Simulation of nervous centres in closed-loop of perception-action

• Autores: Francisco Naveros Arrabal
• Directores de la Tesis: Jesús Alberto Garrido Alcázar (dir. tes.), Eduardo Ros Vidal (dir. tes.), Niceto Rafael Luque Sola (dir. tes.)
• Lectura: En la Universidad de Granada ( España ) en 2017
• Idioma: inglés
• Tribunal Calificador de la Tesis: Francisco José Pelayo Valle (presid.), Eva Martínez Ortigosa (secret.), Pilar Martínez Ortigosa (voc.), Luis Pastor Pérez (voc.), Silvia Tolu (voc.)
• Programa de doctorado: Programa Oficial de Doctorado en Tecnologías de la Información y la Comunicación
• Enlaces
  • Tesis en acceso abierto en: DIGIBUG
• Resumen
  • español

    El cerebro humano, gracias a la evolución, ha desarrollado eficientes estructuras biológicas capaces de realizar un amplio rango de tareas complejas. Este es también el caso de uno de sus centros: el cerebelo. Esta estructura juega un papel fundamental en diferentes tareas de control motor tales como la coordinación de movimientos o la calibración de la relación sensoriomotora. En esta tesis hemos desarrollado modelos computacionales del cerebelo para entender mejor los mecanismos biológicos que le confieren al cerebelo sus capacidades de control y aprendizaje motor. En este trabajo se han usado robots simulados y reales como cuerpos emulados que controlar. De esta forma tratamos de validar las hipótesis propuestas sobre la operación del cerebelo cuando este realizar diferentes tareas de control motor tales como manipulación de objetos o recreación de los experimentos de condicionamiento clásico del parpadeo (EBCC) o reflejo vestíbulo-ocular (VOR).

    Esta tesis pretende abarcar el desarrollo de sistemas de control biológicamente inspirados basados en modelos cerebelares capaces de realizar diferentes tares de control motor usando robots biomorficos en tiempo real. Este trabajo se puede subdividir en tres bloques principales: (i) desarrollo de todas las herramientas necesarias para este estudio, (ii) desarrollo de un modelo cerebelar basado en datos obtenidos de experimentos biológicos, y (iii) validación de los modelos cerebelares embebiéndolos en esquemas de control capaces de realizar diferentes tareas de control motor usando robots biomorficos en tiempo real.

    Una versión actualizada del simulador EDLUT ha sido usada como la principal herramienta de simulación para este estudio. EDLUT es un simulador eficiente de redes neuronales de impulsos desarrollado por nuestro grupo de investigación en la Universidad de Granada. Este fue concebido como una pequeña herramienta capaz de simular de forma eficiente redes neuronales de media escala. En esta tesis hemos mejorado sistemáticamente la eficiencia y funcionalidad de EDLUT. Hemos paralelizado su simulación en arquitecturas de coprocesamiento CPU-GPU multinúcleo, desarrollado nuevos y eficientes métodos de simulación dirigidos por eventos y por tiempo e implementado nuevos modelos de neurona y leyes de aprendizaje. Además hemos incluido en EDLUT nuevos módulos y características relacionadas con el control robótico en tiempo real. Las redes neuronales simuladas en EDLUT pueden ser ahora conectadas con diversos robots (simulados o reales) usando conexiones TCP/IP. También se han implementado en EDLUT interfaces de comunicación capaces de traducir las señales del cerebelo (impulsos) en señales para el robot (señales analógicas) y viceversa. Por último, EDLUT incorpora un supervisor de tiempo real capaz de asegurar que una simulación se realiza en tiempo real. Por lo tanto, EDLUT es ahora más que un simple simulador de redes neuronales de impulsos. EDLUT es una herramienta de simulación capaz de crear sistemas de control biológicamente inspirados basados en redes neuronales de impulsos para realizar diferentes tareas de control motor utilizando robots biomórficos en tiempo real.

