大鼠运动的神经回路架构先验
Neural Circuit Architectural Priors for Rat Locomotion
预印本 · 尚未经过同行评审
具身模拟试图在接近生物真实的设定中检验神经回路模型,但复杂身体与回路难以兼顾。作者构建了高效灵活的大鼠生物力学身体 Rat v2,并用基于哺乳动物脊髓回路的神经架构 Rat NCAP 控制它,包含细胞类型特异连接和屈伸肌神经机械接口,配合图形处理器加速的仿真与训练设施。模型在无模仿学习的情况下学会不同速度运动与步态转换,其运动统计、运动学和细胞类型特异的神经活动与实验数据一致,虚拟细胞类型消融重现了已知步态表型。
动物通过其神经回路、身体与环境之间持续的相互作用产生行为。具身仿真通过在生物学上逼真的环境中测试神经回路模型来研究这些相互作用。近期的努力已仿真了多种动物,而关于有生物学依据的神经架构的新兴工作已开始将实验数据中的回路连接性和单单元动力学整合到人工神经网络中,从而引入更强的归纳偏置以及与生物学更紧密的机制对齐。我们如何开发能够研究日益复杂的身体与神经回路的具身仿真?在这项工作中,我们通过仿真身体、神经架构和训练基础设施的协同进展来应对这一挑战。我们介绍了 Rat v2,一个用于仿真大鼠行为的高效且灵活的生物力学身体。为了控制这个身体,我们开发了 Rat NCAP,一种基于哺乳动物脊髓回路的、有生物学依据的运动神经架构,它纳入了细胞类型特异性连接以及一种新颖的屈肌-伸肌神经力学接口。为了优化回路参数,我们开发了 GPU 加速的仿真与训练基础设施。该模型无需模仿学习即可学会以不同速度运动并在步态之间转换,产生与实验数据一致的运动统计量、运动学和细胞类型特异性神经活动。分析表明,神经力学接口对可训练性和步态质量有实质性影响,并且计算机模拟的细胞类型消融再现了已知的步态表型,并预测了分级扰动下的步态变化。总之,这些发现支持这样一种观点:处于中等抽象水平的具身仿真能够同时再现复杂行为,并对产生该行为的神经回路提供机制性洞见。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Neural and Evolutionary Computing · arxiv.org