Wie Insekten ihr Sehen nutzen, um sich zurechtzufinden
Forschung zeigt, wie Insekten die Richtung mit visuellen Informationen verfolgen.
― 7 min Lesedauer
Inhaltsverzeichnis
Insekten, wie viele Tiere, müssen wissen, wo sie hinwollen und wie sie zu ihren Zuhause zurückkommen. Eine wichtige Möglichkeit, wie sie das machen, ist, ihre Richtung zu verfolgen. Das hilft ihnen, nach dem Herumwandern zu ihren Nestern zurückzukommen. Insekten nutzen spezielle Gehirnzellen, die Kompassneuronen genannt werden, die ihnen helfen, herauszufinden, in welche Richtung sie schauen. Diese Zellen reagieren stark auf verschiedene Richtungen, je nachdem, was sie in ihrer Umgebung sehen.
Säugetiere haben auch ähnliche Zellen, aber die sind über verschiedene Teile des Gehirns verteilt. Bei Insekten sind diese Kompassneuronen in bestimmten Gruppen organisiert, wodurch eine Struktur entsteht, die wie ein Ring aussieht. Jedes benachbarte Neuron in diesem Ring ist darauf eingestellt, auf Richtungen zu reagieren, die nah beieinander liegen. Wissenschaftler haben mehrere Computermodelle erstellt, um zu verstehen, wie das funktioniert, aber viele dieser Modelle wurden nicht mit echten Bildern getestet und ahmen nicht nach, wie Insekten tatsächlich verarbeiten, was sie sehen.
Forschung hat gezeigt, dass bestimmte Arten von Neuronen visuelle Informationen zu den Kompassneuronen weiterleiten. Dieses Papier diskutiert, wie die visuelle Verarbeitung ähnlich erfolgt wie bei Insekten wie Fruchtfliegen, die ihren Orientierungssinn managen. Das Ziel ist es, ein Computermodell zu erstellen, das diesen Prozess nachahmt und untersucht, wie gut es die Richtungsinformationen beibehalten kann, wenn es mit verschiedenen visuellen Szenen konfrontiert wird.
Was wissen wir über die beteiligten Gehirnregionen?
Insekten haben einen Teil des Gehirns, der als zentraler Komplex bezeichnet wird und für die Verfolgung der Richtung verantwortlich ist. Dieser Komplex umfasst den ellipsoidalen Körper (EB), der ringförmig ist, zusammen mit anderen Bereichen, die als Bulbus und protocerebrale Brücke (PB) bekannt sind. Die Kompassneuronen im EB projizieren zu entsprechenden Bereichen der PB, um visuelle Eingaben in Bezug auf Richtung zu verarbeiten.
Es gibt verschiedene Arten von Zellen in diesem System. Einige sind erregend, was bedeutet, sie helfen, das Signal voranzutreiben, während andere hemmend sind, was bedeutet, sie helfen, das Signal zu kontrollieren oder zu verringern. Dieses Gleichgewicht zwischen erregenden und hemmenden Zellen ist entscheidend, um ein stabiles Richtungsempfinden aufrechtzuerhalten. Die neuronalen Verbindungen innerhalb dieses Systems bilden ein Netzwerk, das es dem Insekt ermöglicht, eine einzige aktive Position oder „Beule“ von Richtungsinformationen beizubehalten.
Wenn ein Insekt die Richtung ändert, verschiebt sich die Aktivität dieser Kompassneuronen auf vorhersagbare Weise um den EB. Diese Beule der Aktivität bewegt sich, wenn das Insekt sich dreht und hilft ihm, zu verfolgen, wo es hingeht.
Was passiert, wenn Insekten sich bewegen?
Wenn Insekten sich bewegen, erhalten sie Eingaben aus ihrer Umgebung über ihre Augen und andere Sinne. Zum Beispiel können sie die Windrichtung, polarisiertes Licht und sogar Temperaturveränderungen wahrnehmen. All diese Informationen sind wichtig, um herauszufinden, wo sie sind und wo sie hin müssen.
Das Modell, das hier diskutiert wird, zielt darauf ab, nachzubilden, wie diese Kompassneuronen mit visuellen Informationen auf vereinfachte Weise interagieren. Die Forscher haben wesentliche Verbindungen zwischen verschiedenen Zelltypen im Netzwerk basierend auf aktuellen wissenschaftlichen Kenntnissen einbezogen.
