論文の概要: Decoding Neural Population Dynamics through Robotic Analog

• arxiv url: http://arxiv.org/abs/2610.09977v1
• Date: Wed, 07 Oct 2026 12:42:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.909311
• Title: Decoding Neural Population Dynamics through Robotic Analog
• Title（参考訳）: ロボットアナログによるニューラルポピュレーションダイナミクスの復号
• Abstract要約: 我々は,人工筋肉,マルチモーダルセンサ,強化学習によるニューラルネットワークコントローラを備えた生体運動系のロボットアナログを開発した。 ロボットアナログは、動物に似た正確な動き、損傷に対する堅牢性、神経集団のダイナミクスを示した。
• 参考スコア（独自算出の注目度）: 5.08160058414107
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Animal evidence shows that precise voluntary movements arise from rotational neural population dynamics in motor cortex, but their physical effects remain unknown. We developed a robotic analog of biological motor systems with artificial muscles, multimodal sensors, and a neural network controller trained via reinforcement learning. The robotic analog exhibited accurate movements, robustness to damage, and neural population dynamics akin to animals. This task-driven, embodied model illuminates the causal link between neural population dynamics and motor outcomes. We discovered that neural rotations generate oscillatory maneuvers orthogonal to the reaching direction, optimizing trajectory adjustments, which is confirmed by primate neural data. The model also revealed counterintuitive neural energy principles under sensor and motor redundancies, and striking Eureka moments during motor learning, bridging biological and artificial systems. These findings provide new perspectives on how neural dynamics contribute to accurate and flexible movement, inspiring future intelligent robots with animal-like mobility.
• Abstract（参考訳）: 動物による証拠は、運動皮質の回転神経集団動態から正確な随意運動が生じることを示しているが、その物理的影響は分かっていない。 我々は,人工筋肉,マルチモーダルセンサ,強化学習によるニューラルネットワークコントローラを備えた生体運動系のロボットアナログを開発した。 ロボットアナログは、動物に似た正確な動き、損傷に対する堅牢性、神経集団のダイナミクスを示した。 このタスク駆動型エンボディドモデルは、ニューラル人口動態と運動結果の因果関係を照らす。 ニューラルローテーションは, 到達方向と直交する振動運動を発生させ, 軌道調整を最適化し, 霊長類ニューラルデータで確認した。 このモデルはまた、センサーとモーターの冗長性の下での神経エネルギーの反直感的原理を明らかにし、運動学習、生物学的および人工システムのブリッジングにおいてユーレカモーメントに打撃を与えた。 これらの発見は、神経力学が正確で柔軟な運動にどのように貢献するかの新しい視点を与え、動物のような移動性を持つ未来の知的ロボットに刺激を与える。

関連論文リスト

• The embodied brain: Bridging the brain, body, and behavior with neuromechanical digital twins [0.6245075188230803]
  ニューロメカニカルデジタルツイン(Neuromechanical Digital twins)は、人工神経コントローラーをシミュレーション環境に組み込む計算モデルである。 神経力学モデルによって、研究者は実験で測定することが難しい隠された生体物理学的変数を推測できることを示す。 我々は、神経科学、ロボット工学、機械学習とのより深い交流を促進するために、神経機械の双生児がどのように使われているかを探る。
  論文  参考訳（メタデータ） (2026-01-12T22:57:45Z)
• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• Evolution imposes an inductive bias that alters and accelerates learning dynamics [49.1574468325115]
  進化的最適化がニューラルネットワークの学習力学に与える影響について検討する。 我々は,アルゴリズムの自然選択とオンライン学習を組み合わせて,ニューラルネットワークの進化的条件付け手法を開発した。 結果は、進化はニューラルネットワークをチューニングして迅速な学習を可能にする誘導バイアスを構成することを示唆している。
  論文  参考訳（メタデータ） (2025-05-15T18:50:57Z)
• SpikingSoft: A Spiking Neuron Controller for Bio-inspired Locomotion with Soft Snake Robots [9.358725923314006]
  本研究は, 柔らかいヘビの振動を利用した移動歩行の可能性を探るものである。 可変出力パターンを生成するために、調整可能なしきい値を持つDouble Threshold Spiking Neuronモデルを導入する。 当社のアプローチであるSpkingSoftが自然にペアリングし,強化学習と統合できることを実証する。
  論文  参考訳（メタデータ） (2025-01-31T12:00:54Z)
• Learning with Chemical versus Electrical Synapses -- Does it Make a Difference? [61.85704286298537]
  バイオインスパイアされたニューラルネットワークは、ニューラルネットワークの理解を深め、AIシステムの最先端を改善する可能性がある。 我々は,光リアルな自律走行シミュレータを用いて自律車線維持実験を行い,その性能を種々の条件下で評価する。
  論文  参考訳（メタデータ） (2023-11-21T13:07:20Z)
• From Data-Fitting to Discovery: Interpreting the Neural Dynamics of Motor Control through Reinforcement Learning [3.6159844753873087]
  足の移動を行う仮想ロボットの構造的神経活動について検討した。 歩行訓練されたエンボディードエージェントは、タングリングを避けるスムーズなダイナミックスを示す。
  論文  参考訳（メタデータ） (2023-05-18T16:52:27Z)
• Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
  神経科学の基本的な目標は、神経活動と行動の関係を理解することである。 我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。 このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
  論文  参考訳（メタデータ） (2021-11-29T15:27:51Z)
• Continuous Learning and Adaptation with Membrane Potential and Activation Threshold Homeostasis [91.3755431537592]
  本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。 このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。 実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
  論文  参考訳（メタデータ） (2021-04-22T04:01:32Z)
• Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of legged robots [58.720142291102135]
  スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。 終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
  論文  参考訳（メタデータ） (2021-01-24T12:44:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。