海馬に基づく擬似神経システムを備えたモバイル頭脳ベースのデバイス
【課題】擬似神経システムによって制御し、統制する物理モバイルデバイスＮＯＭＡＤを有する頭脳ベースのデバイス（ＢＢＤ）を提供する。
【解決手段】この擬似神経システムは、海馬の複雑な解剖学的構造及び生理機能と、皮質を含むその周囲の神経領域とに基づいている。ＢＢＤは、非常に多くの物体からの空間信号を時間内に統合して、未知の世界の探検を手助けするための柔軟なナビゲーション解決法を提供する。ＮＯＭＡＤは実世界環境内をナビゲートするので、擬似神経システムの海馬は、時間的尺度でＮＯＭＡＤのセンサから受信されるマルチモード入力情報を組織し、この組織をナビゲーションに必要な空間的エピソード記憶の発達のために使用する。
【解決手段】この擬似神経システムは、海馬の複雑な解剖学的構造及び生理機能と、皮質を含むその周囲の神経領域とに基づいている。ＢＢＤは、非常に多くの物体からの空間信号を時間内に統合して、未知の世界の探検を手助けするための柔軟なナビゲーション解決法を提供する。ＮＯＭＡＤは実世界環境内をナビゲートするので、擬似神経システムの海馬は、時間的尺度でＮＯＭＡＤのセンサから受信されるマルチモード入力情報を組織し、この組織をナビゲーションに必要な空間的エピソード記憶の発達のために使用する。
【発明の詳細な説明】
【技術分野】
【０００１】
（優先権主張）
米国特許仮出願番号60/588,107、発明名称「海馬に基づいた擬似神経システムを有するモバイル頭脳ベースのデバイス」、発明者Gerald M. Edelmanら、出願日2004年7月15日（代理人管理番号NSRF-01001US0）、及び、米国特許出願番号11/___,___、発明名称「海馬に基づいた擬似神経システムを有するモバイル頭脳ベースのデバイス」、発明者Gerald M. Edelmanら、出願日2005年7月12日（代理人管理番号NSRF-01001US1）。
【０００２】
（著作権通告）
本特許明細書の開示部分は、著作権保護を受ける資料を含む。著作権者は、それが特許商標庁のファイル又は記録において発行される限りは、特許明細書又は特許開示の何れによる複製転載に関して異議はないが、それ以外については、如何なるものであれ全著作権を所有する。
【０００３】
本発明は、頭脳ベースのデバイスに関し、より詳細には、実世界環境においてナビゲートすることができる頭脳ベースのデバイスに関する。
【背景技術】
【０００４】
知能システムは、自立的に行動し、仕事を知的な方法で自動化し、人間の知識を拡張することを意図して開発されてきた。これらのシステムは、次に示す、基本的に既知技術の３つの異なる個別分野にそれぞれ基づいて設計及びモデル化されている。
（１）人工知能（ＡＩ）
（２）人工神経ネットワーク（ＡＮＮ）、そして
（３）頭脳ベースのデバイス（ＢＢＤ）
ＡＩ及びＡＮＮに基づく知能システムは、ロボット工学にまで及ぶ範囲でチェスをプレイするようなタスクを実行するようプログラムされた、ディジタルコンピュータを含む。ＡＩアルゴリズムは、論理ベースであり、複雑多岐なソフトウェア命令と共に実装された複雑なアルゴリズムを実行するようプログラムされている。ＡＮＮは、生物学的なニューロンの簡略され過ぎた抽象であり、神経システム構造（例えば、神経構造）が考慮されておらず、所望の結果を得るために、監視信号又は教師信号をしばしば要求する。一方で、ＢＢＤは異なる原則に基づいており、知的システムの発展に対して異なる取り組み方法がとられている。
【０００５】
ＢＢＤは、根本的な神経生物学的原則に基づいており、生物に見られる知覚及び学習の頭脳ベースに習ってモデル化されている。ＢＢＤは、行動と形状記憶とを制御する詳細な神経構造及び神経ダイナミクスを伴った、擬似頭脳又は擬似神経システムを組み入れている。また、ＢＢＤは、形態又は表現型と呼ばれる物理的な具体例を有しており、これにより環境内の活動的な検知及び自立的な動作が可能となる。生物に類似するＢＢＤは、その環境から受信する未分類信号を類型に編成する。重要な環境上の事象が発生したとき、評価システムと呼ばれる擬似神経領域を有するＢＢＳは、デバイスの行動を採用する。
【発明の開示】
【発明が解決しようとする課題】
【０００６】
論理ベースの知的システム及びＢＢＤが作動する原理の相違は重要である。これら原理が強力であればあるほど、論理ベースマシンは、新規な状況に効果的に対処することができず、大きなデータセットを同時に処理することができない。これらは、典型的には、予期できず、かつ、非常に多くの要素及び偶発性からなるものであるので、その性質上、新規な状況は、あらかじめプログラムしておくことができない。さらに、広範なパラメータ及び変化する前後関係を伴う状況は、プログラミングにおいて実質的な困難性をもたらす。そして、多くのアルゴリズムはスケーリング特性が乏しく、それは、入力変数の増大に伴って、指数関数的に増大する実行時間を要求されることを意味する。
【０００７】
それゆえ、自立的なロボットシステム等の知的システムにおける挑戦課題は、未知の環境探索における成功である。実世界における探索は、ナビゲーションと解決すべき空間記憶タスクとを要求する。しかしながら、このタスクにおいて成功するために要求される記憶は、生物においてのみ見出される機能を要求し、それらは「エピソード」記憶の特質と信じられている。つまり、（１）マルチモードな検知情報を干渉性パターンの中に一緒に置く能力、（２）時間上で情報を一緒に置き、時間的な結果を想起する能力、（３）指示された行動を目指すために記憶を使う能力、である。頭脳の中央側頭葉に位置し、臨床的かつ生理学的によく研究されている海馬は、人間及び動物にける記憶及びナビゲーションに対して非常に重要であることが知られている。したがって、海馬は、先行の生物学ベースのナビゲーションシステムに影響を与え、いくつかはコンピュータ上の海馬モデルであり、他のいくつかはロボットに応用された海馬モデルであったが、その何れにおいても制約があった。
【０００８】
先行のコンピュータ上の海馬モデルは仮想入力を伴う計算機上のシミュレーションとして実行されるものであった。これらのコンピュータ上の海馬モデルは、仮想を作り出し、その入力に対する適切な反応を取得するために「先天的な（a priori）」情報を使用する。例えば、これらコンピュータモデルの海馬上の「場所」細胞（つまり、動物が環境内の特定の場所にいるときに活性化するニューロン）は、例えば、デカルト空間における２Ｄ（二次元）ポイントなどのモデラーによって具体的に処理された検知入力の組み合わせに応答する。これらの仮定に対する理由の一部は、コンピュータ上の海馬モデルが実環境に置かれていない、それゆえ、これらの偏向（bias）を必要としているところに起因していた。
【０００９】
コンピュータ上の海馬モデルのいくつかは、海馬と頭脳の他の領域（例えば、新皮質）との間の相互作用を調査した。しかしながら、これらモデルのいくつかの解剖学的構造は単純過ぎて、海馬皮質の相互作用を意味のある方法で正確には反映していなかった。かかるモデルの１つは、皮質入力としての概念であり、環境地図上の動物の動作に影響を与える活動の移動衝突によって経路統合が解決される想定を形成する、視覚的及び経路統合処理によって海馬の組成を統合する。もし、動物が実世界環境にあるならば、これは、実現可能でない。他のモデルは、海馬内の適切な結合を完全に伴った海馬の洗練されたモデルを構成している。このモデルはかなり詳細であるが、これに対する入力は、海馬に集中する、生成されたマルチモード検知入力に耐えることができないトークン又はシンボルである。このモデルは、記憶想起として読み出される抽象的な出力パターンを生成する。しかしながら、例えば、海馬反応が実際の適応性ある行動をもたらす齧歯類動物のものを伴ったこの反応を解決することは難しい。
【００１０】
また、モバイルロボット上で海馬モデルも例示されている間、これら多くのものもまた、例えば、海馬「場所」細胞の反応か、又は、海馬へ入力されるマップの反応を駆動する「先天的な」情報といった仮定を形成する。ナビゲーションタスクのモバイルロボットを制御する神経シミュレーションを有する僅かなロボットモデルは、自律的な探検によってマッピング及び海馬反応を学習する。かかるモデルの１つは、神経生物学に非常に大雑把に関連付けられ、学習のための逆伝搬法（back propagation）として知られているものに類する学習アルゴリズムを使用していた。これは、これは、人工知能ＳＬＡＭシステムと、環境のマップのような表現を生成するために海馬において表現されたアトラクタダイナミクス概念との混成である、ＲａｔＳＬＡＭと呼ばれる齧歯類動物の海馬によって影響を受けた、同時局在化及びマッピングアルゴリズムに進展した。さらに、他は、項目指示システムに視覚入力を統合したロボットモデルを構築し、ここで、「場所」細胞は、探検中にモデルの海馬層に発達し、生物学ベースの報酬システムは、「場所」細胞と目標指向行動との間の学習を駆動した。しかしながら、このモデルのいくつかの機能は、生物学に対して忠実ではない。（１）まず、ロボットモデルが新しい場所を発見したことを決定したとき、「場所」細胞は発達する海馬層に加えられる。齧歯類動物などの実物においては、海馬細胞はその皮質又は何れかの入力組み合わせに依存する複数の場所に反応できる。この柔軟性により、分化した位置決めシステムに対立するものとしての海馬多目的記憶マップを実現できる。また、海馬細胞は、必要な基盤として加えられない。（２）第２に、ロボットモデルはフィードフォワードであり、海馬の機能である内因性及び外因性の循環を考慮していなかった。さらに他のシステムにおいては、海馬神経構造及び生物学ベースの目標システムが造られており、モバイルロボット上で試験されている。しかしながら、「場所」細胞は、制御環境のグリッドを応答が一様に覆うよう設計されているという意味において人工的である。報酬学習は、これら場所間の認識マップを作成するために使用される。さらに、海馬において多くの詳細が見出だされ、その周辺領域はモデルに包含されたが、情報はモデルを通って純粋なフィードフォワード形式の中を流れ、嗅内皮質を通って帰還せず、従って新皮質上を通る。
【００１１】
１０年以上前、ＳＬＡＭ（同時局在化及びマッピング）と通常呼ばれる、ロボットの位置を局在化している間にマップを同時に生成するための統計上のフレームワークが発達した。それ以来、ロボットマッピングの分野は、確率論的技術によって支配された。ナビゲーション問題に対する再帰的解決と、乗り物の動き及びランドマーク監視の静的モデルに基づいた乗り物及びランドマークに対する一致推定（consistent estimate）を計算する手段との両方を直接的に提供するので、最もポピュラーなものは、推定理論又はカルマンフィルタベースのアプローチである。これらロボットのアプローチは、典型的には、レーザー距離計、ソナー又はレーダーによるランドマークまでの距離を測定してランドマークのマップを生成し、同時に、ロボットの位置を推定する。これらの技術は、特定のオフィス環境におけるロボット、郊外環境におけるロボット、そして無人の空中機体のロボットに対するマップ生成では非常にうまくいった。しかしながら、これらの技術は、物体又は状況認識の問題、又は、適切な行動をとる問題、つまりナビゲーションの問題には対処していなかった。
【課題を解決するための手段】
【００１２】
本発明は、地形のどの側面を越えることができるか、そしてどの側面を迂回すべきかを学習することによって、変化する地形に適応することができる頭脳ベースのデバイス（ＢＢＤ）である。ＢＢＤは、先行のロボットシステムのマップ作成を超える、環境側面における決定を行う。これらの決定は、本発明にかかるＢＢＤが作り出す局所物体特徴の知覚分類を要求するので、それによって、ＢＢＤは進路を計画することができるようになる。
【００１３】
本発明にかかるＢＢＤは、神経領域、具体的には、海馬、頭頂皮質、下側頭皮質、及び視床の項目指示システムを有する擬似神経システムを含んでいる。海馬とこれらの領域（図３Ａを参照）との間の双方向結合は、海馬（図３Ｂを参照）内の複雑な結合と同様に、時間とともに多様な情報を循環するシステムからなり、時間的な前後関係を伴った連合記憶の形成を可能にしている。また、ＢＢＤは、擬似神経システム制御下の実世界環境において移動可能な可動性ベースを有しており、併せて、ＢＢＤが物体を認識し、評価結果を有する行動を選択することができる多重センサ入力を伴っている。
【００１４】
これらは、複雑な地形においてナビゲートする本発明のＢＢＤのために、レーザー又はレーダーベースの擬似局在化及びマッピング（ＳＬＡＭ）からの信号を、ＢＢＤ物体認識システム及び空間内の行動マップに結合させることができる。
【発明を実施するための最良の形態】
【００１５】
（詳細説明）
本発明の側面は、同じ参照は同様の要素を示す添付図の図面のおいて、限定としてではなく、例示として説明されている。本開示における「ある」、「一つの」、そして「多様な」実施形態への参照は、必ずしも同一の実施形態に必要なものではなく、かかる参照は少なくとも一つを意味する。以下の記述において、本発明の記述を通して与えられるよう、多くの具体的詳細が記載されている。しかしながら、当業者であれば、これらの具体的な詳細なしでも本発明が実施可能であることは明らかである。他の事例において、既知の特徴については、本発明を不明確にしないために、詳細には記載していない。
【００１６】
図１に、自身の環境内を探検し、その環境を経験しながら適応性のある行動を発達させることができるモバイル神経組織モバイル適応デバイス（ＮＯＭＡＤ）１０の一例として示された、物理的に例示されたデバイスを含む、本発明の頭脳ベースのデバイス（ＢＢＤ）の描写図を示す。この頭脳ベースのデバイスＢＢＤは、また、その実世界環境においてＮＯＭＡＤ１０を導くための、擬似的な神経システム１２（図３Ａ〜３Ｂを参照）も含んでいる。一実施形態において、この擬似的な神経システム１２は、さらに記述するように、ＮＯＭＡＤ１０から離れたコンピュータワークステーション（図１０を参照）のクラスタ上を実行できる。この環境において、ＮＯＭＡＤ１０及びコンピュータワークステーションは、無線通信を介して互いに通信し、それゆえ、ＮＯＭＡＤ１０は、係留されることなく探検が可能となっている。
【００１７】
物理的なデバイス例において、図１に示したＮＯＭＡＤ１０は、モバイルベース１４と視覚のためのＣＣＤカメラ１６とを備えている。また、ＮＯＭＡＤ１０は、自己移動の合図のための走行距離計１８と、エフェクタ２０と、障害物回避のためにＮＯＭＡＤ１０を包囲する７つの赤外線（ＩＲ）検知器２２と、移動時に包囲環境内の隠されたプラットフォーム（図２Ａ〜２Ｂを参照）を検知するために下方正面にある１つのＩＲ検知器２４とを有している。ＮＯＭＡＤ１０の上部には、ＮＯＭＡＤ１０が移動する環境上に配置された２つのカメラ（後述）によって検知可能な、環境内のＮＯＭＡＤの位置を追跡するためのＬＥＤ２６がある。
【００１８】
擬似神経システム１２は、実際の解剖学及び生理学の組織に基づいてＮＯＭＡＤ１０の行動を誘導し、生きている生物体の環境との相互作用を重要視するものである。よって、この行動は、以下の設計原則に基づいている：（１）ＮＯＭＡＤ１０は、行動タスクに従事すべきである；（２）ＮＯＭＡＤの行動は、頭脳のアーキテクチャ及びダイナミクスを反映した設計を有する擬似神経システムによって制御されるべきである；（３）ＮＯＭＡＤ１０は、実世界に置かれるべきである；そして、（４）ＮＯＭＡＤ１０行動と擬似神経システム１２の活動とは、実験データとの比較が可能であるべきである。これらの特性によって、ＢＢＤシミュレーションは、脊椎動物の頭脳アーキテクチャ及びダイナミクスに影響を与える神経要素のネットワークと、実時間でのネットワーク実行を計算する性能と、例えばＮＯＭＡＤ１０のような物理デバイスの工学技術とを要求して、以下に述べる全てのネットワークを包含する。
【００１９】
図２Ａに、ＮＯＭＡＤ１０が移動する包囲環境２８の配置を概略的に示す。包囲環境２８は、例えば、黒い壁３０と黒い床３２とで囲まれた１６’×１４’の広さである。様々な色で色付けされた工作用紙３４のセットが、黒壁３０の各々に掛けられている。図示したように、各々のセット３４は複数片の工作用紙を有しており、所定のセット３４における各々の断片は同じ幅を有しているが、他のセット３４の断片とは異なる幅になっている。
【００２０】
また、図２Ａには、反射的な黒い工作用紙でできた直径２４″の隠されたプラットフォーム３６が示されている。隠されたプラットフォーム３６は、「隠されたプラットフォーム課題」又は後述する試行に対して包囲環境２８の右上四半部の中心に配置されている。ＮＯＭＡＤ１０は、自身がプラットフォーム３６の上に位置するときに下方正面のＩＲ検知器２４を使用することによって、この隠されたプラットフォーム３６を検知することができる。
【００２１】
図２Ｂに、包囲環境２８内のＮＯＭＡＤ１０を示すスナップ写真を示す。また、ＮＯＭＡＤ１０は、ＢＢＤの空間及びエピソード記憶を判断するために使用される、隠されたプラットフォーム課題を遂行している様子が示されている。詳細は後述するが、隠されたプラットフォーム課題は、「テスト」試行と「精査」試行との組の２つのフェーズを含んでいる。テスト試行においては、ＮＯＭＡＤ１０は、床３２上のいくつかある位置の何れか１つから移動し始め、隠されたプラットフォーム３６に遭遇するか、或は、１０００秒後若しくは５０００サイクル後といった時間切れとなるまで、いくつかの試行を開始する。試行後、精査試行はＢＢＤの記憶パフォーマンスを評価するために使用される。精査試行においては、隠されたプラットフォーム３６は包囲２８から取り除かれて、ＮＯＭＡＤ１０はこの包囲内を５０００サイクル移動することができる。
【００２２】
