SZK
OŁA
NA
UK
A
KR
Ó
TK
O
Tajemnicze życie robotów
Zastosowanie systemu Lego Mindstorms do symulowania
i obserwacji zachowania organizmów
Jacek Francikowski, Michał Krzyżowski
otrzymano: 3.04.2017; przyjęto: 5.11.2017; opublikowano: 30.03.2018
Jedno z najstarszych pytań w biologii dotyczy tego, jak z wybranych połączeń w układzie nerwowym po-wstają określone zachowania. W tej chwili ciągle je-steśmy dalecy od odpowiedzenia na to pytanie w kon-tekście ludzkiego mózgu, natomiast wiemy o tych zależnościach coraz więcej dzięki badaniu prostszych organizmów (Webb i Harrison, 2000). Dzięki niewiel-kim rozmiarom i względnie prostej budowie dokładnie poznaliśmy naturę i układ połączeń w układzie nerwo-wym nicienia Caenorhabditis elegans (Azulay, Itskovits i Zaslaver, 2016). Będąc w posiadaniu tej wiedzy i pro-stego robota Lego Mindstorms z podłączonymi senso-rami (światła i dotyku) i silnikami możliwe było zasy-mulowanie i obserwowanie zachowania typowego dla nicienia poszukującego pokarmu, opartego na reakcji na specyficzne bodźce środowiska. Był to jeden z szerzej omawianych artykułów naukowych 2015 roku, obrazu-jący możliwości wspomnianego systemu i potencjału tworzenia symulacji życia funkcjonujących w rzeczy-wistym środowisku (Busbice, 2014). W ostatnim czasie pojawia się coraz więcej pomysłów na naukowe wyko-rzystanie klocków Lego. Konstruowane są laboratoryj-ne roboty pipetujące (Gerber i wsp., 2017) czy mierniki mętności wody (Kłoskowicz, 2017). System Lego Min-dstorms jest obecny na rynku od wielu lat (obecnie do-stępna jest już jego trzecia generacja), jednak postrzega-ny jest głównie jako narzędzie do uczenia najmłodszych podstaw programowania i budowy maszyn
(Benedet-Streszczenie:
Jedno z najstarszych pytań w biologii dotyczy tego, jak z wybranych połączeń w układzie nerwowym powsta-ją określone zachowania. Dodatkowo są to zagadnienia trudne do przyswojenia przez uczniów, dlatego ciągle poszukiwane są nowe narzędzia do nauczania w zakresie podstaw neurobiologii. Jednym z ciekawszych, łatwo do-stępnych na rynku rozwiązań tego problemu jest system Lego Mindstorms. Umożliwia on tworzenie i programo-wanie robotów przez uczniów w rożnym wieku. Przeno-sząc system na lekcje biologii możemy wykorzystać go do stworzenia robotów symulujących funkcjonowanie organizmów. W szybki i prosty sposób możliwe staje się programowanie, obserwowanie i analizowanie całe-go spektrum zachowań przejawianych przez organizmy takich jak: eksploracja, taksje czy terytorializm. Celem artykułu jest prezentacja możliwości systemu Lego Min-dstorms w edukacji przyrodniczej.
Słowa kluczowe: Lego, roboty, programowanie,
neurobiolo-gia, etologia
telli, 2014). System bazuje na klockach lego Technic, de-dykowanej elektronice oraz przejrzystym softwarze do tworzenia programów zawiadujących działaniem syste-mu (Lego Mindstorms LabView). Prosta obsługa oraz wysoka intuicyjność interfejsu pozwalają na szybkie rozpoczęcie pracy przez nauczyciela, jak i uczniów. Op-tymalnym rozwiązaniem jest praca uczniów z robotami w małych, 3-4 osobowych grupach. Tworzenie algoryt-mów działania robota jest bardzo proste i polega na łą-czeniu blokowych, graficznie przedstawionych komend, ułożonych w odpowiedniej kolejności (patrz niżej). Po przygotowaniu programu i przeniesieniu go do pamięci robota, będzie on wykonywać podane czynności jedno-razowo lub w pętli, w zależności od zadanej funkcji. To drugie rozwiązanie jest kluczowe dla symulowania za-chowania, by miało ono ciągłą naturę.
