navigasyon - Tıpacı

University of Sheffield’den bilim insanları arıların duvarlara çarpmamalarını sağlayan mekanizmaya dayalı bir bilgisayar programı yaratmayı başardılar. Bu gelişme sayesinde, otonom robot teknolojisinde büyük bir ilerleme kaydedilebilir.

Üniversitenin Bilgisayar Bilimi Bölümü’nden araştırmacılar, arıların görme duyularına bağıl şekilde işleyen çevrelerindeki dünyanın ne yöne ve ne hızla hareket ettiğini saptama yetisi ve bununla ilişkili olarak nesnelere ve kendi popülasyonlarından bireylere çarpmalarını engelleyen sistemlerini incelemelerini sağlayacak bir bilgisayar modeli geliştirdi.

robot-teknolojisinde-ari-modeli-etkisi1-bilimilficom — Çalışır haldeki modelden alınmış bir anlık görüntü. Görseldeki her küre bir hesapsal birimi simgeliyor ve aralardaki çizgilerde bu birimler arasındaki bağlantıları gösteriyor. Renkler her birimin değerine göre değişiklik gösterirken; solda ve sağda girdiler, merkezde ise çıktılar görülüyor. Merkezdeki bu çıktılar ise bilgisayar simülasyonu olan bir koridor labirentte uçmakta olan sanal arımızın yol göstericileri oluyor. Telif : *The University of Sheffield*

Arılar kendi uçuşlarını, görsel olarak canlandırdıkları çevrelerinin hareket hızına bakarak kontrol eder. Görsel debi veya optik debi diyebileceğimiz (İng. optic flow) sistemini kullanan arıların; hareketleri esnasında etraflarının kendilerine göre hızını hesaplayarak uçuşlarını kontrol ettiklerini gösteren çalışmalar mevcut. Ne var ki; bunu nasıl başardıkları yönünde henüz net bir bilgiye sahip değiliz. Bugüne kadar böcek beyninde keşfedilmiş tek nöral devre (sinir bağlantıları devresi) hareketin ancak yönünü söyleyebiliyor, hızını değil.

Mevcut araştırma ise, hareket-yönü habercisi olan devrelerin, aynı zamanda nasıl hareket-hızı tespiti sağlayabileceğini ve bu sistemin arıların uçuşunun kontrolünde ne kadar hayati bir rol oynadığını gösteriyor.

Makalenin yazarlarından Dr. Alex J. Cope, bal arılarının mükemmel yön tayincileri ve kaşifler olduğunu belirtiyor. Görme duyularını bu yönde ileri düzeyde kullanan bal arıları; bunu yalnızca bir milyon nörondan oluşan minik beyinlerine rağmen başarı ile gerçekleştiriyorlar.Dr. Cope yaptığı açıklamada şöyle söylüyor : “Arıların duvarlardan nasıl kaçındıklarının ve navigasyon için hangi bilgileri kullandıklarının anlaşılması, bizi; kendi kendine uçabilen robotların performansını büyük oranda artırmamızı sağlayacak olan verimli navigasyon ve yol bulma algoritmalarını geliştirmeye biraz daha yaklaştırıyor.”

Projenin lideri Profesör James Marshall; bu tespitin, arıların (hatta benzer görme duyularına sahip olan diğer bir takım uçan böcekler de sayılabilir) neden pencerelerde zorlandıklarını ve çarpıp durduklarını açıklayabileceğini belirtiyor. Muhtemelen transparan olan bu cisimlere yaklaşan arılar herhangi bir ‘optic flow’ bilgisi alamıyor ve aslında kapalı olan bu boş sandıkları yerlerden geçmeye çalışıyorlar.

