Investigadores de Google DeepMind y la Universidad de Harvard han desarrollado un modelo virtual de rata con un cerebro artificial capaz de imitar los movimientos de sus contrapartes naturales. El estudio fue compartido en Nature.
El objetivo principal de este modelo es profundizar en la comprensión de cómo los cerebros controlan el movimiento. A pesar de los avances en robótica, el campo aún no ha logrado emular el movimiento natural de animales y humanos.
Sim-to-real
Diego Aldarondo, estudiante de posgrado en Harvard, destacó las complicaciones tanto en hardware como en software. “En el hardware, los investigadores han encontrado dificultades para construir robots con la flexibilidad, robustez y eficiencia energética de los cuerpos animales,” explicó.
En cuanto al software, mencionó que las dificultades radican en desarrollar simulaciones físicas eficientes y pipelines de aprendizaje automático para entrenar controladores que emulen el movimiento humano.
Además, el desafío conocido como “sim-to-real gap” (vacío de la simulación a la realidad) surge de las diferencias entre los simuladores físicos y el mundo real, complicando la transferencia de controladores aprendidos en simulación a robots reales.
Aldarondo, junto con el profesor Bence Ölveczky y otros científicos de Harvard y Google DeepMind, desarrollaron un modelo digital biomecánicamente realista de una rata.
El equipo utilizó herramientas de Google DeepMind para entrenar redes neuronales artificiales (ANNs) que pueden controlar modelos biomecánicos de animales en simuladores físicos como MuJoCo.
También crearon un pipeline llamado Motor IMItation and Control (MIMIC) para entrenar las redes neuronales en el comportamiento de las ratas utilizando datos de alta resolución registrados de ratas reales.
Importancia
Esta investigación es importante para la neurociencia, ya que permite el desarrollo de modelos computacionales que recapitulan el movimiento animal en simulaciones físicas y predicen la estructura de la actividad neuronal esperada en cerebros reales.
Usando las redes neuronales, los autores pudieron construir modelos dinámicos inversos que guían los movimientos corporales y permiten pasar del estado actual al deseado del cuerpo. El modelo virtual, al medir la actividad neuronal de las ratas reales y del modelo, predijo con precisión la actividad neuronal de las ratas reales.
Esto abre nuevas posibilidades en la neurociencia virtual, donde animales simulados por IA podrían ser utilizados para estudiar circuitos neuronales y cómo estos se ven comprometidos en enfermedades. Los investigadores afirman estar ansiosos por acercarse a comprender cómo los cerebros reales generan comportamientos complejos.