Z dydaktycznego punktu widzenia możliwość sa-modzielnej budowy robotów jest sposobem na roz-wój kreatywności oraz samodzielnego rozwiązywania różnorodnych problemów przez uczniów (Chiel, Beer i Drushel, 1999). Uczniowie, po krótkim wprowadzeniu do tematu, poszukują rozwiązania zadanego problemu poprzez burze mózgów i prototypowanie, a nauczyciel jedynie koordynuje i konsultuje prowadzone działania. Doskonale wpisuje się to w uczenie metodą projektu lub uczenie problemowe (Mills i Treaugust, 2003). Mogą to być problemy na różnym poziomie skomplikowania i zaawansowania projektu, zaczynając od tego jak po-łączyć ze sobą klocki przez wybór odpowiednich usta-wień w module programu, po rozwiązanie określone-go zadania. Wśród podstawowych, klasycznych zadań można znaleźć: jeżdżącego robota, który ma pokonać dystans dokładnie 10 metrów; robota, który ma prze-pchnąć obiekt z punktu A do punktu B; robota, który porusza się wzdłuż linii na podłodze. U podłoża tych metod leży konstruktywistyczna filozofia edukacji, we-dług której ludzie uczą się lepiej, gdy są zaangażowani
DOI: 10.24131/3247.170307
dr Jacek Francikowski: adiunkt w Katedrze Fizjologii
Zwierząt i Ekotoksykologii Uniwersytetu Śląskiego w Katowicach; dydaktyk; prowadzi badania w zakresie neurobiologii, fizjologii i etologii owadów.
mgr Michał Krzyżowski: doktorant w Katedrze Fizjologii
Zwierząt i Ekotoksykologii Uniwersytetu Śląskiego w Katowicach; prowadzi badania w zakresie fizjologii i etologii owadów
SZK
OŁA
NA
UK
A
KR
Ó
TK
O
w projektowanie i budowanie tworów, a swoim do-świadczeniem mogą podzielić się z innymi ludźmi. Po-przez konstruowanie fizycznych obiektów i poddawa-nie ich refleksji, ludzie konstruują wewnętrzną wiedzę (internal knowledge) (Papert, 1980). Z punktu widzenie nauk przyrodniczych szczególnie istotna jest możli-wość modyfikacji stworzonych programów oraz testo-wanie hipotez i weryfikotesto-wanie swojej wiedzy na temat konstrukcji i zachowania stworzonych układów. Daje to możliwość zapoznania się z tematyką symulacji beha-wioru organizmów biologicznych i analizy ich działania przy jednoczesnym zaznajamianiu się z samą robotyką i programowaniem (Yafremava, Rogers i Lewis, 2007). Doświadczenia autorów w pracy z dziećmi, młodzieżą i studentami z wykorzystaniem omawianego systemu oraz prace naukowe badające to zagadnienie potwier-dzają powyższe twierdzenia (Williams i wsp., 2007; Benitti, 2012). Także z punktu widzenia samego bada-nia interakcji organizm-środowisko roboty wydaja się lepszym i ciekawszym rozwiązaniem niż uproszczone środowisko cyfrowych symulatorów. Zachowanie zwie-rząt jest dostosowane do określonych cech środowiska i badanie zachowania poza nim może prowadzić do wy-snuwania błędnych wniosków (Consi i Webb, 2001).