図３Ａは、擬似神経システム１２の局部的かつ機能的な神経構造の概略図であり、海馬及びその周辺領域の複雑な組織と生理機能とを含んでいる。この擬似神経システム１２は、多くの物体からの空間信号を遅れることなく統合し、環境２８といった未知の環境の探検における手助けのための柔軟なナビゲーション解法を提供する。ナビゲーション課題の間の神経領域からの同時のサンプリングにより、海馬のアーキテクチャは、より完全には後述するが、空間及びエピソード記憶の発達のために重要な、異なる時間スケール上のマルチモード情報を構成するための手段を提供する。
【００２３】
図３Ａに示したように、擬似神経システム１２は、哺乳動物の神経システムの組織及び生理機能に習ってモデル化されているが、理解できるように、遥かに少ないニューロン及び非常に簡素なアーキテクチャで構成されている。擬似神経システム１２は、人間の頭脳に類似の皮質及び皮質下に従ってラベル付けされた、いくつかの神経領域を有する。このようにして、図３Ａには、Ｖ１カラー，Ｖ２／４カラー，ＩＴ，Ｖ１幅，Ｖ２／４幅，Ｐｒ，ＨＤ，ＡＴＮ，ＢＦ，海馬，Ｒ＋，Ｓ，Ｒ−，そして、ＭHDGとしてラベル付けされた神経領域がそれぞれ示されている。Ｖ１カラー，Ｖ２／４カラー等の各々の神経領域は、種類の異なる神経ユニットを含んでおり、その各々は、ニューロンの局所的個体群を表わしている。図３Ａに示された各々の楕円は、各々が多くの神経ユニットを有する、異なった神経領域を意味する。哺乳類の神経システムにおける対応する領域から、モデル化された又は擬似的な神経領域を区別するために、擬似領域には、例えばＩＴなどのように、下線を施すこととする。
【００２４】
また、図３Ａの神経構造は、多様な投射Ｐ（図の矢印参照）を介した神経シミュレーション１２の図式的な結合を示す。投射Ｐは、神経ユニット間の複数のシナプシス結合を含む。シナプシス結合により、シナプシス前ニューロンユニットからシナプシス後ニューロンユニットへ信号が送られる。投射Ｐは、神経領域内又は神経領域間の何れかの投射である。さらに、投射Ｐは、図３Ａにおける凡例によって示された通りの属性を有しており、それらは、（１）「電圧独立」、（２）「電圧依存」、（３）「可塑性」、（４）「抑制性」、（５）「評価依存」であるが、詳細は後述する。
【００２５】
擬似神経システム１２への入力は、ＣＣＤカメラ１６、ホイール走行測定器１８、そして、環境２８内の壁３０と隠されたプラットフォーム３６とを検知するためのＩＲセンサ２２、２４から得られるものである。擬似神経システム１２の神経領域は、視覚皮質（Ｖ１，Ｖ２／４）、下側頭皮質（ＩＴ）、頭頂皮質（Ｐｒ）、知能指示細胞（ＨＤ）、前方視床核（ＡＴＮ）、自己中心的な項目（heading）のためのモータ領域（ＭHDG）、評価システム（Ｓ）、そして、正報酬領域及び負報酬領域（Ｒ＋，Ｒ−）に類似している。海馬は、３つの主要なセンサ入力ストリーム（ＩＴ，Ｐｒ，ＡＴＮ）、モータシステム（ＭHDG）、評価システム（Ｓ）に結合される。明瞭のために、各神経領域内の内在的な結合は図３Ａから割愛する。
【００２６】
図３Ｂに、海馬領域内の詳細結合を示す。モデル化された海馬は、嗅内皮質（ＥＣＩＮ，ＥＣＯＵＴ）と、歯状脳回（ＤＧ）と，ＣＡ３部分野と、ＣＡ１部分野とに類似する領域を含む。これらの領域は、フィードバック抑制（例えば、ＣＡ３→ＣＡ３ＦＢ→ＣＡ３）、フィードフォワード抑制（例えば、ＤＧ→ＣＡ３ＥＦ→ＣＡ３）、及び、規則的な抑制（例えば、ＢＦ→海馬）を生じさせる介在ニューロンを含む。
【００２７】
擬似神経システム１２のさらに詳細な説明が、以下の表１及び表２に与えられている。しかしながら、全体的に、以下に詳述するテスト試行及び精査試行において使用される擬似神経システム１２のバージョンには、全部で５０の神経領域と、該５０の神経領域内にある９０，０００の神経ユニットと、略１４０万のシナプシス結合とが存在する。
【００２８】
図３Ａに示した擬似神経システム１２は、次の５つのシステムからなる：（１）視覚システム３８、（２）知能指示システム４０、（３）海馬構造４２、（４）評価システム４４、そして、（５）活動選択システム４６である。
【００２９】
（図３Ａ．視覚システム３８）
視覚システム３８は、第１後頭側頭又は下側皮質経路及び背面皮質経路に習ってモデル化されている。視覚システム（Ｖ１_カラー→Ｖ２／４_カラー→ＩＴ）における、図３Ａに示された下側皮質経路は、連続する領域の神経ユニットを含み、下側頭皮質（ＩＴ）において、視覚野全体を覆って地形を有さない受容野までの、累進的に大きな受容野を有する。図３Ａに示した背面皮質経路（Ｖ１_幅→Ｖ２／４_幅→Ｐｒ）は、物体のサイズ及び位置に応答する神経ユニットを含む。
【００３０】
ＣＣＤ１６からの視覚イメージは、色及び縁についてフィルタされ、そのフィルタ出力は、領域Ｖ１-色及び領域Ｖ１-幅における神経活動に直接影響を及ぼす。例えば、ＣＣＤカメラは、ＮＯＭＡＤ１０上のＲＦ送信機を介して、３２０ｘ２４０ピクセルＲＧＢビデオイメージを、神経シミュレーションを実行しているコンピュータワークステーション（以下に記載）の１つに取り付けられたフレームグラッバーに送信する。このイメージは、８０ｘ６０ピクセルイメージを生成するよう空間的に平均される。サイズの異なるガボールフィルター（８ｘ８，１６ｘ１６，３２ｘ３２，そして、６４ｘ６４）を変化する幅の垂直エッジを検出するために利用することができる。ガボール関数の出力は、対応するＶ１幅サブ領域（Ｖ１-幅８，Ｖ１-幅１６，Ｖ１-幅３２，そして、Ｖ１-幅６４）（図３Ａに不図示）の神経ユニット上に直接マップされる。カラーフィルタ（例えば、緑のネガの周囲を伴った赤いポジのセンター、緑のポジの周囲を伴った赤いネガのセンター、ネガの赤緑を伴ったポジの青、ポジの赤緑を伴ったネガの青など）をイメージに適用することができる。カラーフィルタの出力は、Ｖ１カラーサブ領域である、Ｖ１−赤、Ｖ１−緑、Ｖ１−青、そして、Ｖ１−黄（図３Ａに不図示）の神経ユニット上に直接マップされる。Ｖ１神経ユニットは、網膜対応的にＶ２／Ｖ４における神経ユニットに投射する。
【００３１】
（図３Ａ．項目指示システム４０）
領域ＨＤにおけるニューロンは、しばしば「項目指示（head direction）」細胞と呼ばれる。ＮＯＭＡＤ１０のホイール２０から取得される情報は、ＮＯＭＡＤ１０の現在の項目（heading）を確立するために使用される。この情報は、項目指示神経領域（ＨＤ）への入力となる。３６０ＨＤ神経ユニット（表１を参照）の各々は、コサインチューニング曲線を有しており、□ラジアンの調整幅を伴った好適な項目に最大限に応答する。
【数１】
ここで、ＨＤiは
の好適な指示を伴った項目指示細胞であり、ｉは０から３５９までの範囲であり、ｃｕｒｒ＿ｈｅａｄｉｎｇは、走行距離計情報から計算されるＮＯＭＡＤの項目である。
【００３２】
項目指示細胞は、前方視床核（表２及び図３ＡのＨＤ→ＡＴＮを参照）と、項目（表２及び図３ＡのＨＤ→ＭHDGを参照 − 注：この経路は、図３Ａでは不図示）に基づくモータ領域とに類似する領域に地形的に投射する。ＮＯＭＡＤ１０に対する新しい項目は、神経領域ＭHDGにおける活動に基づいて選択される（図３Ａを参照 − さらに詳細は、下記の「活動選択」を参照）。
【００３３】
（海馬構造 − 神経領域海馬４２）
擬似的な海馬構造のアーキテクチャは、齧歯類動物の神経構造に基づいている。海馬への入力ストリームは、擬似神経システムにおける関連する皮質領域からのものであり、嗅内皮質２（表２及び図３Ａ−３ＢのＡＴＮ→ＥＣIN，ＩＴ→ＥＣIN，Ｐｒ→ＥＣINを参照）を介して海馬に到達する。ミシン目の経路は、主に、嗅内皮質から歯状脳回への投射のみならず、ＣＡ３及びＣＡ１サブフィールドへも投射している（表２及び図３ＢのＥＣIN→ＤＧ，ＥＣIN→ＣＡ３，ＥＣIN→ＣＡ１を参照）。保守的な繊維（表２及び図３ＢのＤＧ→ＣＡ３を参照）、シェーファー副側（表２及び図３ＢのＣＡ３→ＣＡ１を参照）、そして、海馬から皮質へ戻る発散投射（表２及び図３Ａ−３ＢのＣＡ１→ＥＣOUT→ＡＴＮ，ＩＴ，Ｐｒを参照）もまた、擬似神経システム１２に現れている。海馬構造において見られる優勢な再帰結合は、また、擬似神経システム１２にも含まれる（表２及び図３ＢのＥＣIN→ＥＣOUT，ＤＧ→ＤＧ，ＣＡ３→ＣＡ３を参照）。本来、海馬内の全ての結合（つまり、ＥＣIN，ＥＣOUT，ＤＧ，ＣＡ３，ＣＡ１）は、評価独立及び可塑的である（以下の「シナプシス可塑性」の節を参照）。
【００３４】
海馬における、内在的及び外在的な、フィードバック及びフィードフォワード抑制結合の特有なパターンは、海馬処理における重要な役割を担っている。従って、擬似神経システム１２は、フィードバック抑制結合（表２及び図３ＢのＥＣ→ＥＣFB→ＥＣ，ＤＧ→ＤＧFB→ＤＧ，ＣＡ３→ＣＡ３FB→ＣＡ３，ＣＡ１→ＣＡ１FB→ＣＡ１を参照）と、フィードフォワード抑制結合（表２及び図３ＢのＤＧ→ＣＡ３FF→ＣＡ３，ＣＡ３→ＣＡ１FF→ＣＡ１を参照）とを含んでいる。これらの結合は、分離された入力及びネットワーク安定性に有益である。
【００３５】
（前脳基底部及びシータリズム（表２））
擬似前脳基底部（ＢＦ）は、神経シミュレーションに対する外因性のシータリズムを与える。この擬似的な前脳基底部領域の機能は、海馬への入力をゲート制御し、活動レベルを安定に保つことである。このＢＦ領域は、１３シミュレーションサイクルを越える周期的な活動を有している：
【数２】
ここで、ｔｈｅｔａ＝{0.01, 0.165, 0.33, 0.495, 0.66, 0.825, 1.00, 0.825, 0.66, 0.495, 0.33, 0.165, 0.01}である。ＢＦは、全ての海馬領域に抑制結合を投射する（表２のＢＦ→ＥＣIN，ＥＣOUT，ＤＧ，ＣＡ３，ＣＡ１を参照）。適応的である抑制のレベルは、特定の範囲内の海馬領域における活動を維持する。
【数３】
ここで、ｒは、領域を意味し（つまり、ＥＣIN，ＥＣOUT，ＤＧ，ＣＡ３，ＣＡ１）、ｓｆr（ｔ）は、時間ｔのスケール素因であり、ｓr（ｔ）は、時間ｔの領域ｒにおける活動的な神経ユニットの割合であり、ｔｇｔrは領域ｒにおける活動ユニットの所望の割合であり（ＥＣIN＝１０％，ＥＣOUT＝１０％，ＤＧ＝２０％，ＣＡ３＝５％，ＣＡ１＝１０％）、そして、ＢＦr（ｔ）は、海馬領域ｒ結合へのＢＦに対するシナプシス前ニューロンユニット活動である。
【００３６】
（図３Ａ．評価システム及び時間的相違学習４４）
擬似評価システム４４における活動は、ＮＯＭＡＤ１０によって経験された顕著な知覚事象の発生を伝達し、この活動は、図示した経路における結合強度の調整に寄与する。最初、評価システムＳは、隠されたプラットフォーム３６を検知するＩＲ検知器２４によって活性化され（表２及び図３ＡのＲ+→Ｓを参照）、評価依存結合（ＣＡ１→Ｓ、及び、ＣＡ１→ＭHDG）の増強の原因となり、或は、障害物回避ＩＲ検知器２２によって（表２及び図３ＡのＲ-→Ｓを参照）、評価依存結合の減退の原因となる。学習後は、上記及び詳細には以下に記載するテスト試行に準じて、領域ＣＡ１が領域Ｓ活動に影響を及ぼすこととなる。増強又は減退の規模は、時間的差異（ＴＤ）学習規則の神経実装に基づく：
【数４】
ここで、
は、時間ｔにおける評価システムＳの平均活動であり、τは１シータサイクル又は１３シミュレーションサイクルであり、Ｒ+は、正報酬であって下方正面のＩＲ検知器２４が引き金になる場合には１に等しく、ＮＯＭＡＤ１０は隠されたプラットフォーム３６上にあることを意味し、Ｒは罰則であってＮＯＭＡＤベース周囲の７つのＩＲ検知器２２のうちの１つが引き金になる場合には１に等しく、ＮＯＭＤＡ１０は、壁３０に近過ぎることを意味する。時間的差異（ＴＤ）規則の基本的なアイデアは、学習が、時間的に連続する報酬の予測間の差異に基づいていることである。換言すれば、学習の目標は、次の時間インターバル（τ）における次の予測に、より厳密に一致する現行入力パターンに対する学習者の現在の予測を構成することなのである。もし予測評価が増加するとＴＤはポジティブであり、擬似神経システム１２において影響されたシナプシス結合は増強され、もし、予測評価が減少するとＴＤはネガティブであり、影響されたシナプシス結合は減退する。いくつかの経験の後は、ＮＯＭＡＤ１０がプラットフォーム３６に向かうに従って評価は増大すべきであり、ＮＯＭＡＤ１０が障害物に近づくに従って評価は減少すべきであり、このようにして、壁３０及び他の障害物から遠ざかる移動を増進する。さらに、この時間的な差異が個々のシナプシス結合にどのように適用されるかについての詳細は、「シナプシス可塑性」の記載において与える。
【００３７】
（図３Ａ．動作選択及びナビゲーション行動４６）
ＮＯＭＡＤ１０は、３シータサイクル（３９シミュレーションサイクル）前方へ移動し、そして以下に述べるように新しい項目（heading）を選択する。もし、ＮＯＭＡＤ１０が障害物を検知すると、その方向で２４インチ後退し、そして、その障害物を検知したＩＲセンサ２２から引き返す。もし、ＮＯＭＡＤ１０が隠されたプラットフォーム３６を検知すると、全てシステム１２の制御のもと、反時計回りに６０度回転して３秒間待機し、時計回りに６０度回転して３秒間待機し、さらに６０度時計回りに回転して３秒間待機し、最終的には反時計回りに回転して元の項目に戻る。シミュレーションは、この時点で終了し、擬似神経システム１２の現在の状態はハードディスクに保存される。他の状況では、３シータサイクル後、ＮＯＭＡＤ１０は擬似神経システム１２のモータ領域（ＭHDG）の活動に基づいた新しい項目を選択する。全てシステム１２の制御のもと、ＮＯＭＡＤ１０は、その元の項目から、最初反時計回りに６０度回転して３秒間待機し、時計回りに６０度回転して３秒間待機し、さらに６０度時計回りに回転して３秒間待機し、最終的には反時計周りに回転して元の項目に戻る。ＭHDGの平均活動は、待機時間中計算される。次の等式に基づいて、新しい項目選択に対する確率分布を生成するためのソフトマックスアルゴリズム（softmax algorithm）を使用することができる：
【数５】
ここで、ｎｅｗｈｄｇは、ＮＯＭＡＤ１０に対して可能性のある新しい項目であり、
は、可能性のある新しい項目でのＭHDGの平均活動であり、ｈｄｇは現行の項目であり、ｈは３つの位置を有している（現行項目、現行項目より６０度過少、現行項目より６０度過大）。擬似神経システム１２が新しい項目を選択した後、ＮＯＭＡＤ１０は新しい項目に向かい、項目選択処理を再び活性化させる前に、さらに３シータサイクル分前進する。
【００３８】
（神経ユニット／ダイナミクス − 一般）
神経領域Ｖ１カラー，Ｖ１幅等の中の神経ユニットは、平均発生（発火）率モデルによってシミュレートされる。各ユニットの状態は平均発生率変数（ｓ）によって決定される。各ユニットの平均発生率変数は、概ね２００ミリ秒の期間中の略１００ニューロンからなるグループの平均活動又は発生率変数に一致する。
【００３９】
Ｖ１カラー，Ｖ１幅等の神経領域の中、及び間、の両方の神経ユニット間のシナプシス結合は、電圧独立又は電圧依存の何れかに、そして、可塑性又は非可塑性の何れかに設定される。電圧独立結合は、ニューロンのシナプシス後状態に関わらず、シナプシス後ニューロンへのシナプシス入力を与える。電圧依存結合は、活性化すべきシナプシス後減極を要求する受容体形式（例えば、ＮＭＤＡレセプタ）の寄与を意味する。
【００４０】
換言すると、シナプシス前ニューロンは、シナプシス前ニューロンへのシナプスを通る軸索に沿って信号を送信する。シナプシス後ニューロンは、この信号を受信し、他のシナプシス前ニューロンから受信している他の信号と統合する。
【００４１】
電圧独立結合は、もし、シナプシス前ニューロンが高い割合で発生したような場合には、このシナプスを介して結合されているシナプシス後ニューロンが高い割合で発生することになるであろう。
【００４２】
電圧依存結合は異なる。シナプシス前入力信号を受信したとき、もし、シナプシス後ニューロンが既にある割合で発生しているならば、電圧依存結合は、シナプシス後ニューロンをさらに発生（発火）させる。シナプシス後ニューロンは活性、つまり発生（発火）しているので、このニューロンは、入力信号を受信した時ある閾値レベルにある。それゆえ、このシナプシス前結合は、シナプシス後ニューロンを調節してさらに多く発生させる。電圧依存結合は、そのシナプシス前ニューロンがいかに活性化されていても、もし後者が閾値を超えていなければ、シナプシス後ニューロンに何ら影響を与えない。このように、シナプシス後ニューロンは、電圧依存シナプシス結合によって応答又は調整される所定の活性閾値を有している必要がある。
【００４３】
（神経ユニット）
各神経ユニットの平均発生（発火）割合（ｓ）は、０（休止状態）から１（最大発生）までの連続した範囲をとる。神経ユニットの状態は、その現行の状況と電圧独立及び電圧依存入力からの寄与との関数として更新される。ユニットｊからユニットｉへの電圧独立入力は：
【数６】
ここで、Ｓj（ｔ）はユニットｊの活性度であり、ｃijはユニットｊからユニットｉへの結合強さである。
【００４４】
ユニットｉ上の電圧独立シナプシス後影響ＰＯＳＴiVIは、ユニットｉ上の全ての入力を合計することによって計算される：
【数７】
ここで、Ｍは解剖学的に異なる定義の結合タイプの数であり（表２を参照）、Ｎlはユニットｉへ投射するタイプＭの結合数であり、φはシナプシス入力の持続性である。
【００４５】
ユニットｊからユニットｉへの電圧依存入力は、
【数８】
ここで、σiνdepはシナプシス後活動に対する閾値であり、これより低い電圧依存結合は何らの効果も有さない（表１を参照）。
【００４６】
ユニットｉ上の電圧依存シナプシス後影響ＰＯＳＴiVDは、次式で与えられる。
【数９】
【００４７】
新しい活動ｓi（ｔ＋１）は、神経ユニットｉ上のシナプシス後影響の合計に基づいて選択される：
【数１０】
【００４８】
神経ユニットに対する新しい活動は、新しく選択されたフェーズでの活動レベルであり、次の活動関数に依存する：
【数１１】
ここで、ωは１つのサイクルから次のサイクルへのユニット活動の持続性を決定し、ｇiはスケーリング要素であり、σifireはユニット固有の発生（発火）閾値である。
【００４９】
神経ユニットに対する固有のパラメータ値は、表１で与えられる。つまり、表１は、神経ユニットの属性を規定するパラメータの具体的な値を示す。
