Проектирование и использование аппарата для представления свягаемых объектов в 3D рабочей области
Summary
Представлен протокол для создания автоматического аппарата, который направляет обезьяну для выполнения гибкой задачи охвата. Аппарат сочетает в себе 3D-переводное устройство и поворотный стол, чтобы представить несколько объектов в произвольном положении в 3D пространстве.
Abstract
Достижение и захват являются высоко-связанных движений, и их основная нейронная динамика были широко изучены в последнее десятилетие. Чтобы различать достигающие и хватающие кодировки, необходимо представить различные идентичности объектов независимо от их позиций. Здесь представлена конструкция автоматического аппарата, который собран с поворотным столом и трехмерным (3D) переводным устройством для достижения этой цели. Таблица поворота переключает различные объекты, соответствующие различным типам захвата, в то время как 3D-переводное устройство транспортирует поворотный стол в 3D пространстве. Оба управляются независимо двигателями, так что целевое положение и объект объединяются произвольно. Между тем, траектория запястья и типы захвата регистрируются с помощью системы захвата движения и сенсорных датчиков, соответственно. Кроме того, описаны репрезентативные результаты, демонстрирующие успешно обученную обезьяну с помощью этой системы. Ожидается, что этот аппарат облегчит исследователям изучение кинематики, нейронных принципов и интерфейсов мозга и машины, связанных с функцией верхних конечностей.
Introduction
Различные аппараты были разработаны для изучения нейронных принципов, лежащих в основе достижения и захвата движения в не-человеческих приматов. В достижении задач, сенсорный экран1,2, курсор экрана управляется джойстиком3,4,5,6,7,и технология виртуальной реальности8 , 9 До 9 , 10 из них были использованы для представления 2D и 3D целей, соответственно. Для введения различных типов захвата, по-разному формы объектов, зафиксированных в одном положении или вращающихся вокруг оси были широко использованы в захвата задач11,12,13. Альтернативой является использование визуальных сигналов для информирования субъектов, чтобы понять тот же объект с различными типами захвата14,15,16,17. В последнее время, достижения и захвата движений были изучены вместе (т.е., субъекты достигают нескольких позиций и схватить с различными типами захвата в экспериментальной сессии)18,19,20, 21,22,23,24,25,26,27,28,29. Ранние эксперименты представляли объекты вручную, что неизбежно приводит к низкой временной и пространственной точности20,21. Для повышения экспериментальной точности и экономии рабочей силы широко используются автоматические презентационные устройства, управляемые программами. Чтобы изменять целевое положение и тип захвата, экспериментаторы обнажили несколько объектов одновременно, но относительное (или абсолютное) положение целей и типы захвата связаны друг с другом, что приводит к жестким моделям стрельбы через долгосрочную подготовку22 ,27,28. Объекты обычно представлены в 2D плоскости, что ограничивает разнообразие достижения движения и нейронной активности19,25,26. Недавно, виртуальная реальность24 и робот руку23,29 были введены для представления объектов в 3D пространстве.
Здесь представлены подробные протоколы для создания и использования автоматизированного аппарата30, который может достичь любой комбинации из нескольких целевых позиций и типов захвата в 3D пространстве. Мы разработали поворотный стол для переключения объектов и 3D-переводное устройство для транспортировки поворотного стола в 3D пространстве. Как поворотный стол, так и переводное устройство управляются независимыми двигателями. Между тем, 3D-траектория запястья и нейронных сигналов субъекта регистрируется одновременно на протяжении всего эксперимента. Аппарат обеспечивает ценную платформу для изучения функции верхних конечностей у рекусов обезьяны.
Protocol
Representative Results
Discussion
Описанный здесь поведенческий аппарат позволяет пробно-мудрое сочетание различных достигающих и цепляющих движений (т.е. обезьяна может захватывать предметы различной формы в любых произвольных 3D местах в каждом испытании). Это достигается за счет сочетания пользовательского токарн?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Мы благодарим г-на Шицзян Шэня за его советы по проектированию аппаратов и г-жу Гихуа Ван за ее помощь в уходе за животными и обучении. Эта работа была поддержана Национальной программой исследований и развития Китая (2017YFC1308501), Национальным фондом естественных наук Китая (31627802), общественными проектами провинции Чжэцзян (2016C33059) и Фондами фундаментальных исследований Центральные университеты.
