基于微电极阵列的生物智能辅助迷宫路径规划装置和方法制造方法及图纸

本发明专利技术公开一种基于微电极阵列的生物智能辅助迷宫路径规划装置和方法，涉及神经生物学和路径规划技术领域，通过检测生长于微电极阵列上的离体培养的神经网络的电生理活动获得离体生物神经网络的智能表现，然后基于神经电生理活动的解码理解生物智能实现在多路径路口进行路径选择，直至抵达迷宫终点完成迷宫求解，包括以下步骤：步骤1，进行迷宫地图初始化；步骤2，神经决策模块初始化；步骤3，进行路径探索；步骤4，利用生物智能进行路径决策；步骤5，终点判断

【技术实现步骤摘要】
基于微电极阵列的生物智能辅助迷宫路径规划装置和方法


[0001]本公开涉及神经生物学和路径规划
，特别涉及一种基于微电极阵列的生物智能辅助迷宫路径规划装置和方法
。

技术介绍

[0002]在迷宫中进行路径规划问题到目前为止尚未有好的解法，其核心难点是在少量确定信息输入的条件下做出最优决策
。
常用的迷宫寻径算法是深度优先搜索或广度优先搜索，需要穷尽所有可能直到抵达问题边界条件，然后依次返回搜索结果
。
在现实应用场景中，由于不知道迷宫整体构造，只能依靠试错修订路径且需要在尽可能短的时间内找到最优路径，因此应用遍历方法找寻所有路径后再选出最短路径不具有可行性
。
[0003]目前，多种基于人工智能算法的路径规划方法被提出
。
人工智能为路径规划提供了超强的计算能力
。
然而，人脑智能仍然是整个地球上最智能的复杂系统，能更好地处理迷宫路径决策中少量或不确定的信息
。
所以，为了发挥人工智能与人脑智能各自的优势，科学家们提出了新的发展方向：融合脑智能
。
融合脑智能就是将人工智能与人脑智能结合起来，创造出更加智能的系统
。
微电极阵列就是为这一领域服务的工具，利用培养于微电极阵列上的体外神经元网络，构建出与人脑相似的决策处理器，从而实现强大的智能处理能力和高效的学习能力
。
融合脑智能将体外培养的大脑器官组织作为生物硬件，通过与外部的电子设备相连来实现生物计算
>。
其主要优点有能耗低；其次，通常能使用较少的观察活动来进行学习；而且，融合脑智能将机器智能与自然智能一体化，具有可扩展的能力
。
将融合脑智能用于迷宫路径规划是未来解决迷宫求解问题值得期待的发展方向
。
[0004]基于黏菌觅食行为进行迷宫问题仿生求解方法已经证明了利用生物智能的有效性
。
因此希望进一步引入更高级生命体的融合脑智能，利用离体神经网络的生物智能去解决迷宫中的路径规划问题
。