（表１）
【００５０】
表１に示したように、領域Ｖ１，ＨＤ，Ｒ＋，Ｒ−及びＢＦは入力領域であり、その活動度は、カメライメージ、走行距離計、及びＩＲセンサにそれぞれ基づいている。領域Ｖ１及びＶ２／Ｖ４は色に関する４つのサブ領域（赤、緑、青、及び、黄）と、ＮＯＭＡＤ１０がナビゲートする包囲環境２８のサンプルに一致する幅を変更するための４つのサブ領域とを有している。表１は、各領域又はサブ領域（Ｓｉｚｅ）における神経ユニットの数を示している。各領域内の神経ユニットは、特定の発生閾値（σ−ｆｉｒｅ）と、それを超えると電圧依存結合が効果（σ−νｄｅｐ）、持続パラメータ（ω）、スケーリング要素（ｇ）を有することができるような閾値とを有することができる。
【００５１】
神経ユニットに対するシナプシス結合が、表２に与えられる。つまり、表２は、擬似神経システムの解剖学上の投射及び結合タイプの具体的属性を示す。
（表２）
【００５２】
表２に示したように、シナプシス前ニューロンユニットは、所定の確率（ｐ）と所定の投射形状（Arbor）とを伴ってシナプシス後ニューロンユニットに結合する。この樹枝状部形状は、高さ及び幅（ｈ×ｗ）を伴った矩形“［］”であり、内径及び外径（ｒ１，ｒ２）によって拘束される形状を伴ったドーナツ形状“Θ”であり、或は、シナプシス前ニューロンユニット及びシナプシス後ニューロンユニットの何れの対も結合された所定の確率を有している無地形の“ｎｏｎ−ｔｏｐｏ”である。初期の結合強さであるｃij（０）は、最小及び最大値（ｍｉｎ，ｍａｘ）によって与えられた範囲内で無作為に設定される。ｃij（０）に対する負の値は、抑制結合を示している。“ｉｎｔｒａ”と印された結合は視覚的サブ領域内のものを意味し、“ｉｎｔｅｒ”と印された結合は視覚的サブ領域間のものを意味する。＃と印された投射は、評価依存である。すでに述べたように、結合タイプは、電圧独立（ＶＩ）又は電圧依存（ＶＤ）である。□は、結合の持続性を意味する。η，ｋ1，ｋ2の非ゼロ値は、可塑性結合を意味する。
【００５３】
（シナプシス可塑性 − 評価独立可塑性）
シナプシス強さは、シナプシス前及び後ニューロンユニットの位相及び活動度に依存するシナプシス規則に従った調節に対する主体である。可塑性シナプシス結合は、評価独立（図３Ｂ及び表２のＥＣIN→ＤＧ，ＣＡ３，ＣＡ１；ＤＧ→ＣＡ３；ＣＡ３→ＣＡ１；ＣＡ１→ＥＣOUTを参照）又は評価依存（ＣＡ１→Ｓ，ＣＡ１→ＭHDG）の何れかである。これら規則は共に、修正ＢＣＭ学習規則に基づいており、ここでは、シナプシス変化（Δｃij）はシナプシス後及び前ニューロンユニット活動の関数であり、図３Ｂの挿入図に図式的に示したように閾値（θ）をスライドさせている。発生位相との強い相関を伴う神経ユニット間のシナプシスは増強され、弱い相関位相を伴った神経ユニット間のシナプシスは減退される；変化量は、シナプシス前及び後活動によって同様に決定される。
【００５４】
このように、ｃijにおける評価独立のシナプシス変化は次式で与えられる：
【数１２】
ここで、ｓi（ｔ）及びｓj（ｔ）は、それぞれシナプシス前及び後ユニットの活動度であり、ηは固定された学習割合である。関数ＢＣＭは、区分的な線形関数として実施され、入力としてシナプシス後活動を取得しており、これは、スライドする閾値、θ、２つの傾斜（ｋ1，ｋ2）及びサチレーションパラメータρ（ρ＝６で一定）によって規定される：
【数１３】
【００５５】
閾値は、シナプシス後活動に基づいて調整される：
【数１４】
【００５６】
評価独立可塑性は、無限の増大を防止するために、重み正規化する趣旨である：
【数１５】
ここで、ｃijは特定の結合であり、Ｋは神経ユニットｊ上の総結合数である。
【００５７】
（シナプシス可塑性 − 評価依存可塑性）
評価依存可塑性についての規則は、シナプシス変化が、シナプシス前活動、シナプシス後活動、そして、評価システムからの時間的相違ＴＤによって支配されているという点で、評価独立規則とは異なる（上記「評価システム及び時間的相違学習を参照」）。評価依存シナプシス可塑性のシナプシス変化は次式で与えられる：
【数１６】
ここで、ＴＤ（ｔ）は、時間ｔにおける時間的相違評価である。
【００５８】
（隠されたプラットフォーム課題）
隠されたプラットフォーム課題は、ＢＢＤの空間的及びエピソード記憶を評価し、テスト試行フェーズ及び精査試行フェーズの両方を含む。ＮＯＭＡＤ１０は、包囲環境２８の床３２上の４つの開始位置の各々からテスト試行を開始し（図２Ａ−２Ｂを参照）、隠されたプラットフォーム３６に遭遇するか、あるいはタイムアウト（１０００秒後又は５０００サイクル後）するまで、囲い込みを探検する。テストブロックは、４つの開始位置の各々からの４つのこのような試行の組として定義される。４つのテストブロック（計１６試行）は、テスト中にＢＢＤによって遂行され、その結果が図４−５に関連して以下に示されている。テストが完了すると、ＢＢＤは精査試行を経験し、そこでは隠されたプラットフォーム３６が取り除かれ、ＢＢＤの記憶性能が評価され、その内容は図６に関連して以下に説明される。
【００５９】
隠されたプラットフォーム課題のテスト及び精査は、９つの僅かに異なるＢＢＤ「主題」について繰り返される。各々の「主題」には、同じ物理デバイス、つまりＮＯＭＡＤ１０が含まれるが、各々は変更された擬似神経システム１２を備えている。「主題」間のこの変化は、個々の神経ユニット間結合の微視的詳細と、これらユニット間の初期結合強さとの両方における、無作為な初期化の結果である。しかしながら、その結合がシナプシス経路、樹枝状部パターン、初期結合強さの範囲に抑制される限りは、残りの神経ユニット間の全体的な結合は、異なる「主題」間と同様である（詳細は、図３Ａ−３Ｂ及び表２を参照）。
【００６０】
図４に、１６のそれぞれの隠されたプラットフォームテスト試行中のＮＯＭＡＤ１０の代表的な軌跡を示す。ＮＯＭＡＤ１０の位置は、包囲２８上の頭上カメラ（不図示）によって記録される。図４における各ボックスは、試行（Ｔ１〜Ｔ１６）中のＮＯＭＡＤ１０の軌跡と、ＮＯＭＡＤ１０が隠されたプラットフォーム３６を発見するまでに要したシミュレーションサイクルの数とを示す。ＮＯＭＡＤ１０は各形状において示される小さな黒い四角印からその軌跡を開始し、隠されたプラットフォーム３６を発見するために移動している。隠されたプラットフォーム３６は、もしＮＯＭＡＤ１０が５０００シミュレーションサイクル内にプラットフォームを発見できた場合には図中において緑の丸印で示され、もし試行期間中に隠されたプラットフォーム３６を発見できなかった場合には、赤の丸印として示される。試行の中間地点までには、つまり試行Ｔ８の終了後は、ＮＯＭＡＤ１０は、その開始点から隠されたプラットフォーム３６に向かって、本質的に直線的な軌跡を描くことができている。
【００６１】
ＢＢＤのそのような各シミュレーションサイクルの間、擬似的な神経システム１２への知覚入力は処理され、全ての神経ユニットの状態が計算され、全ての可塑的結合の結合強さが決定されて、モータ出力が生成される。これらの試行において、各々のシミュレーションサイクルの遂行は、実時間で略２００ミリ秒要求される。各シミュレーションサイクル、ＮＯＭＡＤ１０の位置、その項目、及び全ての神経ユニットの状態は、記録され、ハードディスクに保存される。
【００６２】
［処理結果］９つの「主題」が、隠されたプラットフォーム課題上で実行された。
【００６３】
全般的に、「主題」のグループは、テストが進むに従い、隠されたプラットフォーム３６を発見する時間によって測定されたように、隠されたプラットフォーム課題を学習し、改善を示した。図５に、隠されたプラットフォーム課題中に試験された９つの「課題」の平均脱出時間のグラフとしてこの改善を示す。図５に示したように、各「主題」は、各々のブロック内での４つの試行を伴って、４つの試行ブロックを実行する。誤差バーは標準偏差を意味する。脱出時間は、ブロック１（ｐ＜０．０１）及びブロック２（ｐ＜０．０５）よりもブロック３及びブロック４の方が短縮されている点が重要である。Ｐ−評価は、既知のウィルコクソン標識ランク検定から導かれている。
【００６４】
［精査試行］精査試行の間、隠されたプラットフォーム３６は取り除かれ、「主題」は、環境２８を５０００シミュレーションサイクル又は略１７分間探検し、「主題」は隠されたプラットフォーム３６が存在していた領域を探索するのにかなりの割合の時間を使う。７つの「主題」は、精査試行において試験され、これらの「主題」は、隠されたプラットフォーム３６を含む包囲３６の象限において、概ねその半分の時間（□＝０．５０，□2＝０．２３）を使用している。
【００６５】
図６Ａ−６Ｂに、隠されたプラットフォーム３６が取り除かれた精査試行中の「主題」の軌跡を示す。赤の丸印は、テスト試行中の隠されたプラットフォーム３６の位置を示す。図６Ａは、平均的性能を持つ「主題」が、上記テスト試行中に隠されたプラットフォーム３６の使用された象限において、その４６％の時間を使用したことを示している。図６Ｂは、精査試行中により良い性能を示した「主題」が、隠されたプラットフォームの象限において８５％の時間を使用したことを示す。
【００６６】
［神経反応］擬似神経システム１２の海馬領域における神経ユニットの多くは、海馬「場所」細胞と呼ばれる典型反応を有するものであり、ここにおける神経ユニットは、ＮＯＭＡＤ１０が環境２８の特定領域にある間、独占的に活性化している。これは、図７Ａ−７Ｄにおいて示されており、ここでは、海馬の擬似神経ユニットＣＡ１に記録された４つの代表的な「場所」細胞が示されている。各矩形はＮＯＭＡＤ１０が探検する包囲２８を示しており、各ピクセルは包囲２８における１フィート四方を表わしている。ピクセルの色は所定のＣＡ１神経ユニットの活動度を表わしており、休止（白）から最大発生率（黒）までの正規化が行われている。これらの形状に対する赤の丸印は、隠されたプラットフォーム３６の位置を表わしている。
【００６７】
神経ユニットの反応は、場所にのみ特有なものではなく、前後関係にも特有なものである。これは、エピソード記憶にとって重要な要求であり、時間と共に入力統合を促進するアーキテクチャを備えたシステムにおいてのみ発生しうるものである。神経ユニットの多くは、ＮＯＭＡＤの軌跡に依存する、包囲２８における特定の場所に反応する。これらのユニットは「行程依存細胞」と呼ばれる。ユニットは、隠されたプラットフォーム３６の近くで反応する（例えば、３フィート内）全ての擬似海馬領域における細胞を探索することによる、遡及コーディング（つまり、この点に関して、現在の活動は、その先行する経験に基づいている）で発見される。全てのテスト及精査試行において、ＮＯＭＡＤ１０はこの位置を訪れている。しかしながら、図８Ａ−８Ｆに示したように、これら細胞の大多数は、試行のサブセット上でのみ反応し、同時に、ユニットのより小さな部分は、軌跡に関わらず、試行の大部分上で反応する。
【００６８】
より具体的には、図８Ａ−８Ｆは、海馬モデルにおける行程依存細胞と行程独立細胞とを示す図表である。活発な（平均活動度＞０．１）、そして、隠されたプラットフォーム３６の３フィート内の中心に置かれた「場所」フィールドを有する神経ユニットが解析に使用されている。行程独立細胞は、５又はそれより多い試行において活発であり、適度な行程依存細胞は３〜４試行において活発であり、高度な行程依存細胞は１〜２試行のみにおいて活発であった。図８Ａ−８Ｆに、各海馬サブ領域（ＥＣIN，ＥＣOUT，ＤＧ，ＣＡ３，ＣＡ１）及び海馬全体（図８Ｆ）における、行程独立細胞と行程依存細胞との割合を示す。
【００６９】
多くの場合において、ＮＯＭＡＤ１０は、所定の開始位置から隠されたプラットフォーム３６までの典型的な軌跡を示している。高度な行程依存細胞の略１０％は、より小さな軌跡を伴って、隠されたプラットフォーム３６の位置の近くで活性化している（つまり、試行９及び１３、試行１０及び１４、試行１１及び１５、試行１２及び１６）。
【００７０】
図９Ａ−９Ｈに、神経領域ＣＡ１における代表的な「行程依存」「場所」細胞を例示する。この細胞は、ＮＯＭＡＤ１０が図の上部の壁３０から開始している、試行９及び１３上の隠されたプラットフォーム３６（図中の開口円）の近くで最も活発である。活動は、この細胞に対する全てのテスト試行上の最大発生率に対して正規化される。ここで、白は非活性を意味し、黒は最大活性を意味する。
【００７１】
図１０は、本発明の多様な実施形態によるコンピュータシステムの例示的説明である。この図表は、論理的に分離したコンポーネントを表わしているが、この記述は単に説明のために過ぎない。当業者にとっては、この図において表現されたコンポーネントは別々のソフトウェア、ファームウェア、及び／又は、ハードウェアコンポーネントの中に任意に結合又は分離できることは明らかである。さらに、当業者にとっては、かかるコンポーネントは、如何様に結合又は分離されようとも、同じコンピューティングデバイス上で実行可能であり、あるいは、１又は複数のネットワークあるいは他の適当な通信手段によって接続された、異なるコンピューティングデバイス間で分配できることも明らかである。
【００７２】
多くの実施形態において、図１０に例示したコンポーネントは、１又は複数のプログラミング言語（例えば、Ｃ，Ｃ＋＋，ＪａｖａTM，及び他の適当な言語）で実装可能である。コンポーネントは、メッセージパッシングインタフェース（ＭＰＩ）、あるいは、これに限定されるものではないが、共有メモリ、分散オブジェクト、シンプルオブジェクトアクセスネットワーク（ＳＯＡＰ）を含む、他の適当な通信手段を使用して通信することができる。ＭＰＩは、コンピューティングデバイス（又はノード）間で情報を通信するのための産業標準プロトコルである。一実施形態においては、本システムは、ベーオウルフ（Beowulf）クラスタのような（但し、これに限定されない）、マルチプロセッサコンピュータアーキテクチャを用いることができる。ベーオウルフクラスタは、典型的には、イーサネット（登録商標）又は他のいくつかのネットワークを介して接続された商品ハードウェアコンポーネント（例えば、Ｌｉｎｕｘオペレーティングシステムを実行するパーソナルコンピュータ）で構成される。本開示は、如何なる特定形式の並列コンピューティングアーキテクチャにも限定されない。他の多くのこのようなアーキテクチャも使用可能であって、完全に本開示の範囲内及び趣旨内にある。
【００７３】
図１０を参照すると、マスターコンポーネント１３０２は、クライアント１３０４から受信するコマンドに従って、他のコンポーネントの活動と協働することができる。一実施形態においては、クライアント１３０４はスタンドアロンプロセスであるか、または、スクリプト又は他のシナリオ及び／又はマスターから受信するクライアント情報（例えば、神経活動、センサ読み取り及びカメラ入力）に応答してプログラム的にマスターを制御するプロセスである。クライアントコマンドはマスター１３０２を指示して頭脳ベースのデバイスＢＢＤの試験を開始又は停止することができ、その実験状態をデータストア１３１２に保存し、データストア１３１２から実験状態を読み出して、実験を実施するための実行時間／回数を設定し、神経シミュレータ１３１０のパラメータを設定することができる。
【００７４】
他の実施形態において、クライアント１３０４は、マスター１３０２から情報を受信するユーザインタフェースであり、これによりユーザはシステムを相互作用的に制御することができる。非限定的な例示方法によって、ユーザインタフェースとしては、次の１又は複数を含むことができる：１）グラフィカルユーザインタフェース（ＧＵＩ）（例えば、ハイパーテキストマークアップ言語で表現されたもの）；２）音及び／又はボイスコマンドに応答する能力；３）遠隔制御デバイス（例えば、セルラーホン、ＰＤＡ、又は、他の適当な遠隔制御）からの入力に応答する能力；４）ジェスチャに応答する能力（例えば、顔の表情等）；５）同一又は他のコンピューティングデバイス上のプロセスからの入力に応答する能力；６）コンピュータマウス及び／又はキーボードからの入力に応答する能力。本開示は、如何なる特定のＧＵＩに限定されるものではない。当業者であれば、他の多くのユーザインタフェースが使用可能であって、本開示の範囲内及び趣旨内にあることは明らかである。
【００７５】
各神経領域に対する神経ユニットは、神経シミュレータ１３１０にそれぞれ割り当てられている。各々の神経シミュレータ１３１０は、割り当てられている神経ユニットの活動度計算を担っている。所定の神経領域の神経ユニットは、１又は複数の神経シミュレータ１３１０の全域に分布させることができる。多様な実施形態において、１つのベーオウルフノード当たり１つの神経シミュレータ１３１０を備えることができる。性能を最適化するために神経ユニットは神経シミュレータ間で分布させることができるので、神経シミュレータ上のシナプシス結合の平均数は略同じになる。他の実施形態においては、神経シミュレータ１つ当たりの神経ユニットの平均数を略同一にするよう、神経ユニットを分布させることができる。神経シミュレータは、定期的に、又は継続的に、自らの神経ユニット活動の計算結果を、他の神経シミュレータ及びマスターと交換することができる。この情報は、他の神経シミュレータ上の神経ユニットが最新のシナプシス前入力を持つように要求される。マスターは、神経シミュレータ１３１０から受信した神経活動に基づいて、ＮＯＭＡＤ１０にアクチュエータコマンドを与える。
【００７６】
マスターは、イメージグラッバー１３０６から定期的にイメージデータを受信し、これを神経シミュレータ１３１０とクライアント１３０４とに分配する。一実施形態において、このイメージは、ＲＧＢビデオイメージを送信するＮＯＭＡＤ１０に取り付けられたＣＣＤカメラ１６から、ＲＦ送信機を介して、ＩｍａｇｅＮａｔｉｏｎ社のＰＸＣ２００フレームグラッバー１３０６に送信される。そして、このイメージは、ピクセルイメージを生成するために空間的に平均化される。ガボールフィルターを使用して垂直及び水平方向の縁を検知することができる（既に簡潔に述べた通りである）。ガボール関数の出力は、対応するＶ１幅神経領域の神経ユニット上に直接マップされる。また、カラーフィルタの出力がＶ１カラーの神経ユニット上に直接マップされている場合には、カラーフィルタもイメージに適用される。
