跳到正文
arXiv cs.AI· Nikhil X. Bhattasali, Jaron Cui, Lerrel Pinto, Grace W. Lindsay·· 10 小时前AI 评分31

Rat NCAP:基于哺乳动物脊髓回路的具身大鼠运动神经架构

Neural Circuit Architectural Priors for Rat Locomotion

AI 导读

研究者提出 Rat v2 生物力学大鼠身体与 Rat NCAP 神经架构,后者基于哺乳动物脊髓回路,引入细胞类型特异性连接和新型屈伸肌神经机械接口。模型无需模仿学习即可学会不同速度运动与步态切换,其运动统计、运动学和细胞类型特异性神经活动与实验数据一致。GPU 加速仿真训练基础设施支撑了电路参数优化,硅内细胞类型消融复现已知步态表型并预测渐变扰动下的步态变化。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:动物通过其神经回路、身体与环境之间的持续交互产生行为。具身仿真通过在生物学上逼真的环境中测试神经回路模型来研究这些交互。近期的工作已对多种动物进行了仿真,而基于生物学基础的神经架构的新兴研究已开始将实验数据中的回路连接性和单单元动力学整合到人工神经网络中,从而引入更强的归纳偏置以及与生物学更紧密的机制对齐。我们如何开发能够研究日益复杂的身体和神经回路的具身仿真?在这项工作中,我们通过仿真身体、神经架构和训练基础设施的协同进展来应对这一挑战。我们推出 Rat v2,一个用于仿真大鼠行为的高效且灵活的生物力学身体。为了控制这个身体,我们开发了 Rat NCAP,一种基于哺乳动物脊髓回路的、具有生物学基础的运动神经架构,它融合了细胞类型特异性连接性和一种新颖的屈肌-伸肌神经力学接口。为了优化回路参数,我们开发了 GPU 加速的仿真和训练基础设施。该模型无需模仿学习即可学会以不同速度运动并在步态之间转换,产生与实验数据一致的运动统计、运动学和细胞类型特异性神经活动。分析表明,神经力学接口对可训练性和步态质量有实质性影响,并且计算机模拟的细胞类型消融再现了已知的步态表型,并预测了分级扰动下的步态变化。总之,这些发现支持这样一种观点:处于中等抽象水平的具身仿真能够同时再现复杂行为,并为产生该行为的神经回路提供机制性见解。
评论: NeurIPS 2026。正文 10 页,全文 41 页,正文 7 幅图。代码和视频:此 https URL
主题: 神经元与认知(q-bio.NC);人工智能(cs.AI);机器学习(cs.LG);神经与进化计算(cs.NE);机器人学(cs.RO)
引用为: arXiv:2611.23364 [q-bio.NC]
  (或 arXiv:2611.23364v1 [q-bio.NC] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.23364

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Nikhil Bhattasali [查看电子邮件]
[v1] 2026 年 11 月 17 日星期二 18:57:31 UTC(7,517 KB)

来源:arXiv cs.AI · arxiv.org