Wiele z zachowań przejawianych przez organizmy, które na pozór wydają się proste, na poziomie systemu nerwowego kryją w sobie złożone zależności i regu-ły (Fraenkel and Gunn, 1961; Braitenberg, 1986). Poza prostą obserwacją, przedstawienie ich uczniom często nastręcza wielu problemów. Pętle sprzężeń zwrotnych czy systemy odruchów są podstawowymi zagadnie-niami, z którymi powinni zapoznać się uczniowie i je zrozumieć (Floreano, Ijspeert i Schaal, 2014). Dlatego poszukuje się nowych rozwiązań i pomysłów na na-uczanie w zakresie tej tematyki (Yafremava, Rogers i Lewis, 2007). Organizmy, jako systemy złożone, do prawidłowego funkcjonowania potrzebują wielu
skła-dowych, które umożliwiają im interakcje z otaczającym je środowiskiem i utrzymaniem homeostazy. Elementy o analogicznej funkcji znajdziemy w zestawach Lego Mindstorms (Yafremava, Rogers i Lewis, 2007). Mięśnie mogą zostać zastąpione przez silniki, oczy przez sensor światła lub podczerwieni, a mechanoreceptory przez czujnik dotyku (w wersji edukacyjnej znajduje się także żyroskop mogący symulować błędnik oraz sensor ul-tradźwiękowy zastępujący sensor podczerwieni). Klu-czowy element stanowi jednostka centralna (tzw. brick) będącą małym komputerem, który zawiera w swej pa-mięci tworzone programy oraz kontroluje pracę wymie-nionych wcześniej elementów zgodnie z uruchomionym programem. Ostatnim elementem są przewody łączące silniki i sensory z jednostką centralną, pełniąc tym sa-mym rolę szlaków nerwowych.
Z opisanych podzespołów oraz klocków Lego, mo-żemy stworzyć prosty sztuczny organizm, symulujący swoim zachowaniem interakcje zwierząt ze środowi-skiem. Po stworzeniu bardzo prostego modelu robo-ta (Ryc. 1), możemy go odpowiednio zaprogramować. System umożliwia zakodowanie i obserwowanie naj-ważniejszych zachowań, takich jak: taksje, odruchy, strategie eksploracji przestrzeni, regulację aktywność lokomotorycznej czy poszukiwanie pokarmu (Pata, 2012; Scolnic i Swenson, 2014). Tego typu system moż-na opisać jako reaktywny tzn. o sztywnym wzorcu za-chowania, gdzie do wybranego bodźca przypisana jest określona reakcja. W przypadku tego układu, nie ist-nieje wcześniej zaimplementowany model środowiska. Systemy te mają możliwość szybkich i prostych reakcji na zmiany otoczenia. Tworzy to wysoko reaktywny program zachowania w czasie rzeczywistym, umoż-liwiający sprawne działanie w złożonym i zmiennym środowisku. W dużym uproszczeniu, na użytek celów dydaktycznych, możemy przyjąć, że u organizmów ży-wych znaczna część funkcjonowania również opiera
się na tego typu rozwiązaniach. Na tym poziomie ana-lizy i wykorzystania, system Lego Mindstorms wydaje się bardzo użytecznym narzędziem. Dlatego też celem poniższego artykułu jest przybliżenie możliwości sy-mulowania różnorodnych zachowań prostych organi-zmów (np. owadów) z wykorzystaniem systemu Lego Mindstorms. W dalszej części zostaną zaprezentowanie i omówione przykładowe programy (załączone w for-mie schematów), jakie można stworzyć i badać z ucz-niami (literami oznaczono kluczowe elementy progra-mów).
