Fruktflugans virtuella beteende: NeuroMechFly v2 utforskar sensoriska upptäckter och rörelseintelligens

StockholmForskare försöker förstå hur hjärnor hanterar rörelser hos olika varelser. Fruktflugan är ett bra forskningsobjekt eftersom dess nervsystem är mindre komplext. Ett team på EPFL, lett av Pavan Ramdya, har utvecklat ett verktyg som heter NeuroMechFly v2 för att underlätta denna forskning. Denna simulering återskapar fruktflugan och visar hur den rör sig och uppfattar omvärlden genom syn, lukt och kroppsmekanik. Detta hjälper forskarna att förstå hur fruktflugor bearbetar sensorisk information via sina nervsystem.

NeuroMechFly v2 har uppgraderats med betydande förbättringar och många avancerade funktioner:

• Realistisk Anatomi: Simuleringen har detaljerade ben- och ledvinklar för att efterlikna bananflugans naturliga rörelser noggrant.
• Sensory Integrering: Virtuella ögon och antenner bearbetar visuella och doftstimuli för att förbättra modellens sensoriska upplevelse.
• Komplexa Miljöer: Flugan navigerar genom varierande terränger och reagerar på stimuli som rörliga objekt eller doftkällor.
• Neuronal Aktivitetsmålning: Tillåter forskare att förutse neurala aktiviteter baserat på virtuella upplevelser och ger insikter om verkliga neurala svar.
• Vägintegration: Den simulerade flugan använder benfeedback för att hålla reda på sin position, även med begränsad visuell input.

Läs också:

Idag · 11:46

Genombrott: nytt oralt läkemedel lindrar buksmärtor och minskar beroendet av opioider

EPFL-gruppens tidigare projekt, som DeepFly3D och LiftPose3D, visar en stadig förbättring i att översätta rörelsekontrollen av bananflugor till datormodeller. Dessa verktyg använder djupinlärning för att noga följa hur flugors extremiteter rör sig, vilket ligger till grund för de avancerade egenskaperna i NeuroMechFly v2. Modellerna ger forskare möjlighet att undersöka kontrollsystem som liknar de i verkliga djur, och visar hur hjärnfunktioner samarbetar med rörelsefunktioner för att reagera på och anpassa sig till omgivningen.

Denna forskning kopplar samman neurovetenskap och robotik. Genom att studera hur bananflugor bearbetar sensorisk och motorisk information kan vi förbättra autonoma robotar som använder sensorisk data för att röra sig. Detta kan hjälpa till att skapa AI-system som lär sig av sin omgivning, vilket gör dem mer flexibla och tillförlitliga. Genom att analysera neural återkoppling och behandling hos bananflugor framhävs viktiga principer för biologisk intelligens, som nu utforskas med simuleringar. Denna typ av forskning kan öka vår förståelse för djurintelligens och främja utvecklingen av robotar och AI som fungerar mer självständigt och anpassningsbart likt levande organismer.