Die Idee ist, einige Schlüsselfragen zu beantworten: Kann einfache Visuelle Eingabe dem Modell helfen, die Richtung zu verfolgen? Wie gut kann das Modell diese Richtung beibehalten, wenn sich die visuellen Informationen ändern oder mit anderen sensorischen Eingaben in Konflikt stehen?
Wie wird das Modell aufgebaut?
Das Modell wird mit einem Computerprogramm erstellt, das simuliert, wie diese Neuronen funktionieren. Jeder Zelltyp wird durch ein einfaches mathematisches Modell dargestellt. Die Struktur umfasst mehrere Neurongruppen, die zusammenarbeiten, um Informationen zu verarbeiten. Die erregenden Neuronen senden Signale, um die Aktivität zu steigern, während hemmende Neuronen helfen, diese Aktivität im Zaum zu halten.
Die visuellen Eingaben stammen von Ringneuronen, die so konzipiert sind, dass sie die rezeptiven Felder der Insektenneuronen nachahmen. Diese rezeptiven Felder sind Bereiche, in denen ein Reiz, wie ein helles Licht, das Neuron aktivieren kann. Das Modell nutzt diese Felder, um panoramische Bilder zu verarbeiten, die Weitwinkelansichten darstellen und die Szene um das Insekt einfangen.
Um das Modell zu testen, präsentieren die Forscher ihm verschiedene visuelle Reize, die von einfachen Formen bis zu komplexen natürlichen Szenen reichen. Sie beobachten, wie gut das Modell eine Richtungsabschätzung basierend auf den visuellen Eingaben, die es erhält, aufrechterhält.
Einfache Tests mit grundlegenden Reizen
Die Forscher begannen damit, ihr Modell mit grundlegenden visuellen Anreizen zu testen, wie hellen Balken auf einem dunklen Hintergrund oder Mustern von Dreiecken. Sie konzentrierten sich darauf, wie das Modell lernte, die visuellen Hinweise mit der Richtung des Insekts zu verbinden.
In einem Test wurde ein heller vertikaler Balken langsam über das Sichtfeld bewegt. Das Modell nutzte Informationen über die Bewegungsrichtung, um die Beule der Aktivität in die richtige Richtung zu verschieben. Nach ein paar Runden mit diesem Reiz lernte das Modell, die Richtung nur basierend auf den visuellen Eingaben während eines abschliessenden Versuchs genau zu verfolgen.
In einem anderen Test sah sich das Modell widersprüchlichen Hinweisen gegenüber, wie zwei vertikale Balken, die in entgegengesetzte Richtungen positioniert waren. In diesem Fall lernte es, beide Positionen in seinen Verbindungen darzustellen, stabilisierte sich jedoch auf eine Richtung, als nur noch ein Balken übrig war. Dieses Verhalten ahmt nach, wie echte Insekten mit ähnlichen visuellen Informationen umgehen könnten.
Herausforderungen mit komplexen natürlichen Szenen
Nachdem festgestellt wurde, dass das Modell mit einfachen Reizen umgehen kann, richteten die Forscher ihr Augenmerk auf komplexere Szenen. Sie präsentierten dem Modell panoramische Videos, die in realen Umgebungen aufgenommen wurden, einschliesslich offener Flächen und bewaldeter Abschnitte.
Das Modell schnitt dabei ziemlich gut ab und verfolgte erfolgreich die Kopfbewegung, selbst wenn die Szenen verschiedene sich bewegende Objekte und Hintergrundgeräusche beinhalteten. Die Hauptentdeckung war, dass selbst eine kleine Anzahl von Neuronen genügend Informationen liefern konnte, um genaue Richtungsabschätzungen aufrechtzuerhalten.
Allerdings führten einige visuelle Szenen zu mehr Fehlern in der Leistung des Modells. Durch die Analyse der Fehler fanden die Forscher heraus, dass Szenen mit mehr Rauschen oder widersprüchlichen visuellen Hinweisen eine Herausforderung für das Modell darstellten, eine konsistente Richtung aufrechtzuerhalten.
Was können wir daraus lernen?