Organizmy żywe wykazują bogatą paletę tzw. taksji czyli prostych zachowań przyjmujących formę ruchu w kierunku bodźca lub przeciwnym. Zamieszczony program (Ryc. 2) przedstawia symulację tigmotaksji. Przykładami tego typu zachowania jest funkcjonowa-nie karaczana lub świerszcza w przestrzeni. Zwierzęta te preferują przebywanie i przemieszczanie się wzdłuż ścian pomieszczenia. Informacje na temat odległości
Ryc. 1. Wzorcowy przykład prostego robota, składającego się z jednostki centralnej, silników i czujnika IR
SZK
OŁA
NA
UK
A
KR
Ó
TK
O
od ściany owady czerpią z mechanoreceptorów umiesz-czonych na czułkach i całej powierzchni ciała. Stałe ich pobudzenie na określonym poziomie zapewnia utrzy-manie owada w pobliżu ściany. W symulacji rolę tych receptorów odgrywa emiter podczerwieni umieszczo-ny na wspomniaumieszczo-nym wcześniej samobieżumieszczo-nym robocie
(Ryc. 1). W programie zawarta jest pętla (A) zapewnia-jąca ciągłe wykonywanie programu. Drugim elemen-tem jest bramka logiczna (B) determinującą zachowa-nie robota. Jeżeli odległość sensora od przeszkody jest za duża, robot będzie się do niej przybliżał, natomiast jeżeli odebrany sygnał będzie wskazywał na jej bliskość,
to zacznie się od niej oddalać (C). W ten sposób robot przemieszczając się wzdłuż ściany ruchem sinusoidal-nym utrzymuje od niej względnie stałą odległość. Taki algorytm bardzo wiernie oddaje sposób w jaki poru-szają się owady wzdłuż ściany lub przeszkody. Oczywi-ście często pojawia się opóźnienie wynikające z układu bodziec-reakcja lub zaburzeń pomiarów związanych ze złożonością środowiska. Dla zminimalizowania tego efektu warto przetestować różne wartości ustawień dla sensora oraz silników, ponieważ zbyt duża prędkość robota będzie zaburzała prawidłowe reagowanie na bo-dziec, podobnie wartość skrętu.
Innym ciekawym, a zarazem bardzo ważnym za-chowaniem, jakie wykazują organizmy, jest podążanie za źródłem bodźca (sygnału). Tego typu zachowania obserwujemy wśród szerokiej grupy organizmów, od pierwotniaków po zwierzęta kręgowe. Bodźcem takim może być światło, feromony czy pokarm (fototaksja, chemotaksja). W przypadku naszego robota, wykrywa on promieniowanie podczerwone i podąża za nim (Ryc. 3). Źródłem promieniowania podczerwonego jest pilot zawarty w zestawie Lego Mindstorms (tryb beacon). Także w tym przypadku kluczowym elementem jest pętla zapewniająca cykliczność zachowania (A). Symu-lacja możliwa jest dzięki temu, że sensor podczerwieni wykrywa sygnał (B) określając jego natężenie i kieru-nek (przeliczany przez moduł matematyczny (D) tak, by wartość mogła być użyteczna dla modułu sterujące-go (C). Bramka logiczna, zawierająca moduł sterujący (C) sprawia, że brak bodźca zatrzymuje robota (i cze-ka on na jego pojawienie się). Jeśli bodziec się pojawi robot rozpoczyna ruch w jego stronę, a prędkość jego ruchu spada (lub wzrasta, jeśli odwrócimy układ) wraz ze zbliżaniem się do źródła sygnału. Prezentuje to zja-wisko reakcji o natężeniu odwrotnie proporcjonalnym do odległości od źródła bodźca. Możliwe jest również dodanie modułu losowej eksploracji przestrzeni aż do
SZK
OŁA
NA
UK
A
KR
Ó
TK
O
natrafienia na bodziec (patrz dalej). Program ten bardzo dobrze oddaje zachowanie jakie możemy obserwować u ciem, świerszczy czy mrówek nawigujących na ukie-runkowany bodziec. Możliwych jest tu wiele różnych modyfikacji na poziomie wartości parametrów i poszu-kiwanie optymalnego układu dla określonego zadania. Interesującym rozwiązaniem jest także wykorzystanie większej liczby robotów (jeśli to możliwe), z których je-den ma zamontowany nadajnik sygnału, natomiast po-zostałe roboty starają się go odnaleźć. Stwarza to okazję do rywalizacji pomiędzy zespołami w poszukiwaniu najlepszego rozwiązania.
