BrainSLAM: SLAM on Neural Population Activity Data

要約

同時位置特定およびマッピング (SLAM) アルゴリズムは、新しい環境の地図を学習するロボット システムで一般的に使用されます。
脳もマップを学習すると思われるが、そのメカニズムは不明であり、神経活動データからこれらのマップをどのように推測するかは不明である。
BrainSLAM を紹介します。
ラットの海馬、前頭前皮質、頭頂皮質の 3 つの脳領域から同時に記録された集団活動 (局所電場電位、LFP) データのみを使用して SLAM を実行する方法。
このシステムは、畳み込みニューラル ネットワーク (CNN) を使用して、2D 迷路を移動するラットから記録された神経局所電位データのウェーブレット スカログラムから速度と慣れ情報をデコードします。
CNN の出力は、RatSLAM にインスピレーションを得たアーキテクチャを駆動し、パス統合を実行するアトラクター ネットワークと、「ループ クロージャ」(以前に訪問した場所の検出とマップ エイリアシング エラーの修正) を実行する別のシステムを強化します。
これら 3 つのコンポーネントを組み合わせると、動物の位置を追跡しながら、環境の忠実な表現を構築できます。
これは、脳の記録から空間マップを推論する最初の実証です。
私たちの発見は、SLAM を新しいモダリティに拡張し、環境をマッピングする新しい方法を可能にし、ナビゲーションと意思決定における認知マップの役割の理解を促進します。

要約(オリジナル)

Simultaneous localisation and mapping (SLAM) algorithms are commonly used in robotic systems for learning maps of novel environments. Brains also appear to learn maps, but the mechanisms are not known and it is unclear how to infer these maps from neural activity data. We present BrainSLAM; a method for performing SLAM using only population activity (local field potential, LFP) data simultaneously recorded from three brain regions in rats: hippocampus, prefrontal cortex, and parietal cortex. This system uses a convolutional neural network (CNN) to decode velocity and familiarity information from wavelet scalograms of neural local field potential data recorded from rats as they navigate a 2D maze. The CNN’s output drives a RatSLAM-inspired architecture, powering an attractor network which performs path integration plus a separate system which performs `loop closure’ (detecting previously visited locations and correcting map aliasing errors). Together, these three components can construct faithful representations of the environment while simultaneously tracking the animal’s location. This is the first demonstration of inference of a spatial map from brain recordings. Our findings expand SLAM to a new modality, enabling a new method of mapping environments and facilitating a better understanding of the role of cognitive maps in navigation and decision making.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google