【００７７】
また、マスター１３０２もＮＯＭＡＤ１０のコンポーネント１３０８からセンサデータを定期的に取得して、神経シミュレータ１３１０に分配している。一実施形態において、ＮＯＭＡＤ１０に搭載されたマイクロコントローラ（ＰＩＣ１７Ｃ７５６Ａ）は、そのセンサからの入力及び状態をサンプルし、ＮＯＭＡＤ１０ベースとマスター１３０２との間のＲＳ−２３２通信を制御する。センサ情報には、既に述べたビデオ情報に加えて、グリッパー（gripper）状態、カメラ位置、赤外線検知器、針電極偏差（whisker deflection）、ホイール速度及び方向、走行距離カウントを含む。
【００７８】
図１１に、本発明の多様な実施形態に従った、神経シミュレータ初期化のフローチャートを例示する。この図は、例示目的のために特定順序で機能段階を記載しているが、この処理は、何れの特定順序又は段階配置にも制限されることはない。当業者であれば、この図に記載された多様な段階は、省略、再配置が可能であり、並列に処理することも、多様な方法で組み合わせ及び／又は適応させることもできることが理解できるであろう。段階１４０２においては、クライアント１３０４からのコマンドに基づいて、保存された試行をデータストア１３１２から検索すべきか否か、あるいは、新しい試行を開始すべきかを判断する。もし、この試行がデータストアから検索されると、段階１４１０において実行される。多様な実施形態において、試行状態は、拡張マークアップ言語（ＸＭＬ）文書、平文ファイル、あるいは、バイナリファイルとして格納することができる。他方、段階１４０４において、神経ユニットが表１で与えられたパラメータに従って生成される。次に、段階１４０６において、シナプシス結合が、表２のパラメータに従って神経ユニット間で生成される。最後に、段階１４０８において、各神経ユニットが神経シミュレータに割り当てられる。
【００７９】
図１２に、本発明の多様な実施形態に従った、マスターコンポーネントのフローチャートを例示する。この図は、例示目的のために特定順序で機能段階を記載しているが、この処理は、何れの特定順序又は段階配置にも制限されることはない。当業者であれば、この図に記載された多様な段階は、省略、再配置が可能であり、並列に処理することも、多様な方法で組み合わせ及び／又は適応させることもできることが理解できるであろう。
【００８０】
段階１５０２において、マスター１３０２は、イメージグラッバー及びＮＯＭＡＤ１０から取得したイメージとセンサデータとを、神経シミュレータ及びクライアントにブロードキャストする。段階１５０４において、マスターは、受信しうるあらゆるコマンドを神経シミュレータにブロードキャストする。段階１５０６において、クライアント１３０４がマスター１３０２に指示して実験を休止させたか否かが判断される。もし、そうならば、マスターは実験を休止する（データストアへの実験状態の保存も含まれる）。他方では、段階１５０８において、更新された情報がクライアントに提供されて、ＧＵＩを更新するように働く。段階１５１０において、神経シミュレータ１３１０からの神経ユニット活動は、全てのコンピュータの間で共有される（例えば、ＭＰＩを介して）。神経活動は、クライアント情報の一部として、そのクライアントに何れかの形式で提供される。最後に、シミュレーションにおいて何れかの残存サイクルが存在するか否かが判断される。もし、残存サイクルがなければ、試行は終了する。残存サイクルがあれば、マスター１３０２は段階１５０２に復帰する。
【００８１】
図１３に、本発明の多様な実施形態に従った神経シミュレータのフローチャートを例示する。この図は、例示目的のために特定順序で機能段階を記載しているが、この処理は、何れの特定順序又は段階配置にも制限されることはない。当業者であれば、この図に記載された多様な段階は、省略、再配置が可能であり、並列に処理することも、多様な方法で組み合わせ及び／又は適応させることもできることが理解できるであろう。
【００８２】
段階１６０２において、神経シミュレータ１３１０は、マスター１３０２によってブロードキャストされたイメージとセンサデータとを受信する。段階１６０４において、マスター１３０２によってブロードキャストされたクライアントコマンドが受信される。段階１６０６において、クライアント１３０４がマスター１３０２に試行を中止するように指示したか否かが判断される。もし、そうならば、神経シミュレータ１３１０は、その遂行を完了する。他方では、段階１６０８において、神経シミュレータに割り当てられた神経ユニットの評価が計算される。段階１６１０において、可塑性結合の強さが計算される。局所的な神経ユニット活動は、段階１６１２において他の神経シミュレータ及びマスターと共有される。加えて、他の神経シミュレータからの神経活動が取得されて、局所的な評価をリフレッシュするために使用される。最後に、段階１６１４において、試行中に残存するサイクルがあるか否かが判断される。もし、残存サイクルがなければ、試行は終了する。残存サイクルがあれば、神経シミュレータ１３１０は段階１６０２に復帰する。
【００８３】
コンピュータ技術における当業者にとっては明らかなように、本開示の教示に従ってプログラムされた、従来の汎用又は特定のディジタルコンピュータ若しくはマイクロプロセッサを使用して、多様な実施形態を実施することができる。ソフトウェア技術における当業者にとっては明らかなように、適切なソフトウェアコーディングは、本開示の教示に基づいて、技術を持ったプログラマによって容易に準備可能である。また、当業者にとってすぐに明らかなように、本発明は、集積回路の準備によって、或いは、従来のコンポーネント回路の適切なネットワークの相互接続によって、実施することもできる。
【００８４】
多様な実施形態には、ここで与えられた何れの機能をも実行するために、汎用又は特定のコンピューティングプロセッサ／デバイスをプログラム制御するよう使用され、その上（中）に命令を有する記憶媒体（メディア）であるコンピュータプログラム製品が含まれる。記憶媒体には、これに限定されるものではないが、次の１又は複数のものが含まれる。つまり、フロッピディスク、光ディスク、ＤＶＤ、ＣＤ−ＲＯＭ、マイクロデバイス、磁気光ディスク、ＲＯＭ、ＲＡＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＤＲＡＭ、ＶＲＡＭ、フラッシュメモリデバイス、磁気又は光カード、ナノシステム（分子的なメモリＩＣを含む）を含むあらゆる形式の物理メディア、そして、あらゆる形式の命令及び／又はデータを蓄積するために適切なメディア又はデバイスである。多様な実施形態には、１又は複数のパブリック又はプライベートネットワーク上で送信され得るコンピュータプログラム製品が含まれ、ここで、この送信には、本明細書において与えられたあらゆる機能を実行するコンピューティングデバイスをプログラム制御するために使用される命令が含まれる。
【００８５】
１又は複数のコンピュータ読み取り可能媒体（メディア）に蓄積されて、本開示は、汎用／特定のコンピュータ又はマイクロプロセッサの両方のハードウェアを制御するためのソフトウェアと、人間のユーザ若しくは本発明の結果を使用する他の機械と相互に作用し合うことをコンピュータ又はマイクロプロセッサに可能とするためのソフトウェアと、を含む。かかるソフトウェアには、これに限定されるものではないが、デバイスドライバ、オペレーティングシステム、実行環境／コンテナ、そしてアプリケーションが含まれる。
【００８６】
（まとめ）
本発明のＢＢＤは、環境２８内の行動中の海馬ユニット活動を観察することによって、空間記憶の獲得及び想起を実演するものであって、エピソード記憶の前提条件となる神経反応に依存した前後関係を有することが示されている。
【００８７】
上述したＢＢＤ方法論は、エピソード的及び空間的な記憶を調査するために有益である。先行する計算機上の海馬モデルとは異なり、ＢＢＤは、環境２８において用いられ、環境的な入力についての一切の推定がなされず、空間記憶の課題を解決するためにＮＯＭＡＤ１０の行動動作についての仮定もなされない。さらに、空間記憶を構築するために、海馬の抽象概念を有する先行するロボットシステムとは異なり、ＢＢＤは、システム神経科学レベルでの詳細な神経構造（表１及び表２を参照）と結合した神経ダイナミクスを備えている。
【００８８】
ここに記述したＢＢＤモデルは、海馬内の神経領域と同様に、海馬と皮質との間の巨視的及び微視的な解剖学的構造が考慮されている。ＢＢＤは、海馬における神経反応から目的を持った行動へのマッピングを進展させる（図４〜図６を参照）。また、仮定又は指示なしに、齧歯類動物のものと共通性のある「場所」細胞を発達させる（図７及び９を参照）。これらの反応は、時間と共に、ＮＯＭＡＤ１０の自律的な探検と３つの入力ストリーム（視覚的なもの又はＩＴ，視覚的な場所又はＰｒ，自己移動又はＡＴＮ）とに基づいて生じる。
【００８９】
皮質から海馬への複数のループ（図３Ａ）と海馬固有内のループ（図３Ｂ）とは、時間と共に入力を統合し、皮質に依存する空間的記憶を構築するために重要である（図８〜９を参照）。これら前後関係依存の反応は、マルチモードな記憶の連続の獲得及び想起にとって重要であり、エピソード記憶の特質なのである。
【図面の簡単な説明】
【００９０】
【図１】物理的なモバイル頭脳ベースのデバイスの外観図である。
【図２Ａ】本発明にかかるＢＢＤが移動する包囲環境の概略図である。
【図２Ｂ】図２Ａにおいて図示された包囲環境内のＢＢＤのスナップ写真である。
【図３Ａ】神経擬似結合を示す本発明にかかるＢＢＤの擬似神経システムの領域的及び機能的神経構造の図式的な高水準図表である。
【図３Ｂ】図３Ａの海馬領域内の詳細結合を示す図である。図内挿入図は、ＢＣＭ学習規則に基づくシナプシス変化規則を示している。
【図４】隠されたプラットフォームテスト試行の間の本発明にかかるＢＢＤの代表的な軌跡を図式的に示す。
【図５】隠されたプラットフォーム課題の間に試験された本発明にかかるＢＢＤのいくつかの実施形態の平均脱出時間を示す図表である。
【図６Ａ】精査試行中の本発明にかかるＢＢＤの各々の実施形態の図式的な軌跡を示す図である。
【図６Ｂ】精査試行中の本発明にかかるＢＢＤの各々の実施形態の図式的な軌跡を示す図である。
【図７Ａ】擬似神経領域ＣＡ１において記録された内部表現「場所」細胞である。
【図７Ｂ】擬似神経領域ＣＡ１において記録された内部表現「場所」細胞である。
【図７Ｃ】擬似神経領域ＣＡ１において記録された内部表現「場所」細胞である。
【図７Ｄ】擬似神経領域ＣＡ１において記録された内部表現「場所」細胞である。
【図８Ａ】海馬モデルにおける行程依存及び行程独立細胞を表わすチャートである。
【図８Ｂ】海馬モデルにおける行程依存及び行程独立細胞を表わすチャートである。
【図８Ｃ】海馬モデルにおける行程依存及び行程独立細胞を表わすチャートである。
【図８Ｄ】海馬モデルにおける行程依存及び行程独立細胞を表わすチャートである。
【図８Ｅ】海馬モデルにおける行程依存及び行程独立細胞を表わすチャートである。
【図８Ｆ】海馬モデルにおける行程依存及び行程独立細胞を表わすチャートである。
【図９Ａ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｂ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｃ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｄ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｅ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｆ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｇ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｈ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図１０】本発明の多様な実施形態に従ったシステムの例示的説明図である。
【図１１】神経シミュレータ初期化のフローチャートの例示である。
【図１２】本発明の多様な実施形態に従ったマスターコンポーネントのフローチャートの例示である。
【図１３】本発明の多様な実施形態に従った神経シミュレータのフローチャートである。
【技術分野】
【０００１】
（優先権主張）
米国特許仮出願番号60/588,107、発明名称「海馬に基づいた擬似神経システムを有するモバイル頭脳ベースのデバイス」、発明者Gerald M. Edelmanら、出願日2004年7月15日（代理人管理番号NSRF-01001US0）、及び、米国特許出願番号11/___,___、発明名称「海馬に基づいた擬似神経システムを有するモバイル頭脳ベースのデバイス」、発明者Gerald M. Edelmanら、出願日2005年7月12日（代理人管理番号NSRF-01001US1）。
【０００２】
（著作権通告）
本特許明細書の開示部分は、著作権保護を受ける資料を含む。著作権者は、それが特許商標庁のファイル又は記録において発行される限りは、特許明細書又は特許開示の何れによる複製転載に関して異議はないが、それ以外については、如何なるものであれ全著作権を所有する。
【０００３】
本発明は、頭脳ベースのデバイスに関し、より詳細には、実世界環境においてナビゲートすることができる頭脳ベースのデバイスに関する。
【背景技術】
【０００４】
知能システムは、自立的に行動し、仕事を知的な方法で自動化し、人間の知識を拡張することを意図して開発されてきた。これらのシステムは、次に示す、基本的に既知技術の３つの異なる個別分野にそれぞれ基づいて設計及びモデル化されている。
（１）人工知能（ＡＩ）
（２）人工神経ネットワーク（ＡＮＮ）、そして
（３）頭脳ベースのデバイス（ＢＢＤ）
ＡＩ及びＡＮＮに基づく知能システムは、ロボット工学にまで及ぶ範囲でチェスをプレイするようなタスクを実行するようプログラムされた、ディジタルコンピュータを含む。ＡＩアルゴリズムは、論理ベースであり、複雑多岐なソフトウェア命令と共に実装された複雑なアルゴリズムを実行するようプログラムされている。ＡＮＮは、生物学的なニューロンの簡略され過ぎた抽象であり、神経システム構造（例えば、神経構造）が考慮されておらず、所望の結果を得るために、監視信号又は教師信号をしばしば要求する。一方で、ＢＢＤは異なる原則に基づいており、知的システムの発展に対して異なる取り組み方法がとられている。
【０００５】
ＢＢＤは、根本的な神経生物学的原則に基づいており、生物に見られる知覚及び学習の頭脳ベースに習ってモデル化されている。ＢＢＤは、行動と形状記憶とを制御する詳細な神経構造及び神経ダイナミクスを伴った、擬似頭脳又は擬似神経システムを組み入れている。また、ＢＢＤは、形態又は表現型と呼ばれる物理的な具体例を有しており、これにより環境内の活動的な検知及び自立的な動作が可能となる。生物に類似するＢＢＤは、その環境から受信する未分類信号を類型に編成する。重要な環境上の事象が発生したとき、評価システムと呼ばれる擬似神経領域を有するＢＢＳは、デバイスの行動を採用する。
【発明の開示】
【発明が解決しようとする課題】
【０００６】
論理ベースの知的システム及びＢＢＤが作動する原理の相違は重要である。これら原理が強力であればあるほど、論理ベースマシンは、新規な状況に効果的に対処することができず、大きなデータセットを同時に処理することができない。これらは、典型的には、予期できず、かつ、非常に多くの要素及び偶発性からなるものであるので、その性質上、新規な状況は、あらかじめプログラムしておくことができない。さらに、広範なパラメータ及び変化する前後関係を伴う状況は、プログラミングにおいて実質的な困難性をもたらす。そして、多くのアルゴリズムはスケーリング特性が乏しく、それは、入力変数の増大に伴って、指数関数的に増大する実行時間を要求されることを意味する。
【０００７】
それゆえ、自立的なロボットシステム等の知的システムにおける挑戦課題は、未知の環境探索における成功である。実世界における探索は、ナビゲーションと解決すべき空間記憶タスクとを要求する。しかしながら、このタスクにおいて成功するために要求される記憶は、生物においてのみ見出される機能を要求し、それらは「エピソード」記憶の特質と信じられている。つまり、（１）マルチモードな検知情報を干渉性パターンの中に一緒に置く能力、（２）時間上で情報を一緒に置き、時間的な結果を想起する能力、（３）指示された行動を目指すために記憶を使う能力、である。頭脳の中央側頭葉に位置し、臨床的かつ生理学的によく研究されている海馬は、人間及び動物にける記憶及びナビゲーションに対して非常に重要であることが知られている。したがって、海馬は、先行の生物学ベースのナビゲーションシステムに影響を与え、いくつかはコンピュータ上の海馬モデルであり、他のいくつかはロボットに応用された海馬モデルであったが、その何れにおいても制約があった。
【０００８】
先行のコンピュータ上の海馬モデルは仮想入力を伴う計算機上のシミュレーションとして実行されるものであった。これらのコンピュータ上の海馬モデルは、仮想を作り出し、その入力に対する適切な反応を取得するために「先天的な（a priori）」情報を使用する。例えば、これらコンピュータモデルの海馬上の「場所」細胞（つまり、動物が環境内の特定の場所にいるときに活性化するニューロン）は、例えば、デカルト空間における２Ｄ（二次元）ポイントなどのモデラーによって具体的に処理された検知入力の組み合わせに応答する。これらの仮定に対する理由の一部は、コンピュータ上の海馬モデルが実環境に置かれていない、それゆえ、これらの偏向（bias）を必要としているところに起因していた。