Organizmy w naturalnym środowisku poszuku-ją pokarmu, który jest często losowo rozmieszczo-ny w przestrzeni. Jest to zachowanie jakie wykazu-ją np. mrówki w trakcie poszukiwania pokarmu na powierzchni ziemi (Hunt i wsp., 2016). Ruch taki jest często chaotyczny, gdyż zwykle losowe rozmieszczenie pokarmu utrudnia wykształcenie innej, optymalnej strategii. Optymalnym zachowaniem w tym układzie jest właśnie przypadkowa eksploracja. Proponowany program (Ryc. 4), symulujący takie zachowania, zawie-ra pętlę (A) ozawie-raz bzawie-ramkę logiczną (B), w zawie-ramach której robot wykonuje ruch w losowo wybranym kierunku, z losową prędkością oraz losowym czasem jego trwa-nia (D). Konieczne jest również uwzględnienie modułu resetującego ustawienia tak, by za każdym cyklem były one inne (C). Możemy zaprogramować robota tak, by omijał przeszkody, na które natrafi na swojej drodze, ale nie jest to kluczowe dla samego zachowania. Robot wy-posażony w ten program, swoim zachowaniem dosko-nale odwzorowuje specyficzny sposób poruszania się mrówek. Owady te w losowy sposób skręcają w lewo lub prawo, pokonując odcinki o różnej długości (Nathan i wsp., 2008).
Reagowanie na bodźce środowiska to tylko cześć zachowań, jakie znajdziemy u obserwowanych
orga-Ryc. 3 Wizualizacja programu odpowiadającego za podążanie robota za sygnałem
SZK
OŁA
NA
UK
A
KR
Ó
TK
O
nizmów. Ważnym aspektem ich funkcjonowania jest interakcja z innymi organizmami, w tym przedstawi-cielami własnego gatunku. Możemy tu mówić o zacho-waniach antagonistycznych (negatywne) lub nieanta-gonistyczne (neutralne lub pozytywne). Do ciekawego rodzaju zachowań antagonistycznych należą walki sam-ców o terytorium lub hierarchie w grupie (Kravitz i Hu-ber, 2003). Możliwa jest symulacja tego typu zachowań z użyciem pary robotów. Warto wytyczyć na podłodze obszar, w obrębie którego będzie toczyć się walka, aby roboty nie rozjechały się po całej sali. Roboty powin-ny być wyposażone w sensor światła i podczerwieni. Pierwszy służy do wykrywania granicy ringu i trzyma-nia się w jego obrębie, natomiast sensor podczerwieni
będzie służył do wykrywania oponenta i atakowania w odpowiednim kierunku. Roboty mogą być wyposa-żone w program widoczny na Ryc. 5. Zawiera on pętle zapewniającą ciągłość zachowania (A) oraz dwie bram-ki logiczne (B i C). Umożliwiają one robotowi zawra-canie po napotkaniu brzegu areny oraz atakowanie po wykryciu przeciwnika (D). Roboty będą poruszały się po arenie starając się wypchnąć przeciwnika poza jej obręb. Może to być przykładem tego, że w agresywnych zachowaniach zwierząt kluczowe są dwa elementy: wy-krycie przeciwnika (bodziec kluczowy) oraz określony sposób zachowania mający doprowadzić do pokonania oponenta, w tym wypadku ruch w stronę wykrytego obiektu. Wykorzystując ten program, można
prze-prowadzić w klasie turniej z udziałem robotów stwo-rzonych przez uczniów. Mogą oni modyfikować swoje konstrukcje oraz oprogramowanie, tak by ich robot jak najlepiej radził sobie na ringu.