Materials
| Active X-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 600 mm; Load, 25 kg |
| Active Y-rail | CCM Automation technology Inc., China | W60-35 | Effective travel, 300 mm, Load 35 kg |
| Active Z-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 500 mm; Load 25 kg |
| Bearing | Taobao.com | 6004-2RSH | Acrylic |
| Case | Custom mechanical processing | TT-C | Acrylic |
| Connecting ring | CCM Automation technology Inc., China | 57/60-W50 | |
| Connecting shaft | CCM Automation technology Inc., China | D12-700 | Diam., 12 mm;Length, 700 mm |
| Diaphragm coupling | CCM Automation technology Inc., China | CCM 12-12 | Inner diam., 12-12mm |
| Diaphragm coupling | CCM Automation technology Inc., China | CCM 12-14 | Inner diam., 14-12mm |
| Electric slip ring | Semring Inc., China | SNH020a-12 | Acrylic |
| Locating bar | Custom mechanical processing | TT-L | Acrylic |
| Motion capture system | Motion Analysis Corp. US | Eagle-2.36 | |
| Neural signal acquisition system | Blackrock Microsystems Corp. US | Cerebus | |
| NI DAQ device | National Instruments, US | USB-6341 | |
| Object | Custom mechanical processing | TT-O | Acrylic |
| Passive Y-rail | CCM Automation technology Inc., China | W60-35 | Effective travel, 300 mm; Load 35 kg |
| Passive Z-rail | CCM Automation technology Inc., China | W50-25 | Effective travel, 500 mm; Load 25 kg |
| Pedestal | CCM Automation technology Inc., China | 80-W60 | |
| Peristaltic pump | Longer Inc., China | BT100-1L | |
| Planetary gearhead | CCM Automation technology Inc., China | PLF60-5 | Flange, 60×60 mm; Reduction ratio, 1:5 |
| Right triangle frame | CCM Automation technology Inc., China | 290-300 | |
| Rotator | Custom mechanical processing | TT-R | Acrylic |
| Servo motor | Yifeng Inc., China | 60ST-M01930 | Flange, 60×60 mm; Torque, 1.91 N·m; for Y- and Z-rail |
| Servo motor | Yifeng Inc., China | 60ST-M01330 | Flange, 60×60 mm; Torque, 1.27 N·m; for X-rail |
| Shaft | Custom mechanical processing | TT-S | Acrylic |
| Stepping motor | Taobao.com | 86HBS120 | Flange, 86×86 mm; Torque, 1.27 N·m; Driving turning table |
| Touch sensor | Taobao.com | CM-12X-5V | |
| Tricolor LED | Taobao.com | CK017, RGB | |
| T-shaped connecting board | CCM Automation technology Inc., China | 110-120 |
References
- Leone, F. T., Monaco, S., Henriques, D. Y., Toni, I., Medendorp, W. P. Flexible Reference Frames for Grasp Planning in Human Parietofrontal Cortex. eNeuro. 2 (3), (2015).
- Caminiti, R., et al. Early coding of reaching: frontal and parietal association connections of parieto-occipital cortex. European Journal of Neuroscience. 11 (9), 3339-3345 (1999).
- Georgopoulos, A. P., Schwartz, A. B., Kettner, R. E. Neuronal population coding of movement direction. Science. 233 (4771), 1416-1419 (1986).
- Fu, Q. G., Flament, D., Coltz, J. D., Ebner, T. J. Temporal encoding of movement kinematics in the discharge of primate primary motor and premotor neurons. Journal of Neurophysiology. 73 (2), 836-854 (1995).
- Moran, D. W., Schwartz, A. B. Motor cortical representation of speed and direction during reaching. Journal of Neurophysiology. 82 (5), 2676-2692 (1999).
- Carmena, J. M., et al. Learning to control a brain-machine interface for reaching and grasping by primates. PLoS Biology. 1 (2), E42 (2003).
- Li, H., et al. Prior Knowledge of Target Direction and Intended Movement Selection Improves Indirect Reaching Movement Decoding. Behavioral Neurology. , 2182843 (2017).
- Reina, G. A., Moran, D. W., Schwartz, A. B. On the relationship between joint angular velocity and motor cortical discharge during reaching. Journal of Neurophysiology. 85 (6), 2576-2589 (2001).
- Taylor, D. M., Tillery, S. I., Schwartz, A. B. Direct cortical control of 3D neuroprosthetic devices. Science. 296 (5574), 1829-1832 (2002).
- Wang, W., Chan, S. S., Heldman, D. A., Moran, D. W. Motor cortical representation of hand translation and rotation during reaching. Journal of Neuroscience. 30 (3), 958-962 (2010).
