13、运动控制中的神经形态系统探索

运动控制中的神经形态系统探索

1. 连接模型

神经网络的连接主义模型在科学界有诸多用途。对于中央模式发生器（CPGs）而言，研究方向主要有两个：一是了解网络的解剖学连接，二是探究这种连接的功能。在构建用于运动的神经形态控制器时，理解神经回路的功能连接尤为重要。虽然捕捉解剖结构细节很关键，但仅靠这一点可能无法得到理想的控制输出。因为神经回路中神经元素的调制会极大改变其行为，而突触权重和细胞特性仅通过解剖学连接研究是无法体现的。

需要在关键点对系统进行探测，以捕捉负责特定动作的神经元素子集、连接类型（抑制性或兴奋性）、细胞动态（如规则放电或爆发）以及一些突触特性（如强度）。简化成相关功能模块有助于工程师设计更易分析和实现的模型，特别是在硬件设计方面。例如，一个解剖学网络可能有多种可能的功能模块。网络配置数量 (K) 由 (n_e)（神经元间连接的表达方式数量）、(n_b)（突触连接类型）和神经元数量 (M) 决定。

Ijspeert（2001）的工作很好地展示了连接主义模型的应用。尽管没有完整的蝾螈运动电路描述，但开发的控制器模型结合了相关细胞动态、连接类型和突触权重。该网络的参数是通过遗传算法找到的，而非实际蝾螈的数据。不过，开发的 CPG 控制器能够模拟蝾螈的游泳和小跑步态模式。很多情况下，连接主义模型基于假设推导而来，但它们能够产生生物学上可行的 CPG 模型，并在模拟器和机械模型中重现步态运动学。

2. 基本 CPG 构建

2.1 单元振荡器

除了神经元本身，HCO 是许多生物 CPG 网络最基本的组成部分。Still 等人（2006）的工作展示了简单振荡结构的强大功能，他们使用固定的 CPG 架构能够产生七