【０００９】
コンピュータ上の海馬モデルのいくつかは、海馬と頭脳の他の領域（例えば、新皮質）との間の相互作用を調査した。しかしながら、これらモデルのいくつかの解剖学的構造は単純過ぎて、海馬皮質の相互作用を意味のある方法で正確には反映していなかった。かかるモデルの１つは、皮質入力としての概念であり、環境地図上の動物の動作に影響を与える活動の移動衝突によって経路統合が解決される想定を形成する、視覚的及び経路統合処理によって海馬の組成を統合する。もし、動物が実世界環境にあるならば、これは、実現可能でない。他のモデルは、海馬内の適切な結合を完全に伴った海馬の洗練されたモデルを構成している。このモデルはかなり詳細であるが、これに対する入力は、海馬に集中する、生成されたマルチモード検知入力に耐えることができないトークン又はシンボルである。このモデルは、記憶想起として読み出される抽象的な出力パターンを生成する。しかしながら、例えば、海馬反応が実際の適応性ある行動をもたらす齧歯類動物のものを伴ったこの反応を解決することは難しい。
【００１０】
また、モバイルロボット上で海馬モデルも例示されている間、これら多くのものもまた、例えば、海馬「場所」細胞の反応か、又は、海馬へ入力されるマップの反応を駆動する「先天的な」情報といった仮定を形成する。ナビゲーションタスクのモバイルロボットを制御する神経シミュレーションを有する僅かなロボットモデルは、自律的な探検によってマッピング及び海馬反応を学習する。かかるモデルの１つは、神経生物学に非常に大雑把に関連付けられ、学習のための逆伝搬法（back propagation）として知られているものに類する学習アルゴリズムを使用していた。これは、これは、人工知能ＳＬＡＭシステムと、環境のマップのような表現を生成するために海馬において表現されたアトラクタダイナミクス概念との混成である、ＲａｔＳＬＡＭと呼ばれる齧歯類動物の海馬によって影響を受けた、同時局在化及びマッピングアルゴリズムに進展した。さらに、他は、項目指示システムに視覚入力を統合したロボットモデルを構築し、ここで、「場所」細胞は、探検中にモデルの海馬層に発達し、生物学ベースの報酬システムは、「場所」細胞と目標指向行動との間の学習を駆動した。しかしながら、このモデルのいくつかの機能は、生物学に対して忠実ではない。（１）まず、ロボットモデルが新しい場所を発見したことを決定したとき、「場所」細胞は発達する海馬層に加えられる。齧歯類動物などの実物においては、海馬細胞はその皮質又は何れかの入力組み合わせに依存する複数の場所に反応できる。この柔軟性により、分化した位置決めシステムに対立するものとしての海馬多目的記憶マップを実現できる。また、海馬細胞は、必要な基盤として加えられない。（２）第２に、ロボットモデルはフィードフォワードであり、海馬の機能である内因性及び外因性の循環を考慮していなかった。さらに他のシステムにおいては、海馬神経構造及び生物学ベースの目標システムが造られており、モバイルロボット上で試験されている。しかしながら、「場所」細胞は、制御環境のグリッドを応答が一様に覆うよう設計されているという意味において人工的である。報酬学習は、これら場所間の認識マップを作成するために使用される。さらに、海馬において多くの詳細が見出だされ、その周辺領域はモデルに包含されたが、情報はモデルを通って純粋なフィードフォワード形式の中を流れ、嗅内皮質を通って帰還せず、従って新皮質上を通る。
【００１１】
１０年以上前、ＳＬＡＭ（同時局在化及びマッピング）と通常呼ばれる、ロボットの位置を局在化している間にマップを同時に生成するための統計上のフレームワークが発達した。それ以来、ロボットマッピングの分野は、確率論的技術によって支配された。ナビゲーション問題に対する再帰的解決と、乗り物の動き及びランドマーク監視の静的モデルに基づいた乗り物及びランドマークに対する一致推定（consistent estimate）を計算する手段との両方を直接的に提供するので、最もポピュラーなものは、推定理論又はカルマンフィルタベースのアプローチである。これらロボットのアプローチは、典型的には、レーザー距離計、ソナー又はレーダーによるランドマークまでの距離を測定してランドマークのマップを生成し、同時に、ロボットの位置を推定する。これらの技術は、特定のオフィス環境におけるロボット、郊外環境におけるロボット、そして無人の空中機体のロボットに対するマップ生成では非常にうまくいった。しかしながら、これらの技術は、物体又は状況認識の問題、又は、適切な行動をとる問題、つまりナビゲーションの問題には対処していなかった。
【課題を解決するための手段】
【００１２】
本発明は、地形のどの側面を越えることができるか、そしてどの側面を迂回すべきかを学習することによって、変化する地形に適応することができる頭脳ベースのデバイス（ＢＢＤ）である。ＢＢＤは、先行のロボットシステムのマップ作成を超える、環境側面における決定を行う。これらの決定は、本発明にかかるＢＢＤが作り出す局所物体特徴の知覚分類を要求するので、それによって、ＢＢＤは進路を計画することができるようになる。
【００１３】
本発明にかかるＢＢＤは、神経領域、具体的には、海馬、頭頂皮質、下側頭皮質、及び視床の項目指示システムを有する擬似神経システムを含んでいる。海馬とこれらの領域（図３Ａを参照）との間の双方向結合は、海馬（図３Ｂを参照）内の複雑な結合と同様に、時間とともに多様な情報を循環するシステムからなり、時間的な前後関係を伴った連合記憶の形成を可能にしている。また、ＢＢＤは、擬似神経システム制御下の実世界環境において移動可能な可動性ベースを有しており、併せて、ＢＢＤが物体を認識し、評価結果を有する行動を選択することができる多重センサ入力を伴っている。
【００１４】
これらは、複雑な地形においてナビゲートする本発明のＢＢＤのために、レーザー又はレーダーベースの擬似局在化及びマッピング（ＳＬＡＭ）からの信号を、ＢＢＤ物体認識システム及び空間内の行動マップに結合させることができる。
【発明を実施するための最良の形態】
【００１５】
（詳細説明）
本発明の側面は、同じ参照は同様の要素を示す添付図の図面のおいて、限定としてではなく、例示として説明されている。本開示における「ある」、「一つの」、そして「多様な」実施形態への参照は、必ずしも同一の実施形態に必要なものではなく、かかる参照は少なくとも一つを意味する。以下の記述において、本発明の記述を通して与えられるよう、多くの具体的詳細が記載されている。しかしながら、当業者であれば、これらの具体的な詳細なしでも本発明が実施可能であることは明らかである。他の事例において、既知の特徴については、本発明を不明確にしないために、詳細には記載していない。
【００１６】
図１に、自身の環境内を探検し、その環境を経験しながら適応性のある行動を発達させることができるモバイル神経組織モバイル適応デバイス（ＮＯＭＡＤ）１０の一例として示された、物理的に例示されたデバイスを含む、本発明の頭脳ベースのデバイス（ＢＢＤ）の描写図を示す。この頭脳ベースのデバイスＢＢＤは、また、その実世界環境においてＮＯＭＡＤ１０を導くための、擬似的な神経システム１２（図３Ａ〜３Ｂを参照）も含んでいる。一実施形態において、この擬似的な神経システム１２は、さらに記述するように、ＮＯＭＡＤ１０から離れたコンピュータワークステーション（図１０を参照）のクラスタ上を実行できる。この環境において、ＮＯＭＡＤ１０及びコンピュータワークステーションは、無線通信を介して互いに通信し、それゆえ、ＮＯＭＡＤ１０は、係留されることなく探検が可能となっている。
【００１７】
物理的なデバイス例において、図１に示したＮＯＭＡＤ１０は、モバイルベース１４と視覚のためのＣＣＤカメラ１６とを備えている。また、ＮＯＭＡＤ１０は、自己移動の合図のための走行距離計１８と、エフェクタ２０と、障害物回避のためにＮＯＭＡＤ１０を包囲する７つの赤外線（ＩＲ）検知器２２と、移動時に包囲環境内の隠されたプラットフォーム（図２Ａ〜２Ｂを参照）を検知するために下方正面にある１つのＩＲ検知器２４とを有している。ＮＯＭＡＤ１０の上部には、ＮＯＭＡＤ１０が移動する環境上に配置された２つのカメラ（後述）によって検知可能な、環境内のＮＯＭＡＤの位置を追跡するためのＬＥＤ２６がある。
【００１８】
擬似神経システム１２は、実際の解剖学及び生理学の組織に基づいてＮＯＭＡＤ１０の行動を誘導し、生きている生物体の環境との相互作用を重要視するものである。よって、この行動は、以下の設計原則に基づいている：（１）ＮＯＭＡＤ１０は、行動タスクに従事すべきである；（２）ＮＯＭＡＤの行動は、頭脳のアーキテクチャ及びダイナミクスを反映した設計を有する擬似神経システムによって制御されるべきである；（３）ＮＯＭＡＤ１０は、実世界に置かれるべきである；そして、（４）ＮＯＭＡＤ１０行動と擬似神経システム１２の活動とは、実験データとの比較が可能であるべきである。これらの特性によって、ＢＢＤシミュレーションは、脊椎動物の頭脳アーキテクチャ及びダイナミクスに影響を与える神経要素のネットワークと、実時間でのネットワーク実行を計算する性能と、例えばＮＯＭＡＤ１０のような物理デバイスの工学技術とを要求して、以下に述べる全てのネットワークを包含する。
【００１９】
図２Ａに、ＮＯＭＡＤ１０が移動する包囲環境２８の配置を概略的に示す。包囲環境２８は、例えば、黒い壁３０と黒い床３２とで囲まれた１６’×１４’の広さである。様々な色で色付けされた工作用紙３４のセットが、黒壁３０の各々に掛けられている。図示したように、各々のセット３４は複数片の工作用紙を有しており、所定のセット３４における各々の断片は同じ幅を有しているが、他のセット３４の断片とは異なる幅になっている。
【００２０】
また、図２Ａには、反射的な黒い工作用紙でできた直径２４″の隠されたプラットフォーム３６が示されている。隠されたプラットフォーム３６は、「隠されたプラットフォーム課題」又は後述する試行に対して包囲環境２８の右上四半部の中心に配置されている。ＮＯＭＡＤ１０は、自身がプラットフォーム３６の上に位置するときに下方正面のＩＲ検知器２４を使用することによって、この隠されたプラットフォーム３６を検知することができる。
【００２１】
図２Ｂに、包囲環境２８内のＮＯＭＡＤ１０を示すスナップ写真を示す。また、ＮＯＭＡＤ１０は、ＢＢＤの空間及びエピソード記憶を判断するために使用される、隠されたプラットフォーム課題を遂行している様子が示されている。詳細は後述するが、隠されたプラットフォーム課題は、「テスト」試行と「精査」試行との組の２つのフェーズを含んでいる。テスト試行においては、ＮＯＭＡＤ１０は、床３２上のいくつかある位置の何れか１つから移動し始め、隠されたプラットフォーム３６に遭遇するか、或は、１０００秒後若しくは５０００サイクル後といった時間切れとなるまで、いくつかの試行を開始する。試行後、精査試行はＢＢＤの記憶パフォーマンスを評価するために使用される。精査試行においては、隠されたプラットフォーム３６は包囲２８から取り除かれて、ＮＯＭＡＤ１０はこの包囲内を５０００サイクル移動することができる。
【００２２】
図３Ａは、擬似神経システム１２の局部的かつ機能的な神経構造の概略図であり、海馬及びその周辺領域の複雑な組織と生理機能とを含んでいる。この擬似神経システム１２は、多くの物体からの空間信号を遅れることなく統合し、環境２８といった未知の環境の探検における手助けのための柔軟なナビゲーション解法を提供する。ナビゲーション課題の間の神経領域からの同時のサンプリングにより、海馬のアーキテクチャは、より完全には後述するが、空間及びエピソード記憶の発達のために重要な、異なる時間スケール上のマルチモード情報を構成するための手段を提供する。
【００２３】
図３Ａに示したように、擬似神経システム１２は、哺乳動物の神経システムの組織及び生理機能に習ってモデル化されているが、理解できるように、遥かに少ないニューロン及び非常に簡素なアーキテクチャで構成されている。擬似神経システム１２は、人間の頭脳に類似の皮質及び皮質下に従ってラベル付けされた、いくつかの神経領域を有する。このようにして、図３Ａには、Ｖ１カラー，Ｖ２／４カラー，ＩＴ，Ｖ１幅，Ｖ２／４幅，Ｐｒ，ＨＤ，ＡＴＮ，ＢＦ，海馬，Ｒ＋，Ｓ，Ｒ−，そして、ＭHDGとしてラベル付けされた神経領域がそれぞれ示されている。Ｖ１カラー，Ｖ２／４カラー等の各々の神経領域は、種類の異なる神経ユニットを含んでおり、その各々は、ニューロンの局所的個体群を表わしている。図３Ａに示された各々の楕円は、各々が多くの神経ユニットを有する、異なった神経領域を意味する。哺乳類の神経システムにおける対応する領域から、モデル化された又は擬似的な神経領域を区別するために、擬似領域には、例えばＩＴなどのように、下線を施すこととする。
【００２４】
また、図３Ａの神経構造は、多様な投射Ｐ（図の矢印参照）を介した神経シミュレーション１２の図式的な結合を示す。投射Ｐは、神経ユニット間の複数のシナプシス結合を含む。シナプシス結合により、シナプシス前ニューロンユニットからシナプシス後ニューロンユニットへ信号が送られる。投射Ｐは、神経領域内又は神経領域間の何れかの投射である。さらに、投射Ｐは、図３Ａにおける凡例によって示された通りの属性を有しており、それらは、（１）「電圧独立」、（２）「電圧依存」、（３）「可塑性」、（４）「抑制性」、（５）「評価依存」であるが、詳細は後述する。
【００２５】
擬似神経システム１２への入力は、ＣＣＤカメラ１６、ホイール走行測定器１８、そして、環境２８内の壁３０と隠されたプラットフォーム３６とを検知するためのＩＲセンサ２２、２４から得られるものである。擬似神経システム１２の神経領域は、視覚皮質（Ｖ１，Ｖ２／４）、下側頭皮質（ＩＴ）、頭頂皮質（Ｐｒ）、知能指示細胞（ＨＤ）、前方視床核（ＡＴＮ）、自己中心的な項目（heading）のためのモータ領域（ＭHDG）、評価システム（Ｓ）、そして、正報酬領域及び負報酬領域（Ｒ＋，Ｒ−）に類似している。海馬は、３つの主要なセンサ入力ストリーム（ＩＴ，Ｐｒ，ＡＴＮ）、モータシステム（ＭHDG）、評価システム（Ｓ）に結合される。明瞭のために、各神経領域内の内在的な結合は図３Ａから割愛する。
【００２６】
図３Ｂに、海馬領域内の詳細結合を示す。モデル化された海馬は、嗅内皮質（ＥＣＩＮ，ＥＣＯＵＴ）と、歯状脳回（ＤＧ）と，ＣＡ３部分野と、ＣＡ１部分野とに類似する領域を含む。これらの領域は、フィードバック抑制（例えば、ＣＡ３→ＣＡ３ＦＢ→ＣＡ３）、フィードフォワード抑制（例えば、ＤＧ→ＣＡ３ＥＦ→ＣＡ３）、及び、規則的な抑制（例えば、ＢＦ→海馬）を生じさせる介在ニューロンを含む。
【００２７】
擬似神経システム１２のさらに詳細な説明が、以下の表１及び表２に与えられている。しかしながら、全体的に、以下に詳述するテスト試行及び精査試行において使用される擬似神経システム１２のバージョンには、全部で５０の神経領域と、該５０の神経領域内にある９０，０００の神経ユニットと、略１４０万のシナプシス結合とが存在する。
【００２８】
図３Ａに示した擬似神経システム１２は、次の５つのシステムからなる：（１）視覚システム３８、（２）知能指示システム４０、（３）海馬構造４２、（４）評価システム４４、そして、（５）活動選択システム４６である。
【００２９】
（図３Ａ．視覚システム３８）
視覚システム３８は、第１後頭側頭又は下側皮質経路及び背面皮質経路に習ってモデル化されている。視覚システム（Ｖ１_カラー→Ｖ２／４_カラー→ＩＴ）における、図３Ａに示された下側皮質経路は、連続する領域の神経ユニットを含み、下側頭皮質（ＩＴ）において、視覚野全体を覆って地形を有さない受容野までの、累進的に大きな受容野を有する。図３Ａに示した背面皮質経路（Ｖ１_幅→Ｖ２／４_幅→Ｐｒ）は、物体のサイズ及び位置に応答する神経ユニットを含む。
【００３０】
ＣＣＤ１６からの視覚イメージは、色及び縁についてフィルタされ、そのフィルタ出力は、領域Ｖ１-色及び領域Ｖ１-幅における神経活動に直接影響を及ぼす。例えば、ＣＣＤカメラは、ＮＯＭＡＤ１０上のＲＦ送信機を介して、３２０ｘ２４０ピクセルＲＧＢビデオイメージを、神経シミュレーションを実行しているコンピュータワークステーション（以下に記載）の１つに取り付けられたフレームグラッバーに送信する。このイメージは、８０ｘ６０ピクセルイメージを生成するよう空間的に平均される。サイズの異なるガボールフィルター（８ｘ８，１６ｘ１６，３２ｘ３２，そして、６４ｘ６４）を変化する幅の垂直エッジを検出するために利用することができる。ガボール関数の出力は、対応するＶ１幅サブ領域（Ｖ１-幅８，Ｖ１-幅１６，Ｖ１-幅３２，そして、Ｖ１-幅６４）（図３Ａに不図示）の神経ユニット上に直接マップされる。カラーフィルタ（例えば、緑のネガの周囲を伴った赤いポジのセンター、緑のポジの周囲を伴った赤いネガのセンター、ネガの赤緑を伴ったポジの青、ポジの赤緑を伴ったネガの青など）をイメージに適用することができる。カラーフィルタの出力は、Ｖ１カラーサブ領域である、Ｖ１−赤、Ｖ１−緑、Ｖ１−青、そして、Ｖ１−黄（図３Ａに不図示）の神経ユニット上に直接マップされる。Ｖ１神経ユニットは、網膜対応的にＶ２／Ｖ４における神経ユニットに投射する。
【００３１】
（図３Ａ．項目指示システム４０）
領域ＨＤにおけるニューロンは、しばしば「項目指示（head direction）」細胞と呼ばれる。ＮＯＭＡＤ１０のホイール２０から取得される情報は、ＮＯＭＡＤ１０の現在の項目（heading）を確立するために使用される。この情報は、項目指示神経領域（ＨＤ）への入力となる。３６０ＨＤ神経ユニット（表１を参照）の各々は、コサインチューニング曲線を有しており、□ラジアンの調整幅を伴った好適な項目に最大限に応答する。
【数１】
ここで、ＨＤiは
の好適な指示を伴った項目指示細胞であり、ｉは０から３５９までの範囲であり、ｃｕｒｒ＿ｈｅａｄｉｎｇは、走行距離計情報から計算されるＮＯＭＡＤの項目である。
【００３２】