Diese Forschung bietet Einblicke, wie Insekten visuelle Informationen verarbeiten, um ein stabiles Gefühl für die Richtung zu bewahren. Die Ergebnisse deuten darauf hin, dass einfache visuelle Informationen ausreichen können, um die Richtung selbst in komplexen Umgebungen zu verfolgen. Die Studie hebt hervor, wie wichtig es ist, zu verstehen, wie sensorische Eingaben die neuronalen Schaltkreise beeinflussen, die an der Navigation beteiligt sind.
Das Modell könnte praktische Implikationen für Robotik und künstliche Intelligenz haben. Indem sie nachahmen, wie Insekten ein Gefühl für die Richtung beibehalten, könnten Ingenieure Systeme entwickeln, die in der Lage sind, komplexe Umgebungen zu navigieren, ähnlich wie Insekten.
Zukünftige Richtungen und Implikationen
In Zukunft könnten Forscher Wege erkunden, das Modell zu verbessern, indem sie verschiedene Arten von sensorischen Eingaben wie Geräusche oder Gerüche einbeziehen, um zu sehen, wie sich diese auf die Richtungsabschätzung auswirken könnten. Das könnte zu einem vollständigen Verständnis führen, wie Insekten und andere Tiere ihre Umgebung navigieren.
Das Modell könnte auch erweitert werden, um verschiedene Arten von Insekten und deren einzigartige Navigationsstrategien zu untersuchen, was Einblicke in die Evolution der sensorischen Verarbeitung im Tierreich gibt.
Insgesamt hat diese Forschung aufregende Möglichkeiten eröffnet, das Verhalten von Tieren zu verstehen, und könnte zu Fortschritten in der Technologie inspiriert durch die Natur führen. Indem sie untersuchen, wie Insekten die Richtung im Blick behalten, könnten Wissenschaftler und Ingenieure bessere Navigationssysteme sowohl für reale Anwendungen als auch für Robotik entwickeln.
Titel: Estimating orientation in Natural scenes: A Spiking Neural Network Model of the Insect Central Complex
Zusammenfassung: The central complex of insects contains cells, organised as a ring attractor, that encode head direction. The bump of activity in the ring can be updated by idiothetic cues and external sensory information. Plasticity at the synapses between these cells and the ring neurons, that are responsible for bringing sensory information into the central complex, has been proposed to form a mapping between visual cues and the heading estimate which allows for more accurate tracking of the current heading, than if only idiothetic information were used. In Drosophila, ring neurons have well characterised non-linear receptive fields. In this work we produce synthetic versions of these visual receptive fields using a combination of excitatory inputs and mutual inhibition between ring neurons. We use these receptive fields to bring visual information into a spiking neural network model of the insect central complex based on the recently published Drosophila connectome. Previous modelling work has focused on how this circuit functions as a ring attractor using the same type of simple visual cues commonly used experimentally. While we initially test the model on these simple stimuli, we then go on to apply the model to complex natural scenes containing multiple conflicting cues. We show that this simple visual filtering provided by the ring neurons is sufficient to form a mapping between heading and visual features and maintain the heading estimate in the absence of angular velocity input. The network is successful at tracking heading even when presented with videos of natural scenes containing conflicting information from environmental changes and translation of the camera. Author summaryTo navigate through the world animals require knowledge of the direction they are facing. Insects keep track of this "head direction" with a population of compass neurons. These cells can use internal measures of angular velocity to maintain the heading estimate but this becomes inaccurate over time and needs to be stabilised by environmental cues. In this work we produce a spiking neural network model replicating the connectivity between regions of the insect brain known to be involved in keeping track of heading and the neurons which are responsible for bringing sensory information into the circuit. We show that the model replicates the dynamics of visual learning from experiments where flies learn simple visual stimuli. Then using panoramic videos of complex natural environments, we show that the learned mapping between the current estimate of heading in the compass neurons and the features of the visual scene can maintain and enforce the correct heading estimate.
Autoren: Rachael Stentiford, J. C. Knight, T. Nowotny, A. Philippides, P. Graham
Letzte Aktualisierung: 2024-02-13 00:00:00
Sprache: English
Quell-URL: https://www.biorxiv.org/content/10.1101/2024.02.13.580047
Quell-PDF: https://www.biorxiv.org/content/10.1101/2024.02.13.580047.full.pdf
Lizenz: https://creativecommons.org/licenses/by/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an biorxiv für die Nutzung seiner Open-Access-Interoperabilität.