队的发现能够导致更强大的机器人--用于搜索和救援或环境监测等应用--甚至改进对人类脊髓损伤的治疗。

　　这篇论文最近发表在《科学机器人》杂志上。

　　(原标题：科学家开发机器八目鳗利用两个神经系统来实现更强大的性能)

上一篇：一文探讨物联网技术与应用的未来展望

下一篇：数据库管理系统：未来真的在云端吗？

我要评论

昵称

匿名

文明上网，理性发言。（您还可以输入200个字符)

表情

所有评论仅代表网友意见，与本站立场无关。

苹果收购市场再出手已收购AI视频压缩初创公司WaveOne
据外媒报道，不断进行小规模收购，以获得技术和人才的苹果公司，再次进行了一笔收购，他们已经将AI视频压缩初创公司WaveOne收入囊中。
AI视频压缩机器学习技术
2023-03-29 09:30:05
人工智能和自动化如何帮助数据中心
据预测，到2025年，云数据中心可能会采用配备人工智能和机器学习技术的尖端机器人，以实现惊人的30%的高效运营。
人工智能机器学习技术
2023-01-04 11:04:14
LLNL科学家使用机器学习研究冰巨星中“超离子水”的行为
LLNL的科学家们开发了一种新的方法，使用机器学习以从没有过的分辨率研究“超离子水”的相行为。
机器学习机器学习技术
2021-09-30 14:14:16
机器学习让骨科图像分析更进一步、更加准确
机器学习技术驱动的图像分析技术是整形外科领域的一项飞跃，旨在改进诊断、实现个性化治疗效果提升。
机器学习机器学习技术
2021-08-11 15:33:13
科学家使用机器学习方法来破解晶体结构的氧化态难题
机器学习作为人工智能较有代表性的技术之一，已经在物流、医疗、金融等多个领域得到应用。
机器学习机器学习技术
2021-07-12 16:27:18
Xilinx为Vivado设计工具带来突破性改进，以前沿的机器学习优化助力加速设计
据悉，Vivado ML版支持基于机器学习的算法以加速设计收敛，该技术具备基于机器学习的逻辑优化、延迟估算和智能设计运行，能够自动执行策略以减少时序收敛迭代。
机器学习机器学习技术
2021-06-23 16:02:08

版权与免责声明：

凡本站注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本站授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：智能制造网”。违反上述声明者，本站将追究其相关法律责任。

本站转载并注明自其它来源（非智能制造网）的作品，目的在于传递更多信息，并不代表本站赞同其观点或和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、平台或个人从本站转载时，必须保留本站注明的作品第一来源，并自负版权等法律责任。如擅自篡改为“稿件来源：智能制造网”，本站将依法追究责任。

鉴于本站稿件来源广泛、数量较多，如涉及作品内容、版权等问题，请与本站联系并提供相关证明材料：联系电话：0571-89719789；邮箱：1271141964@qq.com。