Liczne publikacje wskazują na zasadność tego typu podejścia do badania i analizowania zachowania i me-chanizmów, które za nimi stoją (Webb, 2002). Tym bar-dziej warto włączać tego typu rozwiązania do procesu dy-daktycznego. Przedstawiony system Lego Mindstorms w połączeniu z przykładowymi zachowaniami, jawi się jako pomoc dydaktyczna o niezwykłym potencjale w obszarze edukacji biologicznej. Daje on ogromne możliwości projektowania i wizualizacji różnorodnych zachowań zwierząt oraz mechanizmów za nimi stojących w prostej i przystępnej formie. Oczywiście zakres zachowań i ich złożoność, szczególnie w wersji podstawowej bez dokonywania zmian w firmware, jest ograniczona. Jednak w kontekście dydaktycznym moż-na je uzmoż-nać za wystarczające. Oczywiście moż-należy pa-miętać, że podobne zachowania robota i zwierzęcia nie jest jednoznaczne z identycznym ich funkcjonowaniem na poziomie systemu regulacyjnego. Można natomiast uznać, zgodnie z autorami zajmującymi się tą tematyką, że tego typu podejście ma ogromną wartość poznawczą i pozwala na badanie podłoża behawioru zwierząt. Jed-nym z istotniejszych elementów w prezentowanych pro-gramach jest obecność pętli i bramek logicznych czyli elementów niezbędnych dla funkcjonowania organi-zmów i ich homeostazy. Jest to o tyle ważne, że podob-ne zjawiska występują w układach, zarówno biologicz-nych, jak i elektroniczbiologicz-nych, mimo odmiennej natury systemów. Pokazanie powiązania pomiędzy ich rolą, a określonymi formami zachowania jest bardzo ważna dla prawidłowego zrozumienia omawianego tematu.
Oczywiście, konieczne jest wcześniejsze zapoznanie uczniów z systemem, zaplanowanie dłuższych zajęć, lub paru spotkań, jeśli prowadzący chce wykorzystać pełny
Ryc. 5. Wizualizacja programu
odpowiadającego za zachowanie agresywne
SZK
OŁA
NA
UK
A
KR
Ó
TK
O
potencjał systemu. Istotne jest również podkreślenie, że systemy biologiczne i elektroniczne są fundamentalnie odmienne, natomiast wykorzystanie systemu LEGO Mindstorms jest sposobem atrakcyjnego zilustrowania pewnych zasadniczych prawidłowości w ich zachowa-niu. Możliwe jest także zaplanowanie krótszych zajęć, w trakcie których uczniowie skupiają się jedynie na sa-mej obserwacji gotowych już robotów. W tym wariancie uczniowie przede wszystkim wyciągają wnioski i dys-kutują na temat samego zachowania robotów. Jednak samodzielna praca uczniów przy budowaniu własnych konstrukcji i tworzeniu programów jest dla nich bardzo cennym doświadczeniem. Jest to także niezwykła oka-zja do zapoznania się z podstawami zasad programowa-nia, uruchomienia własnej kreatywności, pracy w gru-pie i rozwoju umiejętności rozwiązywania problemów. Literatura
Azulay, A., Itskovits, E. and Zaslaver, A. (2016) ‘The C. elegans Con-nectome Consists of Homogenous Circuits with Defined Functio-nal Roles’, PLoS ComputatioFunctio-nal Biology, 12(9), pp. 1–16. Benedettelli, D. (2014) The LEGO Mindstorms EV3 laboratory : build,
program, and experiment with five wicked cool robots!, NoStarch
Press.
Benitti, F. (2012) ‘Exploring the educational potential of robotics in schools: A systematic review’, Computers & Education, 58(3), pp. 978–988.
Braitenberg, V. (1986) Vehicles : experiments in synthetic psychology. MIT Press. Available at: https://mitpress.mit.edu/books/vehicles (Accessed: 16 September 2017).
Busbice, T. (2014) ‘Extending the C . elegans Connectome to Robo-tics’, reserachgate, pp. 1–17.
Chiel, H., Beer, R. and Drushel, Ri. (1999) ‘Using Autonomous Ro-botics To Teach Science and Engineering’, Communication of the
ACM, 42(6).
Consi, T. R. and Webb, B. (Barbara H. . (2001) Biorobotics : methods
and applications. MIT Press.
Floreano, D., Ijspeert, A. J. and Schaal, S. (2014) ‘Robotics and neu-roscience’, Current Biology. Elsevier Ltd, 24(18), pp. 910–920. doi: 10.1016/j.cub.2014.07.058.
Fraenkel, G. S. . and Gunn, D. L. (1961) The orientation of animals:
Kineses, taxes and compass reactions. Oxford: Dover Publ.