項目指示細胞は、前方視床核（表２及び図３ＡのＨＤ→ＡＴＮを参照）と、項目（表２及び図３ＡのＨＤ→ＭHDGを参照 − 注：この経路は、図３Ａでは不図示）に基づくモータ領域とに類似する領域に地形的に投射する。ＮＯＭＡＤ１０に対する新しい項目は、神経領域ＭHDGにおける活動に基づいて選択される（図３Ａを参照 − さらに詳細は、下記の「活動選択」を参照）。
【００３３】
（海馬構造 − 神経領域海馬４２）
擬似的な海馬構造のアーキテクチャは、齧歯類動物の神経構造に基づいている。海馬への入力ストリームは、擬似神経システムにおける関連する皮質領域からのものであり、嗅内皮質２（表２及び図３Ａ−３ＢのＡＴＮ→ＥＣIN，ＩＴ→ＥＣIN，Ｐｒ→ＥＣINを参照）を介して海馬に到達する。ミシン目の経路は、主に、嗅内皮質から歯状脳回への投射のみならず、ＣＡ３及びＣＡ１サブフィールドへも投射している（表２及び図３ＢのＥＣIN→ＤＧ，ＥＣIN→ＣＡ３，ＥＣIN→ＣＡ１を参照）。保守的な繊維（表２及び図３ＢのＤＧ→ＣＡ３を参照）、シェーファー副側（表２及び図３ＢのＣＡ３→ＣＡ１を参照）、そして、海馬から皮質へ戻る発散投射（表２及び図３Ａ−３ＢのＣＡ１→ＥＣOUT→ＡＴＮ，ＩＴ，Ｐｒを参照）もまた、擬似神経システム１２に現れている。海馬構造において見られる優勢な再帰結合は、また、擬似神経システム１２にも含まれる（表２及び図３ＢのＥＣIN→ＥＣOUT，ＤＧ→ＤＧ，ＣＡ３→ＣＡ３を参照）。本来、海馬内の全ての結合（つまり、ＥＣIN，ＥＣOUT，ＤＧ，ＣＡ３，ＣＡ１）は、評価独立及び可塑的である（以下の「シナプシス可塑性」の節を参照）。
【００３４】
海馬における、内在的及び外在的な、フィードバック及びフィードフォワード抑制結合の特有なパターンは、海馬処理における重要な役割を担っている。従って、擬似神経システム１２は、フィードバック抑制結合（表２及び図３ＢのＥＣ→ＥＣFB→ＥＣ，ＤＧ→ＤＧFB→ＤＧ，ＣＡ３→ＣＡ３FB→ＣＡ３，ＣＡ１→ＣＡ１FB→ＣＡ１を参照）と、フィードフォワード抑制結合（表２及び図３ＢのＤＧ→ＣＡ３FF→ＣＡ３，ＣＡ３→ＣＡ１FF→ＣＡ１を参照）とを含んでいる。これらの結合は、分離された入力及びネットワーク安定性に有益である。
【００３５】
（前脳基底部及びシータリズム（表２））
擬似前脳基底部（ＢＦ）は、神経シミュレーションに対する外因性のシータリズムを与える。この擬似的な前脳基底部領域の機能は、海馬への入力をゲート制御し、活動レベルを安定に保つことである。このＢＦ領域は、１３シミュレーションサイクルを越える周期的な活動を有している：
【数２】
ここで、ｔｈｅｔａ＝{0.01, 0.165, 0.33, 0.495, 0.66, 0.825, 1.00, 0.825, 0.66, 0.495, 0.33, 0.165, 0.01}である。ＢＦは、全ての海馬領域に抑制結合を投射する（表２のＢＦ→ＥＣIN，ＥＣOUT，ＤＧ，ＣＡ３，ＣＡ１を参照）。適応的である抑制のレベルは、特定の範囲内の海馬領域における活動を維持する。
【数３】
ここで、ｒは、領域を意味し（つまり、ＥＣIN，ＥＣOUT，ＤＧ，ＣＡ３，ＣＡ１）、ｓｆr（ｔ）は、時間ｔのスケール素因であり、ｓr（ｔ）は、時間ｔの領域ｒにおける活動的な神経ユニットの割合であり、ｔｇｔrは領域ｒにおける活動ユニットの所望の割合であり（ＥＣIN＝１０％，ＥＣOUT＝１０％，ＤＧ＝２０％，ＣＡ３＝５％，ＣＡ１＝１０％）、そして、ＢＦr（ｔ）は、海馬領域ｒ結合へのＢＦに対するシナプシス前ニューロンユニット活動である。
【００３６】
（図３Ａ．評価システム及び時間的相違学習４４）
擬似評価システム４４における活動は、ＮＯＭＡＤ１０によって経験された顕著な知覚事象の発生を伝達し、この活動は、図示した経路における結合強度の調整に寄与する。最初、評価システムＳは、隠されたプラットフォーム３６を検知するＩＲ検知器２４によって活性化され（表２及び図３ＡのＲ+→Ｓを参照）、評価依存結合（ＣＡ１→Ｓ、及び、ＣＡ１→ＭHDG）の増強の原因となり、或は、障害物回避ＩＲ検知器２２によって（表２及び図３ＡのＲ-→Ｓを参照）、評価依存結合の減退の原因となる。学習後は、上記及び詳細には以下に記載するテスト試行に準じて、領域ＣＡ１が領域Ｓ活動に影響を及ぼすこととなる。増強又は減退の規模は、時間的差異（ＴＤ）学習規則の神経実装に基づく：
【数４】
ここで、
は、時間ｔにおける評価システムＳの平均活動であり、τは１シータサイクル又は１３シミュレーションサイクルであり、Ｒ+は、正報酬であって下方正面のＩＲ検知器２４が引き金になる場合には１に等しく、ＮＯＭＡＤ１０は隠されたプラットフォーム３６上にあることを意味し、Ｒは罰則であってＮＯＭＡＤベース周囲の７つのＩＲ検知器２２のうちの１つが引き金になる場合には１に等しく、ＮＯＭＤＡ１０は、壁３０に近過ぎることを意味する。時間的差異（ＴＤ）規則の基本的なアイデアは、学習が、時間的に連続する報酬の予測間の差異に基づいていることである。換言すれば、学習の目標は、次の時間インターバル（τ）における次の予測に、より厳密に一致する現行入力パターンに対する学習者の現在の予測を構成することなのである。もし予測評価が増加するとＴＤはポジティブであり、擬似神経システム１２において影響されたシナプシス結合は増強され、もし、予測評価が減少するとＴＤはネガティブであり、影響されたシナプシス結合は減退する。いくつかの経験の後は、ＮＯＭＡＤ１０がプラットフォーム３６に向かうに従って評価は増大すべきであり、ＮＯＭＡＤ１０が障害物に近づくに従って評価は減少すべきであり、このようにして、壁３０及び他の障害物から遠ざかる移動を増進する。さらに、この時間的な差異が個々のシナプシス結合にどのように適用されるかについての詳細は、「シナプシス可塑性」の記載において与える。
【００３７】
（図３Ａ．動作選択及びナビゲーション行動４６）
ＮＯＭＡＤ１０は、３シータサイクル（３９シミュレーションサイクル）前方へ移動し、そして以下に述べるように新しい項目（heading）を選択する。もし、ＮＯＭＡＤ１０が障害物を検知すると、その方向で２４インチ後退し、そして、その障害物を検知したＩＲセンサ２２から引き返す。もし、ＮＯＭＡＤ１０が隠されたプラットフォーム３６を検知すると、全てシステム１２の制御のもと、反時計回りに６０度回転して３秒間待機し、時計回りに６０度回転して３秒間待機し、さらに６０度時計回りに回転して３秒間待機し、最終的には反時計回りに回転して元の項目に戻る。シミュレーションは、この時点で終了し、擬似神経システム１２の現在の状態はハードディスクに保存される。他の状況では、３シータサイクル後、ＮＯＭＡＤ１０は擬似神経システム１２のモータ領域（ＭHDG）の活動に基づいた新しい項目を選択する。全てシステム１２の制御のもと、ＮＯＭＡＤ１０は、その元の項目から、最初反時計回りに６０度回転して３秒間待機し、時計回りに６０度回転して３秒間待機し、さらに６０度時計回りに回転して３秒間待機し、最終的には反時計周りに回転して元の項目に戻る。ＭHDGの平均活動は、待機時間中計算される。次の等式に基づいて、新しい項目選択に対する確率分布を生成するためのソフトマックスアルゴリズム（softmax algorithm）を使用することができる：
【数５】
ここで、ｎｅｗｈｄｇは、ＮＯＭＡＤ１０に対して可能性のある新しい項目であり、
は、可能性のある新しい項目でのＭHDGの平均活動であり、ｈｄｇは現行の項目であり、ｈは３つの位置を有している（現行項目、現行項目より６０度過少、現行項目より６０度過大）。擬似神経システム１２が新しい項目を選択した後、ＮＯＭＡＤ１０は新しい項目に向かい、項目選択処理を再び活性化させる前に、さらに３シータサイクル分前進する。
【００３８】
（神経ユニット／ダイナミクス − 一般）
神経領域Ｖ１カラー，Ｖ１幅等の中の神経ユニットは、平均発生（発火）率モデルによってシミュレートされる。各ユニットの状態は平均発生率変数（ｓ）によって決定される。各ユニットの平均発生率変数は、概ね２００ミリ秒の期間中の略１００ニューロンからなるグループの平均活動又は発生率変数に一致する。
【００３９】
Ｖ１カラー，Ｖ１幅等の神経領域の中、及び間、の両方の神経ユニット間のシナプシス結合は、電圧独立又は電圧依存の何れかに、そして、可塑性又は非可塑性の何れかに設定される。電圧独立結合は、ニューロンのシナプシス後状態に関わらず、シナプシス後ニューロンへのシナプシス入力を与える。電圧依存結合は、活性化すべきシナプシス後減極を要求する受容体形式（例えば、ＮＭＤＡレセプタ）の寄与を意味する。
【００４０】
換言すると、シナプシス前ニューロンは、シナプシス前ニューロンへのシナプスを通る軸索に沿って信号を送信する。シナプシス後ニューロンは、この信号を受信し、他のシナプシス前ニューロンから受信している他の信号と統合する。
【００４１】
電圧独立結合は、もし、シナプシス前ニューロンが高い割合で発生したような場合には、このシナプスを介して結合されているシナプシス後ニューロンが高い割合で発生することになるであろう。
【００４２】
電圧依存結合は異なる。シナプシス前入力信号を受信したとき、もし、シナプシス後ニューロンが既にある割合で発生しているならば、電圧依存結合は、シナプシス後ニューロンをさらに発生（発火）させる。シナプシス後ニューロンは活性、つまり発生（発火）しているので、このニューロンは、入力信号を受信した時ある閾値レベルにある。それゆえ、このシナプシス前結合は、シナプシス後ニューロンを調節してさらに多く発生させる。電圧依存結合は、そのシナプシス前ニューロンがいかに活性化されていても、もし後者が閾値を超えていなければ、シナプシス後ニューロンに何ら影響を与えない。このように、シナプシス後ニューロンは、電圧依存シナプシス結合によって応答又は調整される所定の活性閾値を有している必要がある。
【００４３】
（神経ユニット）
各神経ユニットの平均発生（発火）割合（ｓ）は、０（休止状態）から１（最大発生）までの連続した範囲をとる。神経ユニットの状態は、その現行の状況と電圧独立及び電圧依存入力からの寄与との関数として更新される。ユニットｊからユニットｉへの電圧独立入力は：
【数６】
ここで、Ｓj（ｔ）はユニットｊの活性度であり、ｃijはユニットｊからユニットｉへの結合強さである。
【００４４】
ユニットｉ上の電圧独立シナプシス後影響ＰＯＳＴiVIは、ユニットｉ上の全ての入力を合計することによって計算される：
【数７】
ここで、Ｍは解剖学的に異なる定義の結合タイプの数であり（表２を参照）、Ｎlはユニットｉへ投射するタイプＭの結合数であり、φはシナプシス入力の持続性である。
【００４５】
ユニットｊからユニットｉへの電圧依存入力は、
【数８】
ここで、σiνdepはシナプシス後活動に対する閾値であり、これより低い電圧依存結合は何らの効果も有さない（表１を参照）。
【００４６】
ユニットｉ上の電圧依存シナプシス後影響ＰＯＳＴiVDは、次式で与えられる。
【数９】
【００４７】
新しい活動ｓi（ｔ＋１）は、神経ユニットｉ上のシナプシス後影響の合計に基づいて選択される：
【数１０】
【００４８】
神経ユニットに対する新しい活動は、新しく選択されたフェーズでの活動レベルであり、次の活動関数に依存する：
【数１１】
ここで、ωは１つのサイクルから次のサイクルへのユニット活動の持続性を決定し、ｇiはスケーリング要素であり、σifireはユニット固有の発生（発火）閾値である。
【００４９】
神経ユニットに対する固有のパラメータ値は、表１で与えられる。つまり、表１は、神経ユニットの属性を規定するパラメータの具体的な値を示す。
（表１）
【００５０】
表１に示したように、領域Ｖ１，ＨＤ，Ｒ＋，Ｒ−及びＢＦは入力領域であり、その活動度は、カメライメージ、走行距離計、及びＩＲセンサにそれぞれ基づいている。領域Ｖ１及びＶ２／Ｖ４は色に関する４つのサブ領域（赤、緑、青、及び、黄）と、ＮＯＭＡＤ１０がナビゲートする包囲環境２８のサンプルに一致する幅を変更するための４つのサブ領域とを有している。表１は、各領域又はサブ領域（Ｓｉｚｅ）における神経ユニットの数を示している。各領域内の神経ユニットは、特定の発生閾値（σ−ｆｉｒｅ）と、それを超えると電圧依存結合が効果（σ−νｄｅｐ）、持続パラメータ（ω）、スケーリング要素（ｇ）を有することができるような閾値とを有することができる。
【００５１】
神経ユニットに対するシナプシス結合が、表２に与えられる。つまり、表２は、擬似神経システムの解剖学上の投射及び結合タイプの具体的属性を示す。
（表２）
【００５２】
表２に示したように、シナプシス前ニューロンユニットは、所定の確率（ｐ）と所定の投射形状（Arbor）とを伴ってシナプシス後ニューロンユニットに結合する。この樹枝状部形状は、高さ及び幅（ｈ×ｗ）を伴った矩形“［］”であり、内径及び外径（ｒ１，ｒ２）によって拘束される形状を伴ったドーナツ形状“Θ”であり、或は、シナプシス前ニューロンユニット及びシナプシス後ニューロンユニットの何れの対も結合された所定の確率を有している無地形の“ｎｏｎ−ｔｏｐｏ”である。初期の結合強さであるｃij（０）は、最小及び最大値（ｍｉｎ，ｍａｘ）によって与えられた範囲内で無作為に設定される。ｃij（０）に対する負の値は、抑制結合を示している。“ｉｎｔｒａ”と印された結合は視覚的サブ領域内のものを意味し、“ｉｎｔｅｒ”と印された結合は視覚的サブ領域間のものを意味する。＃と印された投射は、評価依存である。すでに述べたように、結合タイプは、電圧独立（ＶＩ）又は電圧依存（ＶＤ）である。□は、結合の持続性を意味する。η，ｋ1，ｋ2の非ゼロ値は、可塑性結合を意味する。
【００５３】
（シナプシス可塑性 − 評価独立可塑性）
シナプシス強さは、シナプシス前及び後ニューロンユニットの位相及び活動度に依存するシナプシス規則に従った調節に対する主体である。可塑性シナプシス結合は、評価独立（図３Ｂ及び表２のＥＣIN→ＤＧ，ＣＡ３，ＣＡ１；ＤＧ→ＣＡ３；ＣＡ３→ＣＡ１；ＣＡ１→ＥＣOUTを参照）又は評価依存（ＣＡ１→Ｓ，ＣＡ１→ＭHDG）の何れかである。これら規則は共に、修正ＢＣＭ学習規則に基づいており、ここでは、シナプシス変化（Δｃij）はシナプシス後及び前ニューロンユニット活動の関数であり、図３Ｂの挿入図に図式的に示したように閾値（θ）をスライドさせている。発生位相との強い相関を伴う神経ユニット間のシナプシスは増強され、弱い相関位相を伴った神経ユニット間のシナプシスは減退される；変化量は、シナプシス前及び後活動によって同様に決定される。
【００５４】
このように、ｃijにおける評価独立のシナプシス変化は次式で与えられる：
【数１２】
ここで、ｓi（ｔ）及びｓj（ｔ）は、それぞれシナプシス前及び後ユニットの活動度であり、ηは固定された学習割合である。関数ＢＣＭは、区分的な線形関数として実施され、入力としてシナプシス後活動を取得しており、これは、スライドする閾値、θ、２つの傾斜（ｋ1，ｋ2）及びサチレーションパラメータρ（ρ＝６で一定）によって規定される：
【数１３】
【００５５】
閾値は、シナプシス後活動に基づいて調整される：
【数１４】
【００５６】
評価独立可塑性は、無限の増大を防止するために、重み正規化する趣旨である：
【数１５】
ここで、ｃijは特定の結合であり、Ｋは神経ユニットｊ上の総結合数である。
【００５７】
（シナプシス可塑性 − 評価依存可塑性）
評価依存可塑性についての規則は、シナプシス変化が、シナプシス前活動、シナプシス後活動、そして、評価システムからの時間的相違ＴＤによって支配されているという点で、評価独立規則とは異なる（上記「評価システム及び時間的相違学習を参照」）。評価依存シナプシス可塑性のシナプシス変化は次式で与えられる：
【数１６】
ここで、ＴＤ（ｔ）は、時間ｔにおける時間的相違評価である。
【００５８】
（隠されたプラットフォーム課題）
隠されたプラットフォーム課題は、ＢＢＤの空間的及びエピソード記憶を評価し、テスト試行フェーズ及び精査試行フェーズの両方を含む。ＮＯＭＡＤ１０は、包囲環境２８の床３２上の４つの開始位置の各々からテスト試行を開始し（図２Ａ−２Ｂを参照）、隠されたプラットフォーム３６に遭遇するか、あるいはタイムアウト（１０００秒後又は５０００サイクル後）するまで、囲い込みを探検する。テストブロックは、４つの開始位置の各々からの４つのこのような試行の組として定義される。４つのテストブロック（計１６試行）は、テスト中にＢＢＤによって遂行され、その結果が図４−５に関連して以下に示されている。テストが完了すると、ＢＢＤは精査試行を経験し、そこでは隠されたプラットフォーム３６が取り除かれ、ＢＢＤの記憶性能が評価され、その内容は図６に関連して以下に説明される。
【００５９】
隠されたプラットフォーム課題のテスト及び精査は、９つの僅かに異なるＢＢＤ「主題」について繰り返される。各々の「主題」には、同じ物理デバイス、つまりＮＯＭＡＤ１０が含まれるが、各々は変更された擬似神経システム１２を備えている。「主題」間のこの変化は、個々の神経ユニット間結合の微視的詳細と、これらユニット間の初期結合強さとの両方における、無作為な初期化の結果である。しかしながら、その結合がシナプシス経路、樹枝状部パターン、初期結合強さの範囲に抑制される限りは、残りの神経ユニット間の全体的な結合は、異なる「主題」間と同様である（詳細は、図３Ａ−３Ｂ及び表２を参照）。
【００６０】
図４に、１６のそれぞれの隠されたプラットフォームテスト試行中のＮＯＭＡＤ１０の代表的な軌跡を示す。ＮＯＭＡＤ１０の位置は、包囲２８上の頭上カメラ（不図示）によって記録される。図４における各ボックスは、試行（Ｔ１〜Ｔ１６）中のＮＯＭＡＤ１０の軌跡と、ＮＯＭＡＤ１０が隠されたプラットフォーム３６を発見するまでに要したシミュレーションサイクルの数とを示す。ＮＯＭＡＤ１０は各形状において示される小さな黒い四角印からその軌跡を開始し、隠されたプラットフォーム３６を発見するために移動している。隠されたプラットフォーム３６は、もしＮＯＭＡＤ１０が５０００シミュレーションサイクル内にプラットフォームを発見できた場合には図中において緑の丸印で示され、もし試行期間中に隠されたプラットフォーム３６を発見できなかった場合には、赤の丸印として示される。試行の中間地点までには、つまり試行Ｔ８の終了後は、ＮＯＭＡＤ１０は、その開始点から隠されたプラットフォーム３６に向かって、本質的に直線的な軌跡を描くことができている。
