tactile-conditioning-movement-analysis-antennal-sampling-strategies

Tactile Conditioning And Movement Analysis Of Antennal Sampling Strategies In Honey Bees (<em>Apis mellifera</em> L.)

Honey bees (Apis mellifera L.) are eusocial insects and well known for their complex division of labor and associative learning capability1, 2. The worker ...

INSECTS CARRY A PAIR OF ANTENNAE ON THEIR HEAD: multimodal sensory organs that serve a wide range of sensory-guided behaviors. During locomotion, antennae are involved in near-range orientation, for example in detecting, localizing, probing, and negotiating obstacles. Here we present a bionic, active tactile sensing system inspired by insect antennae. It comprises an actuated elastic rod equipped with a terminal acceleration sensor. The measurement principle is based on the analysis of damped harmonic oscillations registered upon contact with an object. The dominant frequency of the oscillation is extracted to determine the distance of the contact point along the probe and basal angular encoders allow tactile localization in a polar coordinate system. Finally, the damping behavior of the registered signal is exploited to determine the most likely material. The tactile sensor is tested in four approaches with increasing neural plausibility: first, we show that peak extraction from the Fourier spectrum is sufficient for tactile localization with position errors below 1%. Also, the damping property of the extracted frequency is used for material classification. Second, we show that the Fourier spectrum can be analysed by an Artificial Neural Network (ANN) which can be trained to decode contact distance and to classify contact materials. Thirdly, we show how efficiency can be improved by band-pass filtering the Fourier spectrum by application of non-negative matrix factorization. This reduces the input dimension by 95% while reducing classification performance by 8% only. Finally, we replace the FFT by an array of spiking neurons with gradually differing resonance properties, such that their spike rate is a function of the input frequency. We show that this network can be applied to detect tactile contact events of a wheeled robot, and how detrimental effects of robot velocity on antennal dynamics can be suppressed by state-dependent modulation of the input signals.

An insect-inspired bionic sensor for tactile localization and material classification with state-dependent modulation.

Insekten CARRY A PAIR OF Antennen auf dem Kopf: multimodale Sinnesorgane, die eine Vielzahl von sensorischen gef&uuml;hrte Verhaltensweisen dienen. W&auml;hrend der Fortbewegung sind Antennen nahe-Bereich Orientierung, zum Beispiel in erkennen, lokalisieren, sondieren und Verhandlungen &uuml;ber Hindernisse beteiligt. Hier pr&auml;sentieren wir eine bionische, aktive taktile Fernerkundung System inspiriert von Insekt-Antennen. Es verf&uuml;gt &uuml;ber eine bet&auml;tigte elastische Stange mit einem terminal Beschleunigungs-Sensor ausgestattet. Das Me&szlig;prinzip basiert auf der Analyse von unged&auml;mpft Oberschwingungen, die beim Kontakt mit einem Objekt registriert. Die dominante Frequenz der Schwingung wird extrahiert, um den Abstand des Kontaktpunktes entlang der Sonde ermitteln und basal Winkel-Encoder erm&ouml;glichen taktile Lokalisierung in einem Polarkoordinatensystem. Schlie&szlig;lich wird das D&auml;mpfungsverhalten des registrierten Signals ausgenutzt, um zu bestimmen, das am ehesten Material. Die taktilen Sensors ist in vier Ans&auml;tze mit zunehmender neuronale Plausibilit&auml;t getestet: zuerst, wir zeigen, dass die Spitze Extraktion aus dem Fourier-Spektrum f&uuml;r taktile Lokalisierung mit Stellung St&ouml;rungen unter 1 % ausreicht. Au&szlig;erdem wird die d&auml;mpfende Eigenschaft der extrahierten Frequenz f&uuml;r Materialklassifizierung verwendet. Zweitens zeigen wir, dass das Fourier-Spektrum durch eine k&uuml;nstliche neuronale Netzwerk (ANN) analysiert werden kann die Kontaktdaten Distanz zu decodieren und Kontaktwerkstoffe klassifizieren trainiert werden kann. Drittens: Wir zeigen, wie die Effizienz von Bandpass-Filtern das Fourier-Spektrum nach Anwendung von nicht-Negative Matrix Faktorisierung verbessert werden kann. Dies reduziert die Eingabe Dimension um 95 % bei gleichzeitiger Senkung der Klassifizierung Leistung von nur 8 %. Schlie&szlig;lich ersetzen wir die FFT durch ein Array von spiking Neuronen mit allm&auml;hlich unterschiedliche Resonanz-Eigenschaften, so dass ihre Spitze-Rate eine Funktion der Eingangsfrequenz ist. Wir zeigen, dass dieses Netzwerk angewendet auf taktile Kontakte Veranstaltungen eines fahrbaren Roboters zu erkennen, und wie sch&auml;dlich Auswirkungen der Roboter Geschwindigkeit auf etwas Dynamik k&ouml;nnen durch Zustand-abh&auml;ngigen Modulation der Eingangssignale unterdr&uuml;ckt werden.

Sven Hellbach

Biography

JoVE Journal Publications

Other Publications