- Murata, A., Gallese, V., Luppino, G., Kaseda, M., Sakata, H. Selectivity for the shape, size, and orientation of objects for grasping in neurons of monkey parietal area AIP. Journal of Neurophysiology. 83 (5), 2580-2601 (2000).
- Raos, V., Umiltá, M. A., Murata, A., Fogassi, L., Gallese, V. Functional Properties of Grasping-Related Neurons in the Ventral Premotor Area F5 of the Macaque Monkey. Journal of Neurophysiology. 95 (2), 709 (2006).
- Schaffelhofer, S., Scherberger, H. Object vision to hand action in macaque parietal, premotor, and motor cortices. eLife. 5, (2016).
- Baumann, M. A., Fluet, M. C., Scherberger, H. Context-specific grasp movement representation in the macaque anterior intraparietal area. Journal of Neuroscience. 29 (20), 6436-6448 (2009).
- Riehle, A., Wirtssohn, S., Grun, S., Brochier, T. Mapping the spatio-temporal structure of motor cortical LFP and spiking activities during reach-to-grasp movements. Frontiers in Neural Circuits. 7, 48 (2013).
- Michaels, J. A., Scherberger, H. Population coding of grasp and laterality-related information in the macaque fronto-parietal network. Scientific Reports. 8 (1), 1710 (2018).
- Fattori, P., et al. Hand orientation during reach-to-grasp movements modulates neuronal activity in the medial posterior parietal area V6A. Journal of Neuroscience. 29 (6), 1928-1936 (2009).
- Asher, I., Stark, E., Abeles, M., Prut, Y. Comparison of direction and object selectivity of local field potentials and single units in macaque posterior parietal cortex during prehension. Journal of Neurophysiology. 97 (5), 3684-3695 (2007).
- Stark, E., Asher, I., Abeles, M. Encoding of reach and grasp by single neurons in premotor cortex is independent of recording site. Journal of Neurophysiology. 97 (5), 3351-3364 (2007).
- Velliste, M., Perel, S., Spalding, M. C., Whitford, A. S., Schwartz, A. B. Cortical control of a prosthetic arm for self-feeding. Nature. 453 (7198), 1098-1101 (2008).
- Vargas-Irwin, C. E., et al. Decoding complete reach and grasp actions from local primary motor cortex populations. Journal of Neuroscience. 30 (29), 9659-9669 (2010).
- Mollazadeh, M., et al. Spatiotemporal variation of multiple neurophysiological signals in the primary motor cortex during dexterous reach-to-grasp movements. Journal of Neuroscience. 31 (43), 15531-15543 (2011).
- Saleh, M., Takahashi, K., Hatsopoulos, N. G. Encoding of coordinated reach and grasp trajectories in primary motor cortex. Journal of Neuroscience. 32 (4), 1220-1232 (2012).
- Collinger, J. L., et al. High-performance neuroprosthetic control by an individual with tetraplegia. The Lancet. 381 (9866), 557-564 (2013).
- Lehmann, S. J., Scherberger, H. Reach and gaze representations in macaque parietal and premotor grasp areas. Journal of Neuroscience. 33 (16), 7038-7049 (2013).
- Rouse, A. G., Schieber, M. H. Spatiotemporal distribution of location and object effects in reach-to-grasp kinematics. Journal of Neuroscience. 114 (6), 3268-3282 (2015).
- Rouse, A. G., Schieber, M. H. Spatiotemporal Distribution of Location and Object effects in Primary Motor Cortex Neurons during Reach-to-Grasp. Journal of Neuroscience. 36 (41), 10640-10653 (2016).
- Hao, Y., et al. Neural synergies for controlling reach and grasp movement in macaques. Neuroscience. 357, 372-383 (2017).
- Takahashi, K., et al. Encoding of Both Reaching and Grasping Kinematics in Dorsal and Ventral Premotor Cortices. Journal of Neuroscience. 37 (7), 1733-1746 (2017).
- Chen, J., et al. An automated behavioral apparatus to combine parameterized reaching and grasping movements in 3D space. Journal of Neuroscience Methods. 312, 139-147 (2019).
- Zhang, Q., et al. Development of an invasive brain-machine interface with a monkey model. Chinese Science Bulletin. 57 (16), 2036 (2012).
- Hao, Y., et al. Distinct neural patterns enable grasp types decoding in monkey dorsal premotor cortex. Journal of Neural Engineering. 11 (6), 066011 (2014).