技术实现思路

[0005]为解决在迷宫中基于少量的不确定信息无法进行决策判断的问题，克服现有迷宫路径规划算法的不足，本专利技术提供一种基于微电极阵列的生物智能辅助迷宫路径规划装置和方法，其为一种无需精密传感器无需复杂算法的迷宫路径规划方法，通过检测生长于微电极阵列上的离体培养的神经网络的电生理活动获得离体生物神经网络的智能表现，然后基于神经电生理活动的解码理解生物智能实现在多路径路口进行路径选择，直至抵达迷宫终点完成迷宫求解
。
[0006]为达到上述目的，本专利技术采用的技术方案为：一种基于微电极阵列的生物智能辅助迷宫路径规划装置，由运动执行模块
、
位置反馈模块
、
路径感觉模块和神经决策模块组成；所述运动执行模块根据决策的路径执行运动指令；在控制虚拟机器人时，在上位机中以虚拟仿真的方式对机器人顶层策略算法进行开发；在控制实体机器人时，所述运动
执行模块中的硬件设备包括：通信接口模块和执行器模块；所述位置反馈模块通过初始位置和执行的运动确定实时位置；在控制虚拟机器人时，在上位机中对机器人算法进行开发；在控制实体机器人时，所述位置反馈模块中的硬件设备包括：传感器模块和通信接口模块；所述路径感觉模块将当前位置节点的障碍路径数
n
转化为当前位置节点的可行路径数
p
；在标准的正方形网格迷宫中，
p=3
‑
n
；若 n<2
，节点为多路径节点；
n=2 , 节点为单路径节点；若 n=3 , 节点为零路径节点；所述神经决策模块中，若实时位置未到达出口且当前位置节点的障碍路径数
n<2
，则将神经电生理活动和节点信息结合进行方向选择；所述神经决策模块中的硬件设备包括：微电极阵列
、
多通道电生理记录仪器和上位机
。
[0007]进一步地，其中所述神经决策模块的构建基于
60
通道的微电极阵列
、128
通道的微电极阵列或
256
通道的微电极阵列；所述神经决策模块的构建包括将离体培养的神经网络接种到微电极阵列上并培养至成熟；成熟的标志是能够通过多通道电生理记录仪器记录到微电极阵列上离体神经网络产生的以簇状放电为特征的稳定电生理活动
。
[0008]本专利技术还提供一种基于微电极阵列的生物智能辅助迷宫路径规划方法，利用微电极阵列对培养于微电极阵列上的离体培养的神经网络进行检测与调控，通过采集神经电生理信号并进行模式提取并解码，用于迷宫路径规划时辅助进行多路径路口的路径选择
。
[0009]进一步地，所述规划方法包括如下步骤：步骤
1、
进行迷宫地图初始化，获得迷宫起点和终点的位置特征；步骤
2、
进行神经决策模块初始化，建立神经电生理活动与路径决策方向的对应关系；步骤
3、
进行路径探索，根据位置反馈模块和路径感觉模块获得实时环境信息；步骤
4、
利用生物智能进行路径决策，利用神经决策模块结合实时环境信息和神经电生理活动进行路径规划；步骤
5、
进行终点判断，若到达终点则完成迷宫求解，否则返回步骤3继续进行路径探索
。
[0010]进一步地，所述步骤1中，迷宫地图初始化在上位机中构建，以初始位置作为原点，根据执行的运动确定实时位置
。
[0011]进一步地，所述步骤2中，神经决策模块初始化在上位机中构建；神经电生理活动的状态表示为二元组：
<F, A >
，其中
F=f(t)
为神经元的动作电位放电速率关于运动时间
t
的离散函数，
A=a(t)
为神经元场电位的幅值关于运动时间
t
的连续函数，均通过多通道电生理记录仪器获得；
S={si | i=0, 1, 2}
是路径决策方向，为离散状态集合，
i
为可选择的路径决策方向的编号，
si
表示
i
编号对应的不同的可选择的路径决策方向；
S
是在特定时刻
t0
下根据对
F
和
A
的“01”离散化处理后根据逻辑运算获得的，离散化是通过
k
‑
means
聚类方法对
F
和
A
分别进行二分化聚类，二分化聚类后分别为
fF
和
fA
，其中
fF
和
fA
均为关于运动时间
t
的离散函数，取值为0和1，逻辑运算如下：
，进一步地，所述步骤4包括：步骤<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于微电极阵列的生物智能辅助迷宫路径规划装置，其特征在于，由运动执行模块
、
位置反馈模块
、
路径感觉模块和神经决策模块组成；所述运动执行模块根据决策的路径执行运动指令；在控制虚拟机器人时，在上位机中以虚拟仿真的方式对机器人顶层策略算法进行开发；在控制实体机器人时，所述运动执行模块中的硬件设备包括通信接口模块和执行器模块；所述位置反馈模块通过初始位置和执行的运动确定实时位置；在控制虚拟机器人时，在上位机中对机器人算法进行开发；在控制实体机器人时，所述位置反馈模块中的硬件设备包括传感器模块和通信接口模块；所述路径感觉模块将当前位置节点的障碍路径数
n
转化为当前位置节点的可行路径数
p
；在正方形网格迷宫中，
p=3
‑
n
；若 n&lt;2
，节点为多路径节点；
n=2
，节点为单路径节点；若 n=3
，节点为零路径节点；所述神经决策模块中，若实时位置未到达出口且当前位置节点的障碍路径数
n&lt;2
，则将神经电生理活动和节点信息结合进行方向选择；所述神经决策模块中的硬件设备包括微电极阵列
、
多通道电生理记录仪器和上位机
。2.
根据权利要求1所述的一种基于微电极阵列的生物智能辅助迷宫路径规划装置，其特征在于，所述神经决策模块的构建基于
60
通道的微电极阵列
、128
通道的微电极阵列或
256
通道的微电极阵列；所述神经决策模块的构建包括将离体培养的神经网络接种到微电极阵列上并培养至成熟；成熟的标志是能够通过多通道电生理记录仪器记录到微电极阵列上离体神经网络产生的以簇状放电为特征的稳定电生理活动
。3.
根据权利要求1或2所述的一种基于微电极阵列的生物智能辅助迷宫路径规划装置的规划方法，其特征在于，利用微电极阵列对培养于微电极阵列上的离体培养的神经网络进行检测与调控，通过采集神经电生理信号并进行模式提取并解码，用于迷宫路径规划时辅助进行多路径路口的路径选择
。4.
根据权利要求3所述的规划方法，其特征在于，包括如下步骤：步骤
1、
进行迷宫地图初始化，获得迷宫的起点和终点的位置特征；步骤
2、
进行神经决策模块初始化，建立神经电生理活动与路径决策方向的对应关系；步骤
3、
进行路径探索，根据位置反馈模块和路径感觉模块获得实时环境信息；步骤
4、
利用生物智能进行路径决策，利用神经决策模块结合实时环境信息和神经电生理活动进行路径规划；步骤
5、
进行终点判断，若到达终点则完成迷宫求解，否则返回步骤3继续进行路径探索
。5.
根据权利要求4所述的规划方法，其特征在于，所述步骤1中，迷宫地图初始化在上位机中构建，以初始位置...

【专利技术属性】
技术研发人员：刘瑶瑶，蔡新霞，罗金平，王蜜霞，张奎，徐威，李明，吕诗雅，王欣怡，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：