【００６１】
ＢＢＤのそのような各シミュレーションサイクルの間、擬似的な神経システム１２への知覚入力は処理され、全ての神経ユニットの状態が計算され、全ての可塑的結合の結合強さが決定されて、モータ出力が生成される。これらの試行において、各々のシミュレーションサイクルの遂行は、実時間で略２００ミリ秒要求される。各シミュレーションサイクル、ＮＯＭＡＤ１０の位置、その項目、及び全ての神経ユニットの状態は、記録され、ハードディスクに保存される。
【００６２】
［処理結果］９つの「主題」が、隠されたプラットフォーム課題上で実行された。
【００６３】
全般的に、「主題」のグループは、テストが進むに従い、隠されたプラットフォーム３６を発見する時間によって測定されたように、隠されたプラットフォーム課題を学習し、改善を示した。図５に、隠されたプラットフォーム課題中に試験された９つの「課題」の平均脱出時間のグラフとしてこの改善を示す。図５に示したように、各「主題」は、各々のブロック内での４つの試行を伴って、４つの試行ブロックを実行する。誤差バーは標準偏差を意味する。脱出時間は、ブロック１（ｐ＜０．０１）及びブロック２（ｐ＜０．０５）よりもブロック３及びブロック４の方が短縮されている点が重要である。Ｐ−評価は、既知のウィルコクソン標識ランク検定から導かれている。
【００６４】
［精査試行］精査試行の間、隠されたプラットフォーム３６は取り除かれ、「主題」は、環境２８を５０００シミュレーションサイクル又は略１７分間探検し、「主題」は隠されたプラットフォーム３６が存在していた領域を探索するのにかなりの割合の時間を使う。７つの「主題」は、精査試行において試験され、これらの「主題」は、隠されたプラットフォーム３６を含む包囲３６の象限において、概ねその半分の時間（□＝０．５０，□2＝０．２３）を使用している。
【００６５】
図６Ａ−６Ｂに、隠されたプラットフォーム３６が取り除かれた精査試行中の「主題」の軌跡を示す。赤の丸印は、テスト試行中の隠されたプラットフォーム３６の位置を示す。図６Ａは、平均的性能を持つ「主題」が、上記テスト試行中に隠されたプラットフォーム３６の使用された象限において、その４６％の時間を使用したことを示している。図６Ｂは、精査試行中により良い性能を示した「主題」が、隠されたプラットフォームの象限において８５％の時間を使用したことを示す。
【００６６】
［神経反応］擬似神経システム１２の海馬領域における神経ユニットの多くは、海馬「場所」細胞と呼ばれる典型反応を有するものであり、ここにおける神経ユニットは、ＮＯＭＡＤ１０が環境２８の特定領域にある間、独占的に活性化している。これは、図７Ａ−７Ｄにおいて示されており、ここでは、海馬の擬似神経ユニットＣＡ１に記録された４つの代表的な「場所」細胞が示されている。各矩形はＮＯＭＡＤ１０が探検する包囲２８を示しており、各ピクセルは包囲２８における１フィート四方を表わしている。ピクセルの色は所定のＣＡ１神経ユニットの活動度を表わしており、休止（白）から最大発生率（黒）までの正規化が行われている。これらの形状に対する赤の丸印は、隠されたプラットフォーム３６の位置を表わしている。
【００６７】
神経ユニットの反応は、場所にのみ特有なものではなく、前後関係にも特有なものである。これは、エピソード記憶にとって重要な要求であり、時間と共に入力統合を促進するアーキテクチャを備えたシステムにおいてのみ発生しうるものである。神経ユニットの多くは、ＮＯＭＡＤの軌跡に依存する、包囲２８における特定の場所に反応する。これらのユニットは「行程依存細胞」と呼ばれる。ユニットは、隠されたプラットフォーム３６の近くで反応する（例えば、３フィート内）全ての擬似海馬領域における細胞を探索することによる、遡及コーディング（つまり、この点に関して、現在の活動は、その先行する経験に基づいている）で発見される。全てのテスト及精査試行において、ＮＯＭＡＤ１０はこの位置を訪れている。しかしながら、図８Ａ−８Ｆに示したように、これら細胞の大多数は、試行のサブセット上でのみ反応し、同時に、ユニットのより小さな部分は、軌跡に関わらず、試行の大部分上で反応する。
【００６８】
より具体的には、図８Ａ−８Ｆは、海馬モデルにおける行程依存細胞と行程独立細胞とを示す図表である。活発な（平均活動度＞０．１）、そして、隠されたプラットフォーム３６の３フィート内の中心に置かれた「場所」フィールドを有する神経ユニットが解析に使用されている。行程独立細胞は、５又はそれより多い試行において活発であり、適度な行程依存細胞は３〜４試行において活発であり、高度な行程依存細胞は１〜２試行のみにおいて活発であった。図８Ａ−８Ｆに、各海馬サブ領域（ＥＣIN，ＥＣOUT，ＤＧ，ＣＡ３，ＣＡ１）及び海馬全体（図８Ｆ）における、行程独立細胞と行程依存細胞との割合を示す。
【００６９】
多くの場合において、ＮＯＭＡＤ１０は、所定の開始位置から隠されたプラットフォーム３６までの典型的な軌跡を示している。高度な行程依存細胞の略１０％は、より小さな軌跡を伴って、隠されたプラットフォーム３６の位置の近くで活性化している（つまり、試行９及び１３、試行１０及び１４、試行１１及び１５、試行１２及び１６）。
【００７０】
図９Ａ−９Ｈに、神経領域ＣＡ１における代表的な「行程依存」「場所」細胞を例示する。この細胞は、ＮＯＭＡＤ１０が図の上部の壁３０から開始している、試行９及び１３上の隠されたプラットフォーム３６（図中の開口円）の近くで最も活発である。活動は、この細胞に対する全てのテスト試行上の最大発生率に対して正規化される。ここで、白は非活性を意味し、黒は最大活性を意味する。
【００７１】
図１０は、本発明の多様な実施形態によるコンピュータシステムの例示的説明である。この図表は、論理的に分離したコンポーネントを表わしているが、この記述は単に説明のために過ぎない。当業者にとっては、この図において表現されたコンポーネントは別々のソフトウェア、ファームウェア、及び／又は、ハードウェアコンポーネントの中に任意に結合又は分離できることは明らかである。さらに、当業者にとっては、かかるコンポーネントは、如何様に結合又は分離されようとも、同じコンピューティングデバイス上で実行可能であり、あるいは、１又は複数のネットワークあるいは他の適当な通信手段によって接続された、異なるコンピューティングデバイス間で分配できることも明らかである。
【００７２】
多くの実施形態において、図１０に例示したコンポーネントは、１又は複数のプログラミング言語（例えば、Ｃ，Ｃ＋＋，ＪａｖａTM，及び他の適当な言語）で実装可能である。コンポーネントは、メッセージパッシングインタフェース（ＭＰＩ）、あるいは、これに限定されるものではないが、共有メモリ、分散オブジェクト、シンプルオブジェクトアクセスネットワーク（ＳＯＡＰ）を含む、他の適当な通信手段を使用して通信することができる。ＭＰＩは、コンピューティングデバイス（又はノード）間で情報を通信するのための産業標準プロトコルである。一実施形態においては、本システムは、ベーオウルフ（Beowulf）クラスタのような（但し、これに限定されない）、マルチプロセッサコンピュータアーキテクチャを用いることができる。ベーオウルフクラスタは、典型的には、イーサネット（登録商標）又は他のいくつかのネットワークを介して接続された商品ハードウェアコンポーネント（例えば、Ｌｉｎｕｘオペレーティングシステムを実行するパーソナルコンピュータ）で構成される。本開示は、如何なる特定形式の並列コンピューティングアーキテクチャにも限定されない。他の多くのこのようなアーキテクチャも使用可能であって、完全に本開示の範囲内及び趣旨内にある。
【００７３】
図１０を参照すると、マスターコンポーネント１３０２は、クライアント１３０４から受信するコマンドに従って、他のコンポーネントの活動と協働することができる。一実施形態においては、クライアント１３０４はスタンドアロンプロセスであるか、または、スクリプト又は他のシナリオ及び／又はマスターから受信するクライアント情報（例えば、神経活動、センサ読み取り及びカメラ入力）に応答してプログラム的にマスターを制御するプロセスである。クライアントコマンドはマスター１３０２を指示して頭脳ベースのデバイスＢＢＤの試験を開始又は停止することができ、その実験状態をデータストア１３１２に保存し、データストア１３１２から実験状態を読み出して、実験を実施するための実行時間／回数を設定し、神経シミュレータ１３１０のパラメータを設定することができる。
【００７４】
他の実施形態において、クライアント１３０４は、マスター１３０２から情報を受信するユーザインタフェースであり、これによりユーザはシステムを相互作用的に制御することができる。非限定的な例示方法によって、ユーザインタフェースとしては、次の１又は複数を含むことができる：１）グラフィカルユーザインタフェース（ＧＵＩ）（例えば、ハイパーテキストマークアップ言語で表現されたもの）；２）音及び／又はボイスコマンドに応答する能力；３）遠隔制御デバイス（例えば、セルラーホン、ＰＤＡ、又は、他の適当な遠隔制御）からの入力に応答する能力；４）ジェスチャに応答する能力（例えば、顔の表情等）；５）同一又は他のコンピューティングデバイス上のプロセスからの入力に応答する能力；６）コンピュータマウス及び／又はキーボードからの入力に応答する能力。本開示は、如何なる特定のＧＵＩに限定されるものではない。当業者であれば、他の多くのユーザインタフェースが使用可能であって、本開示の範囲内及び趣旨内にあることは明らかである。
【００７５】
各神経領域に対する神経ユニットは、神経シミュレータ１３１０にそれぞれ割り当てられている。各々の神経シミュレータ１３１０は、割り当てられている神経ユニットの活動度計算を担っている。所定の神経領域の神経ユニットは、１又は複数の神経シミュレータ１３１０の全域に分布させることができる。多様な実施形態において、１つのベーオウルフノード当たり１つの神経シミュレータ１３１０を備えることができる。性能を最適化するために神経ユニットは神経シミュレータ間で分布させることができるので、神経シミュレータ上のシナプシス結合の平均数は略同じになる。他の実施形態においては、神経シミュレータ１つ当たりの神経ユニットの平均数を略同一にするよう、神経ユニットを分布させることができる。神経シミュレータは、定期的に、又は継続的に、自らの神経ユニット活動の計算結果を、他の神経シミュレータ及びマスターと交換することができる。この情報は、他の神経シミュレータ上の神経ユニットが最新のシナプシス前入力を持つように要求される。マスターは、神経シミュレータ１３１０から受信した神経活動に基づいて、ＮＯＭＡＤ１０にアクチュエータコマンドを与える。
【００７６】
マスターは、イメージグラッバー１３０６から定期的にイメージデータを受信し、これを神経シミュレータ１３１０とクライアント１３０４とに分配する。一実施形態において、このイメージは、ＲＧＢビデオイメージを送信するＮＯＭＡＤ１０に取り付けられたＣＣＤカメラ１６から、ＲＦ送信機を介して、ＩｍａｇｅＮａｔｉｏｎ社のＰＸＣ２００フレームグラッバー１３０６に送信される。そして、このイメージは、ピクセルイメージを生成するために空間的に平均化される。ガボールフィルターを使用して垂直及び水平方向の縁を検知することができる（既に簡潔に述べた通りである）。ガボール関数の出力は、対応するＶ１幅神経領域の神経ユニット上に直接マップされる。また、カラーフィルタの出力がＶ１カラーの神経ユニット上に直接マップされている場合には、カラーフィルタもイメージに適用される。
【００７７】
また、マスター１３０２もＮＯＭＡＤ１０のコンポーネント１３０８からセンサデータを定期的に取得して、神経シミュレータ１３１０に分配している。一実施形態において、ＮＯＭＡＤ１０に搭載されたマイクロコントローラ（ＰＩＣ１７Ｃ７５６Ａ）は、そのセンサからの入力及び状態をサンプルし、ＮＯＭＡＤ１０ベースとマスター１３０２との間のＲＳ−２３２通信を制御する。センサ情報には、既に述べたビデオ情報に加えて、グリッパー（gripper）状態、カメラ位置、赤外線検知器、針電極偏差（whisker deflection）、ホイール速度及び方向、走行距離カウントを含む。
【００７８】
図１１に、本発明の多様な実施形態に従った、神経シミュレータ初期化のフローチャートを例示する。この図は、例示目的のために特定順序で機能段階を記載しているが、この処理は、何れの特定順序又は段階配置にも制限されることはない。当業者であれば、この図に記載された多様な段階は、省略、再配置が可能であり、並列に処理することも、多様な方法で組み合わせ及び／又は適応させることもできることが理解できるであろう。段階１４０２においては、クライアント１３０４からのコマンドに基づいて、保存された試行をデータストア１３１２から検索すべきか否か、あるいは、新しい試行を開始すべきかを判断する。もし、この試行がデータストアから検索されると、段階１４１０において実行される。多様な実施形態において、試行状態は、拡張マークアップ言語（ＸＭＬ）文書、平文ファイル、あるいは、バイナリファイルとして格納することができる。他方、段階１４０４において、神経ユニットが表１で与えられたパラメータに従って生成される。次に、段階１４０６において、シナプシス結合が、表２のパラメータに従って神経ユニット間で生成される。最後に、段階１４０８において、各神経ユニットが神経シミュレータに割り当てられる。
【００７９】
図１２に、本発明の多様な実施形態に従った、マスターコンポーネントのフローチャートを例示する。この図は、例示目的のために特定順序で機能段階を記載しているが、この処理は、何れの特定順序又は段階配置にも制限されることはない。当業者であれば、この図に記載された多様な段階は、省略、再配置が可能であり、並列に処理することも、多様な方法で組み合わせ及び／又は適応させることもできることが理解できるであろう。
【００８０】
段階１５０２において、マスター１３０２は、イメージグラッバー及びＮＯＭＡＤ１０から取得したイメージとセンサデータとを、神経シミュレータ及びクライアントにブロードキャストする。段階１５０４において、マスターは、受信しうるあらゆるコマンドを神経シミュレータにブロードキャストする。段階１５０６において、クライアント１３０４がマスター１３０２に指示して実験を休止させたか否かが判断される。もし、そうならば、マスターは実験を休止する（データストアへの実験状態の保存も含まれる）。他方では、段階１５０８において、更新された情報がクライアントに提供されて、ＧＵＩを更新するように働く。段階１５１０において、神経シミュレータ１３１０からの神経ユニット活動は、全てのコンピュータの間で共有される（例えば、ＭＰＩを介して）。神経活動は、クライアント情報の一部として、そのクライアントに何れかの形式で提供される。最後に、シミュレーションにおいて何れかの残存サイクルが存在するか否かが判断される。もし、残存サイクルがなければ、試行は終了する。残存サイクルがあれば、マスター１３０２は段階１５０２に復帰する。
【００８１】
図１３に、本発明の多様な実施形態に従った神経シミュレータのフローチャートを例示する。この図は、例示目的のために特定順序で機能段階を記載しているが、この処理は、何れの特定順序又は段階配置にも制限されることはない。当業者であれば、この図に記載された多様な段階は、省略、再配置が可能であり、並列に処理することも、多様な方法で組み合わせ及び／又は適応させることもできることが理解できるであろう。
【００８２】
段階１６０２において、神経シミュレータ１３１０は、マスター１３０２によってブロードキャストされたイメージとセンサデータとを受信する。段階１６０４において、マスター１３０２によってブロードキャストされたクライアントコマンドが受信される。段階１６０６において、クライアント１３０４がマスター１３０２に試行を中止するように指示したか否かが判断される。もし、そうならば、神経シミュレータ１３１０は、その遂行を完了する。他方では、段階１６０８において、神経シミュレータに割り当てられた神経ユニットの評価が計算される。段階１６１０において、可塑性結合の強さが計算される。局所的な神経ユニット活動は、段階１６１２において他の神経シミュレータ及びマスターと共有される。加えて、他の神経シミュレータからの神経活動が取得されて、局所的な評価をリフレッシュするために使用される。最後に、段階１６１４において、試行中に残存するサイクルがあるか否かが判断される。もし、残存サイクルがなければ、試行は終了する。残存サイクルがあれば、神経シミュレータ１３１０は段階１６０２に復帰する。
【００８３】
コンピュータ技術における当業者にとっては明らかなように、本開示の教示に従ってプログラムされた、従来の汎用又は特定のディジタルコンピュータ若しくはマイクロプロセッサを使用して、多様な実施形態を実施することができる。ソフトウェア技術における当業者にとっては明らかなように、適切なソフトウェアコーディングは、本開示の教示に基づいて、技術を持ったプログラマによって容易に準備可能である。また、当業者にとってすぐに明らかなように、本発明は、集積回路の準備によって、或いは、従来のコンポーネント回路の適切なネットワークの相互接続によって、実施することもできる。
【００８４】