Gerber, L. C., Calasanz-kaiser, A., Hyman, L., Voitiuk, K., Patil, U. and Riedel-kruse, I. H. (2017) ‘Liquid-handling Lego robots and experiments for STEM education and research’, PLoS Biology, 15(3). doi: 10.1371/journal.pbio.2001413.
Hunt, E. R., Baddeley, R. J., Worley, A., Sendova-Franks, A. B. and Franks, N. R. (2016) ‘Ants determine their next move at rest: mo-tor planning and causality in complex systems’, Royal Society
Open Science, 3(1). Available at:
http://rsos.royalsocietypublis-hing.org/content/3/1/150534 (Accessed: 3 July 2017).
Kłoskowicz, M. (2017) ‘Popularyzacja nauki poprzez… klocki Lego’,
Gazeta Uniwersytecka UŚ, 248, pp. 22–23.
Kravitz, E. A. and Huber, R. (2003) ‘Aggression in invertebrates’,
Current Opinion in Neurobiology, 13, pp. 736–743. doi: 10.1016/j.
conb.2003.10.003.
Mills, J. and Treaugust, D. (2003) ‘Engineering education - is prob-lem based or project based learning the answer?’, Australasian
Journal of Enginnering Education, 3.
Nathan, R., Getz, W. M., Revilla, E., Holyoak, M., Kadmon, R., Saltz, D. and Smouse, P. E. (2008) ‘A movement ecology paradigm for unifying organismal movement research’, Proceedings of the
National Academy of Sciences, 105(49), pp. 19052–19059. doi:
10.1073/pnas.0800375105.
Papert, S. (1980) Mindstorms: Children, Computers, and Powerful
Ideas. New York: Basic Books.
Pata, D. (2012) Insect Arcade : A hybrid mixed reality insect-robot
system for the study of insect multi-modal navigation. Universitat
Pompeu Fabra, Barcelona Spain.
Scolnic, J. and Swenson, J. (2014) ‘Teaching Creative Classroom Ro-botics through the Student Teacher Outreach Mentorship Pro-gram’, in Proceedings of 4th International Workshop Teaching
Robotics, pp. 135–143.
Webb, B. (2002) ‘Robots in invertebrate neuroscience.’, Nature, 417(6886), pp. 359–363. doi: 10.1038/417359a.
Webb, B. and Harrison, R. R. (2000) ‘Integrating sensorimotor sy-stems in a robot model of cricket behavior’, in Sensor fusion
and Decentralised Control in Robotic Systems III, pp. 6–8. doi:
10.1117/12.403710.
Williams, D., Ma, Y., Prejean, L., Lai, G. and Ford, M. (2007) ‘Acqui-sition of physics content knowledge and scientific inquiry skills in a robotics summer camp’, Journal of Research on Technology in
Education, 40(2), pp. 201–216.
Yafremava, L. S., Rogers, J. J. and Lewis, M. A. (2007) ‘Robotic tools in neuroscience education’, in AAAI Spring Symposium -
Techni-cal Report, pp. 187–190. Available at:
https://www.engineeringvil-lage.com/share/document.url?mid=cpx_30c22111754dd1be7M60 222061377553&database=cpx.
Secret life of robots. Application of Lego Mindstorms system to simulate animal behaviour
Jacek Francikowski, Michał Krzyżowski
One of the oldest questions in biology relates to how cer-tain connections in the nervous system are a source of specific behaviour. There is high demand for new tools, which can be used for teaching the basics of neuroscience. One of the most promising is Lego Mindstoms system. It enables to build and program robots by students of all ages. It can be easily used by biology teachers, during classes, to create robots that simulates the functioning of the living organisms. In a fast and easy way it becomes possible to program, observe and analyze the whole spec-trum of specific behaviours such as exploration, taxation or territorialism. The aim of this article is to present the possibilities of the Lego Mindstorms system in natural sciences.
Key words: Lego, robots, programming, neurobiology,
