Forscher der EPFL, der Duke University und des Instituto Superior Técnico haben eine realistische Simulation einer Zebrafischlarve sowie einen von diesem Tier inspirierten Roboter entwickelt, der allein mithilfe der Sehkraft gegen eine Strömung anschwimmen kann. Ihre Arbeit, veröffentlicht in Science Robotics, zeigt, wie Körper und neuronale Schaltkreise eines Tieres gemeinsam das Verhalten steuern.
Um in einem Fluss auf der Stelle zu bleiben, muss ein Fisch wissen, wie schnell er schwimmen und wie er sich ausrichten muss, um die Strömung auszugleichen. Die meisten Arten nutzen das Sehvermögen, um den optischen Fluss, also das Vorbeiziehen der Umgebung, zu erkennen, und ihr Gehirn wandelt diese Signale in ausgleichende Bewegungen um. Neurowissenschaftler nennen diesen stabilisierenden Reflex die optomotorische Reaktion (OMR). Die Netzhaut erfasst die Richtung des Flusses, Neuronen im Prätectum, einer Hirnregion, interpretieren ihn, und Spinalnerven steuern die Kontraktion der Muskeln.
Das Problem liegt in der Schwierigkeit, ein lebendes Gehirn zu verändern, um die Rolle einer Verbindung zu testen. Zwar ermöglicht die Bildgebung heute, Neuronen während des Verhaltens aufzuzeichnen und sogar zu manipulieren, doch die Verschaltungen eines komplexen Tieres umzuschreiben bleibt nahezu unmöglich.
Ein Schaltplan aus dem Fischgehirn
Der Ausgangspunkt liegt im Labor Naumann an der Duke University, wo detaillierte Verhaltensstudien und Kalziumbildgebung des gesamten Gehirns von Larven, die visuellen Reizen ausgesetzt waren, die den optischen Fluss eines Flussbetts imitierten, kombiniert mit Schaltkreismodellierung einen Schaltplan der OMR-Bahnen im gesamten Gehirn ermöglichten.
Basierend auf diesem Modell und weiteren Daten zur neuronalen Verarbeitung in der Netzhaut und im Rückenmark von Wirbeltieren entwickelten Dr. Xiangxiao Liu und Luca Zunino aus dem Team der EPFL simZFish, eine neuromechatronische Simulation. Sie reproduziert den Körper der Larve mit ihren Augen und Flossen und nutzt diesen experimentellen Schaltplan als Gehirn.
simZFish, ein zerlegbares Gehirn
Im Physiksimulator Webots aufgebaut, stellt simZFish eine sechs Tage alte Larve im Maßstab 1:1 dar: einen 4 mm großen Körper mit einem Gewicht von 0,3 mg, sieben Segmente, sechs simulierte Motoren, einen Kopf mit zwei seitlichen Kameras und realistische Hydrodynamik. Sein künstliches Gehirn reproduziert den gesamten neuronalen Schaltkreis, von den von der Netzhaut erfassten Pixeln bis zur Aktivierung der Muskeln.
Die Forscher können jedes Element des Modells verändern, Neuronen entfernen oder hinzufügen oder die Augenlinse wechseln und dann sofort die Auswirkungen beobachten. Beim Tier, so erinnern die Autoren, kann man nur Korrelationen der Aktivität aufzeichnen, wenn der Fisch das untersuchte Verhalten zeigt, ohne andere gleichzeitig ablaufende Prozesse ausschließen zu können. Das Modell macht die Komponenten daher identifizierbar und ermöglicht es, die « minimalen essenziellen Elemente » der OMR zu bestimmen.
Der Körper ist Teil der Berechnung
Indem sie die Kameras an den Seiten des Kopfes platzierten, stellten die Forscher fest, dass der optische Fluss, den die Strömung erzeugt, widersprüchliche Wirbel von einem Gesichtsfeld zum anderen erzeugt, ein Fall ähnlich dem klassischen « Aperturproblem ». Wenn die gesamte Netzhaut den Schaltkreis speiste, löschten sich diese Signale gegenseitig aus und das OMR-Verhalten verschwand. Es kehrte zurück, sobald der Input auf den unteren und hinteren Teil des Gesichtsfelds beschränkt wurde.
Diese Zone entspricht genau derjenigen, die die OMR beim echten Fisch am stärksten steuert. Laut den Autoren erklärt die Anordnung der seitlichen Augen, warum der Schaltkreis so verdrahtet ist: Sie erfasst die meisten nützlichen Informationen mit den wenigsten Verbindungen, eine effiziente Lösung, die auch die Evolution offenbar gewählt hat.
Eine Vorhersage, die zum Mikroskop zurückführt
Die Simulation zeigte auch die Grenzen des ursprünglichen Modells auf. Als jedes Auge eine Bewegung in die entgegengesetzte Richtung erhielt, ein nie zuvor getesteter Scherreiz, drehte sich simZFish 1.0 viel stärker als erwartet. Bei echten Larven ausprobiert, löste derselbe Reiz laut Dr. Matthew Loring, dem leitenden Neurobiologen des Teams, fast keine Rotation aus.
Die Forscher an der Duke University zeichneten daraufhin mittels volumetrischer Zwei-Photonen-Kalzium-Bildgebung Zehntausende von Neuronen auf. Sie identifizierten mehrere bisher nicht beschriebene Subtypen von binokularen Neuronen im Prätectum. In das Modell integriert, ergaben sie simZFish 2.0, das das Verhalten des echten Fisches viel besser reproduziert, auch beim Scherreiz. Auke Ijspeert, der das Labor für Biorobotik (BioRob) der EPFL leitet, fasst zusammen: « simZFish verengt das Forschungsfeld, Tierexperimente überprüfen die Vorhersagen, und zusammen vervollständigen sie das Puzzle des neuronalen Schaltkreises. »
Der Roboter ZBot im Fluss
Der Schaltkreis wurde anschließend auf ZBot übertragen, einen 80 Zentimeter großen, 2,7 Kilogramm schweren Roboter mit zwei echten Kameras, sechs Schwanzmotoren und einem Raspberry Pi, der dasselbe neuronale Netzwerk ausführt. In der Chamberonne bei Lausanne blieb der Roboter mit aktiviertem visuellem Schaltkreis 58 Sekunden lang im Sichtfeld einer Drohnenkamera, verglichen mit etwa 37 Sekunden, als seine « Augen » deaktiviert waren, und 20 Sekunden, als er mit abgeschalteten Motoren trieb.
Diese Versuche legen nahe, dass ein Fisch prinzipiell allein mit visuellen Schaltkreisen gegen eine Strömung ankämpfen könnte, was der Hypothese widerspricht, dass Rheotaxis die Seitenlinie, dieses Netzwerk von Sinnesorganen entlang des Körpers, erfordert. Für die Robotik vermeidet der Ansatz zusätzliche Hardware: Drohnen nutzen typischerweise eine nach unten gerichtete Kamera, während die Methode die bereits vorhandenen Seitenkameras nutzt. Die Modelle des Simulators und die Roboterdesigns sind Open Source.