多様な実施形態には、ここで与えられた何れの機能をも実行するために、汎用又は特定のコンピューティングプロセッサ／デバイスをプログラム制御するよう使用され、その上（中）に命令を有する記憶媒体（メディア）であるコンピュータプログラム製品が含まれる。記憶媒体には、これに限定されるものではないが、次の１又は複数のものが含まれる。つまり、フロッピディスク、光ディスク、ＤＶＤ、ＣＤ−ＲＯＭ、マイクロデバイス、磁気光ディスク、ＲＯＭ、ＲＡＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＤＲＡＭ、ＶＲＡＭ、フラッシュメモリデバイス、磁気又は光カード、ナノシステム（分子的なメモリＩＣを含む）を含むあらゆる形式の物理メディア、そして、あらゆる形式の命令及び／又はデータを蓄積するために適切なメディア又はデバイスである。多様な実施形態には、１又は複数のパブリック又はプライベートネットワーク上で送信され得るコンピュータプログラム製品が含まれ、ここで、この送信には、本明細書において与えられたあらゆる機能を実行するコンピューティングデバイスをプログラム制御するために使用される命令が含まれる。
【００８５】
１又は複数のコンピュータ読み取り可能媒体（メディア）に蓄積されて、本開示は、汎用／特定のコンピュータ又はマイクロプロセッサの両方のハードウェアを制御するためのソフトウェアと、人間のユーザ若しくは本発明の結果を使用する他の機械と相互に作用し合うことをコンピュータ又はマイクロプロセッサに可能とするためのソフトウェアと、を含む。かかるソフトウェアには、これに限定されるものではないが、デバイスドライバ、オペレーティングシステム、実行環境／コンテナ、そしてアプリケーションが含まれる。
【００８６】
（まとめ）
本発明のＢＢＤは、環境２８内の行動中の海馬ユニット活動を観察することによって、空間記憶の獲得及び想起を実演するものであって、エピソード記憶の前提条件となる神経反応に依存した前後関係を有することが示されている。
【００８７】
上述したＢＢＤ方法論は、エピソード的及び空間的な記憶を調査するために有益である。先行する計算機上の海馬モデルとは異なり、ＢＢＤは、環境２８において用いられ、環境的な入力についての一切の推定がなされず、空間記憶の課題を解決するためにＮＯＭＡＤ１０の行動動作についての仮定もなされない。さらに、空間記憶を構築するために、海馬の抽象概念を有する先行するロボットシステムとは異なり、ＢＢＤは、システム神経科学レベルでの詳細な神経構造（表１及び表２を参照）と結合した神経ダイナミクスを備えている。
【００８８】
ここに記述したＢＢＤモデルは、海馬内の神経領域と同様に、海馬と皮質との間の巨視的及び微視的な解剖学的構造が考慮されている。ＢＢＤは、海馬における神経反応から目的を持った行動へのマッピングを進展させる（図４〜図６を参照）。また、仮定又は指示なしに、齧歯類動物のものと共通性のある「場所」細胞を発達させる（図７及び９を参照）。これらの反応は、時間と共に、ＮＯＭＡＤ１０の自律的な探検と３つの入力ストリーム（視覚的なもの又はＩＴ，視覚的な場所又はＰｒ，自己移動又はＡＴＮ）とに基づいて生じる。
【００８９】
皮質から海馬への複数のループ（図３Ａ）と海馬固有内のループ（図３Ｂ）とは、時間と共に入力を統合し、皮質に依存する空間的記憶を構築するために重要である（図８〜９を参照）。これら前後関係依存の反応は、マルチモードな記憶の連続の獲得及び想起にとって重要であり、エピソード記憶の特質なのである。
【図面の簡単な説明】
【００９０】
【図１】物理的なモバイル頭脳ベースのデバイスの外観図である。
【図２Ａ】本発明にかかるＢＢＤが移動する包囲環境の概略図である。
【図２Ｂ】図２Ａにおいて図示された包囲環境内のＢＢＤのスナップ写真である。
【図３Ａ】神経擬似結合を示す本発明にかかるＢＢＤの擬似神経システムの領域的及び機能的神経構造の図式的な高水準図表である。
【図３Ｂ】図３Ａの海馬領域内の詳細結合を示す図である。図内挿入図は、ＢＣＭ学習規則に基づくシナプシス変化規則を示している。
【図４】隠されたプラットフォームテスト試行の間の本発明にかかるＢＢＤの代表的な軌跡を図式的に示す。
【図５】隠されたプラットフォーム課題の間に試験された本発明にかかるＢＢＤのいくつかの実施形態の平均脱出時間を示す図表である。
【図６Ａ】精査試行中の本発明にかかるＢＢＤの各々の実施形態の図式的な軌跡を示す図である。
【図６Ｂ】精査試行中の本発明にかかるＢＢＤの各々の実施形態の図式的な軌跡を示す図である。
【図７Ａ】擬似神経領域ＣＡ１において記録された内部表現「場所」細胞である。
【図７Ｂ】擬似神経領域ＣＡ１において記録された内部表現「場所」細胞である。
【図７Ｃ】擬似神経領域ＣＡ１において記録された内部表現「場所」細胞である。
【図７Ｄ】擬似神経領域ＣＡ１において記録された内部表現「場所」細胞である。
【図８Ａ】海馬モデルにおける行程依存及び行程独立細胞を表わすチャートである。
【図８Ｂ】海馬モデルにおける行程依存及び行程独立細胞を表わすチャートである。
【図８Ｃ】海馬モデルにおける行程依存及び行程独立細胞を表わすチャートである。
【図８Ｄ】海馬モデルにおける行程依存及び行程独立細胞を表わすチャートである。
【図８Ｅ】海馬モデルにおける行程依存及び行程独立細胞を表わすチャートである。
【図８Ｆ】海馬モデルにおける行程依存及び行程独立細胞を表わすチャートである。
【図９Ａ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｂ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｃ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｄ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｅ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｆ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｇ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図９Ｈ】各々の試行中の神経領域ＣＡ１における代表的な行程依存「場所」細胞を例示する図である。
【図１０】本発明の多様な実施形態に従ったシステムの例示的説明図である。
【図１１】神経シミュレータ初期化のフローチャートの例示である。
【図１２】本発明の多様な実施形態に従ったマスターコンポーネントのフローチャートの例示である。
【図１３】本発明の多様な実施形態に従った神経シミュレータのフローチャートである。
【特許請求の範囲】
【請求項１】
ａ）実世界環境におけるマルチモード情報を検知するセンサを有するモバイル適応デバイスと、
ｂ）前記センサによって検知されたマルチモード情報を受信及び処理し、応答して、情報を出力して前記環境内の前記モバイル適応デバイスの動作を制御する擬似神経システムと、
を備え、
ｃ）前記擬似神経システムは、センサ入力ストリームと、出力モータストリームとを含み、かつ、前記擬似神経システムの前記センサ入力システムと前記出力モータストリームとに結合された海馬に類似する神経領域を含む
ことを特徴とする、実世界環境においてナビゲートするモバイル頭脳ベースのデバイス。
【請求項２】
請求項１に記載したモバイル頭脳ベースのデバイスにおいて、前記センサ入力ストリームは、皮質に類似する神経領域を含むことを特徴とするデバイス。
【請求項３】
請求項２に記載したモバイル頭脳ベースのデバイスにおいて、海馬に類似する前記神経領域と皮質に類似する前記神経領域とは、多重ループを通って結合されて、時間と共にマルチモード情報を統合し、空間メモリを形成することを特徴とするデバイス。
【請求項４】
請求項１に記載したモバイル頭脳ベースのデバイスにおいて、前記センサ入力ストリームは、下側頭皮質（ＩＴ）に類似する神経領域と、頭頂皮質（Ｐｒ）に類似する神経領域と、前方視床核（ＡＴＮ）システムに類似する神経領域とからなることを特徴とするデバイス。
【請求項５】
請求項４に記載したモバイル頭脳ベースのデバイスにおいて、前記モバイル適応デバイスはイメージ検知手段を構成することを特徴とするデバイス。
【請求項６】
請求項５に記載したモバイル頭脳ベースのデバイスにおいて、下側頭皮質（ＩＴ）に類似する前記神経領域はイメージの色情報を処理することを特徴とするデバイス。
【請求項７】
請求項５に記載したモバイル頭脳ベースのデバイスにおいて、前記頭頂皮質（Ｐｒ）に類似する神経領域はイメージの幅情報を処理することを特徴とするデバイス。
【請求項８】
請求項５に記載したモバイル頭脳ベースのデバイスにおいて、前記モバイル適応デバイスは項目情報検知手段を構成することを特徴とするデバイス。
【請求項９】
請求項８に記載したモバイル頭脳ベースのデバイスにおいて、前記前方視床核（ＡＴＮ）に類似する神経領域は項目情報を処理するものであることを特徴とするデバイス。
【請求項１０】
請求項４に記載したモバイル頭脳ベースのデバイスにおいて、前記海馬に類似する神経領域は、下側頭皮質（ＩＴ）に類似する神経領域と、頭頂皮質（Ｐｒ）に類似する神経領域と、前方視床核（ＡＴＮ）に類似する神経領域とに、投射（Ｐ）を介してそれぞれ結合されることを特徴とするデバイス。
【請求項１１】
請求項１に記載したモバイル頭脳ベースのデバイスにおいて、前記擬似神経システムは、評価システム（Ｓ）に類似する神経領域を更に含み、前記海馬に類似する神経領域に結合されることを特徴とするデバイス。
【請求項１２】
請求項１１に記載したモバイル頭脳ベースのデバイスにおいて、前記モバイル適応デバイスは、前記モバイル適応デバイスが移動する実世界環境内の障害を検知する手段を含むことを特徴とするデバイス。
【請求項１３】
請求項１２に記載したモバイル頭脳ベースのデバイスにおいて、前記評価システム（Ｓ）は、検知されている障害物が探していたものか、又は、検知されている障害物が回避すべきものであるかについての制御された情報を前記海馬に類似する神経領域に提供する正報酬（Ｒ＋）システムと負報酬（Ｒ−）システムとを含むことを特徴とするデバイス。
【請求項１４】
請求項１に記載したモバイル頭脳ベースのデバイスにおいて、前記擬似神経システムは、自己中心的な項目（ＭHDG）に対するモータ領域に類似する神経領域を更に含むことを特徴とするデバイス。
【請求項１５】
請求項１４に記載したモバイル頭脳ベースのデバイスにおいて、前記海馬に類似する神経領域は、自己中心的な項目に対するモータ領域に類似する前記神経領域に制御情報を出力して前記モバイル適応デバイスの動作を制御するものであることを特徴とするデバイス。
【請求項１６】
請求項１に記載したモバイル頭脳ベースのデバイスにおいて、前記海馬に類似する神経領域は、内嗅皮質（ＥＣ）に類似する神経領域と、歯状脳回（ＤＧ）に類似する神経領域と、部分野（ＣＡ３）及び部分野（ＣＡ１）に類似する神経領域とからなることを特徴とするデバイス。
【請求項１７】
請求項１６に記載したモバイル頭脳ベースのデバイスにおいて、前記海馬に類似する神経領域内に、内嗅皮質（ＥＣ）、歯状脳回（ＤＧ）、及び部分野（ＣＡ３）及び（ＣＡ１）を互いに結合するための投射（Ｐ）が存在することを特徴とするデバイス。
【請求項１８】
請求項１に記載したモバイル頭脳ベースのデバイスにおいて、前記擬似神経システムは、前脳基底部に類似する神経領域を更に含み、海馬に類似する神経領域内へ入力をゲート制御することを特徴とするデバイス。
【請求項１】
ａ）実世界環境におけるマルチモード情報を検知するセンサを有するモバイル適応デバイスと、
ｂ）前記センサによって検知されたマルチモード情報を受信及び処理し、応答して、情報を出力して前記環境内の前記モバイル適応デバイスの動作を制御する擬似神経システムと、
を備え、
ｃ）前記擬似神経システムは、センサ入力ストリームと、出力モータストリームとを含み、かつ、前記擬似神経システムの前記センサ入力システムと前記出力モータストリームとに結合された海馬に類似する神経領域を含む
ことを特徴とする、実世界環境においてナビゲートするモバイル頭脳ベースのデバイス。
【請求項２】
請求項１に記載したモバイル頭脳ベースのデバイスにおいて、前記センサ入力ストリームは、皮質に類似する神経領域を含むことを特徴とするデバイス。
【請求項３】
請求項２に記載したモバイル頭脳ベースのデバイスにおいて、海馬に類似する前記神経領域と皮質に類似する前記神経領域とは、多重ループを通って結合されて、時間と共にマルチモード情報を統合し、空間メモリを形成することを特徴とするデバイス。
【請求項４】
請求項１に記載したモバイル頭脳ベースのデバイスにおいて、前記センサ入力ストリームは、下側頭皮質（ＩＴ）に類似する神経領域と、頭頂皮質（Ｐｒ）に類似する神経領域と、前方視床核（ＡＴＮ）システムに類似する神経領域とからなることを特徴とするデバイス。
【請求項５】
請求項４に記載したモバイル頭脳ベースのデバイスにおいて、前記モバイル適応デバイスはイメージ検知手段を構成することを特徴とするデバイス。
【請求項６】
請求項５に記載したモバイル頭脳ベースのデバイスにおいて、下側頭皮質（ＩＴ）に類似する前記神経領域はイメージの色情報を処理することを特徴とするデバイス。
【請求項７】
請求項５に記載したモバイル頭脳ベースのデバイスにおいて、前記頭頂皮質（Ｐｒ）に類似する神経領域はイメージの幅情報を処理することを特徴とするデバイス。
【請求項８】
請求項５に記載したモバイル頭脳ベースのデバイスにおいて、前記モバイル適応デバイスは項目情報検知手段を構成することを特徴とするデバイス。
【請求項９】
請求項８に記載したモバイル頭脳ベースのデバイスにおいて、前記前方視床核（ＡＴＮ）に類似する神経領域は項目情報を処理するものであることを特徴とするデバイス。
【請求項１０】
請求項４に記載したモバイル頭脳ベースのデバイスにおいて、前記海馬に類似する神経領域は、下側頭皮質（ＩＴ）に類似する神経領域と、頭頂皮質（Ｐｒ）に類似する神経領域と、前方視床核（ＡＴＮ）に類似する神経領域とに、投射（Ｐ）を介してそれぞれ結合されることを特徴とするデバイス。
【請求項１１】
請求項１に記載したモバイル頭脳ベースのデバイスにおいて、前記擬似神経システムは、評価システム（Ｓ）に類似する神経領域を更に含み、前記海馬に類似する神経領域に結合されることを特徴とするデバイス。
【請求項１２】
請求項１１に記載したモバイル頭脳ベースのデバイスにおいて、前記モバイル適応デバイスは、前記モバイル適応デバイスが移動する実世界環境内の障害を検知する手段を含むことを特徴とするデバイス。
【請求項１３】
請求項１２に記載したモバイル頭脳ベースのデバイスにおいて、前記評価システム（Ｓ）は、検知されている障害物が探していたものか、又は、検知されている障害物が回避すべきものであるかについての制御された情報を前記海馬に類似する神経領域に提供する正報酬（Ｒ＋）システムと負報酬（Ｒ−）システムとを含むことを特徴とするデバイス。
【請求項１４】
請求項１に記載したモバイル頭脳ベースのデバイスにおいて、前記擬似神経システムは、自己中心的な項目（ＭHDG）に対するモータ領域に類似する神経領域を更に含むことを特徴とするデバイス。
【請求項１５】
請求項１４に記載したモバイル頭脳ベースのデバイスにおいて、前記海馬に類似する神経領域は、自己中心的な項目に対するモータ領域に類似する前記神経領域に制御情報を出力して前記モバイル適応デバイスの動作を制御するものであることを特徴とするデバイス。
【請求項１６】
請求項１に記載したモバイル頭脳ベースのデバイスにおいて、前記海馬に類似する神経領域は、内嗅皮質（ＥＣ）に類似する神経領域と、歯状脳回（ＤＧ）に類似する神経領域と、部分野（ＣＡ３）及び部分野（ＣＡ１）に類似する神経領域とからなることを特徴とするデバイス。
【請求項１７】
請求項１６に記載したモバイル頭脳ベースのデバイスにおいて、前記海馬に類似する神経領域内に、内嗅皮質（ＥＣ）、歯状脳回（ＤＧ）、及び部分野（ＣＡ３）及び（ＣＡ１）を互いに結合するための投射（Ｐ）が存在することを特徴とするデバイス。
【請求項１８】
請求項１に記載したモバイル頭脳ベースのデバイスにおいて、前記擬似神経システムは、前脳基底部に類似する神経領域を更に含み、海馬に類似する神経領域内へ入力をゲート制御することを特徴とするデバイス。
【図１】
【図２Ａ】
【図２Ｂ】
【図３Ａ】
【図３Ｂ】
【図４】
【図５】
【図６Ａ】
【図６Ｂ】
【図７Ａ】
【図７Ｂ】
【図７Ｃ】
【図７Ｄ】
【図８Ａ】
【図８Ｂ】
【図８Ｃ】
【図８Ｄ】
【図８Ｅ】
【図８Ｆ】
【図９Ａ】
【図９Ｂ】
【図９Ｃ】
【図９Ｄ】
【図９Ｅ】
【図９Ｆ】
【図９Ｇ】
【図９Ｈ】
【図１０】
【図１１】
【図１２】
【図１３】
【図２Ａ】
【図２Ｂ】
【図３Ａ】
【図３Ｂ】
【図４】
【図５】
【図６Ａ】
【図６Ｂ】
【図７Ａ】
【図７Ｂ】
【図７Ｃ】
【図７Ｄ】
【図８Ａ】
【図８Ｂ】
【図８Ｃ】
【図８Ｄ】
【図８Ｅ】
【図８Ｆ】
【図９Ａ】
【図９Ｂ】
【図９Ｃ】
【図９Ｄ】
【図９Ｅ】
【図９Ｆ】
【図９Ｇ】
【図９Ｈ】
【図１０】
【図１１】
【図１２】
【図１３】
【公表番号】特表２００８−５０７７４５（Ｐ２００８−５０７７４５Ａ）
【公表日】平成２０年３月１３日（２００８．３．１３）
【国際特許分類】
【出願番号】特願２００７−５２１５９９（Ｐ２００７−５２１５９９）
【出願日】平成１７年７月１３日（２００５．７．１３）
【国際出願番号】ＰＣＴ／ＵＳ２００５／０２４８１４
【国際公開番号】ＷＯ２００６／０１９７９１
【国際公開日】平成１８年２月２３日（２００６．２．２３）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．Ｌｉｎｕｘ
【出願人】（５０６３４７３１１）ニューロサイエンシーズ リサーチ ファンデーション インコーポレイテッド (7)
【公表日】平成２０年３月１３日（２００８．３．１３）
【国際特許分類】
【出願日】平成１７年７月１３日（２００５．７．１３）
【国際出願番号】ＰＣＴ／ＵＳ２００５／０２４８１４
【国際公開番号】ＷＯ２００６／０１９７９１
【国際公開日】平成１８年２月２３日（２００６．２．２３）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．Ｌｉｎｕｘ
【出願人】（５０６３４７３１１）ニューロサイエンシーズ リサーチ ファンデーション インコーポレイテッド (7)
[ Back to top ]