    Partiendo de un modelo cerebelar previamente desarrollado por nuestro grupo de investigación, dos nuevos mecanismos de plasticidad sináptica a nivel de los núcleos cerebelos profundos (DCN) han sido propuestos e implementados, confiriéndole al modelo nuevas capacidades de consolidación del aprendizaje y adaptación de la ganancia. También hemos propuesto un nuevo modelo de neurona capaz de reproducir los tres estados de una célula de Purkinje (tónico, silencioso y ráfaga), así como una nueva capa de la Oliva Inferior (IO) con acoplamiento eléctrico entre sus neuronas. Por último, una nueva conexión sináptica desde la IO hasta los DCN ha sido propuesta e incluida en el modelo. Todos estos nuevos elementos, basados en hipótesis teóricas y resultados experimentales en la literatura, han incrementado la plausibilidad biológica de nuestro modelo cerebelar.

    Por último hemos analizado cómo cada uno de los elementos anteriormente mencionados afecta al comportamiento del modelo cerebelar cuando este realiza experimentos de control motor como banco de pruebas: una tarea de manipulación de objetos con un brazo robótico, un experimento EBCC con un entorno simulado o un experimento VOR con una cabeza robótica.

  • English

    The human brain, thanks to the evolution, has developed efficient biological structures able to perform a wide range of complex tasks. This is also the case of one of its centres: the cerebellum. This structure plays a fundamental role in different motor control tasks such as coordination of movements or calibration of sensorimotor relationship. In this thesis computational models of the cerebellum have been developed in order to achieve better understanding of the biological mechanisms that confer the cerebellum its motor control and learning capabilities. Simulated and real robots have been used in this work as emulated bodies to control. Thus we aim to validate several hypotheses about the cerebellum operation when performing different motor control tasks such as object manipulation, eye blink classical conditioning (EBCC) or vestibulo-ocular reflex (VOR) experiments.

    The scope of this thesis is the development of biologically inspired control systems based in cerebellar models able to perform different motor control tasks using biomorphic robots in real time. This work can be subdivided in three main blocks: (i) development of all the tools needed for this study, (ii) development of a cerebellar model based in data obtained with biological experiments, and (iii) validation of the cerebellar models embedding these ones in control schemes able to perform different motor control tasks with biomorphic robots in real time.

    An upgraded version of the EDLUT simulator has been used as the main simulation tool for this study. EDLUT is an efficient spiking neural network simulator developed by our research group at the University of Granada. It was conceived as a small tool capable of efficiently simulate medium-scale spiking neural networks. In this thesis we have systematically improved the efficiency and functionality of EDLUT. We have parallelized its simulation in multicore CPU-GPU co-processing architectures, developed new and efficient event-driven and time-driven simulation methods and implemented new neuron models and learning rules. Additionally, we have included new modules and features in EDLUT related with the robotic control in real time. EDLUT-simulation spiking neural models can now connect with many (simulated or real) robotic devices using TCP/IP connections. Communication interfaces able to translate the cerebellar signals (spikes) in robotic signal (analogical signals) and vice versa have also been implemented within EDLUT. Finally, EDLUT incorporates a real time supervisor able to ensure that a simulation is performed in real time. Thus, EDLUT is now more than a simple spiking neural network simulator. It is a simulation tool able to create biologically inspired control schemes based in spiking neural networks to perform different motor control tasks using biomorphic robots in real time.

    Starting from a cerebellar model previously developed by our research group, two new plasticity mechanisms at deep cerebellar nuclei (DCN) level have been proposed and implemented, conferring to the cerebellar model with learning consolidation and gain adaptation capabilities. We have also propose a new neural model for Purkinje cells able to replicate its tri-modal spike modes (tonic, silence and bursting) and a new Inferior Olive (IO) layer interconnected with electrical coupling able to better codify the error signal. Finally, a new synaptic connection from the IO to the DCN cells have been proposed and included. All these new elements, based in theoretical hypotheses and experimental results in the literature, have increased the biological plausibility of our cerebellar model.

    Finally we have analysed how each one of the above-mentioned elements affects the behaviour of the whole cerebellar model when performing motor control experiments as a test-bench: a manipulation object task with a robotic arm, an EBCC experiment with a simulated environment or a VOR experiment with a robotic head.