Kaynak :

Bilimfili,
Alex J. Cope, Chelsea Sabo, Kevin Gurney, Eleni Vasilaki, James A. R. Marshall. A Model for an Angular Velocity-Tuned Motion Detector Accounting for Deviations in the Corridor-Centering Response of the Bee.PLOS Computational Biology, 2016; 12 (5): e1004887 DOI:10.1371/journal.pcbi.1004887

Araştırmacılar artık zihinlerimizde yön ve yol bulurken neler olduğunu yeniden modelleyebilecek ve neden yanlışlar yaptığımızı da açıklayabilecek.

Beynimiz çok sayıda bilgiyi sürekli olarak analiz ederek, işleyerek ve rasyonalize ederek yön ve yol tayin eder. Örneğin bu iç GPS benzeri fonksiyon şehrin içinde yönümüzü bulmamızı, belli bir noktaya götüren işaret ve belirteçleri takip etmemizi sağlar.

Araştırmanın yazarlarından Yumi Shikauchi şöyle açıklıyor : ” İnsanlar bir noktadan başka bir noktaya gidecekleri zaman, beyinlerinde bu yolu önceden çizer, izler veya canlandırırlar. Biz de beyindeki bu öncül görüntüleri tekrar kodlamayı istedik, çünkü uzamsal navigasyon için son derece hayati bir önem taşıyor.”

Sanal ve üç boyutlu labirentler ile fonksiyonel manyetik rezonans görüntelemeyi (fMRI) bir araya getiren araştırmacılar, bir insanın öncül tahmin ve canlandırmalarının beyin aktivitesinde bir yansımasının olup olmadığını (gözlemlenebilirliğini) incelediler.

Katılımcılar her labirentten, gördüklerini ezberleyerek ve yönlendirme bilgileri alarak geçti. Daha sonra fMRI ile görüntüleme sırasında ise her gelen sahnede iki seçenekten birini seçerek yollarını bulmaları istendi.

On iki dekoder, sinyalleri çıktı (output) değişkenleri ile ilişkilendirerek fMRI taramalarını okudu ve tanımladı. Bunun sonucunda katılımcıların labirentten geçerken zihinlerinde resmettikleri sahneleri yeniden yapılandırıldı.

Araştırmanın keşiflerinden birisi de, ‘öncül tahminler ve görülerin insanın nesnellik duyusunun üzerine çıktığı’ oldu. Burada öncül tahminlerin yine dışardan verilen ipuçları ve daha önceki bilgilerden kaynaklı önyargıları içerdiği biliniyor.

Beynin parietal bölgelerindeki aktivitelerin katılımcıların (yanlış da olsa) beklentilerini ve önceki bilgilerine göre sahip oldukları yorumları yansıttığını keşfeden araştırmacılar bunun öznel inançların nesnel gerçekliğin üzerine çıkabildiğinin bir göstergesi olduğunu düşünüyor.

Araştırmacılar bu çalışmanın sonucunda direkt olarak beyin aktivitesinden yararlanan yeni iletişim teknolojilerinin geliştirilebileceğini umduklarını açıklıyor.

Sadece kelimeler ve dil ile iletişimi ve etkileşimi kurulmayacak olan birçok şey olduğunu öne süren araştırmacılar, hem doğru hem de yanlış olan sanal beklentileri okuyup, görüntüleyip, tanımlamanın yeni alet ve cihazların geliştirilmesini ve böylelikle linguistik olmayan bilginin de iletilebilmesini sağlayacağını düşünüyor.

Araştırmacılar bir sonraki adımda bu incelemede kullanılan basit labirentlerden daha karmaşık süreç ve işlemleri denemeyi planlıyorlar.

Kaynak :

Bilimfili,
Yumi Shikauchi, Shin Ishii. Decoding the view expectation during learned maze navigation from human fronto-parietal network.Scientific Reports, 2015; 5: 17648 DOI: 10.1038/srep17648

Etiket: navigasyon

Robot Teknolojisinde Sıçrama Yaratacak Arı Modeli

Labirentler ve Beyin : Önyargı Mantığa Nasıl Üstün Gelir?