Les Neurorobots se sont révélés idéaux pour analyser la locomotion de la faune et la gestion des unités motrices, et pour planifier les contrôleurs de robots. Des types neuronaux de générateurs de routine de base, des piscines de motorneurones qui génèrent une conduite répétée, sont déjà utilisés pour gérer la locomotion chez les robots. Kimura et ses collègues ont indiqué comment la neurorobotique fournit un pont entre la neuroscience et la biomécanique en affichant une locomotion émergente à 4 pattes basée sur des composants de générateur de style central modulés par des réflexes. Leur équipe a conçu un type de générateur de puissance de style apprenable et a montré sa viabilité en utilisant de bons exemples robotiques artificiels et humanoïdes. Ijspeert et ses collègues ont fabriqué un robot amphibie en forme de salamandre capable de faire les deux la pêche et le jogging, et pour cette raison représente une étape intégrale dans le développement de la locomotion à jambes de vertébrés. Une configuration neurorobotique a été jugée nécessaire pour (1) examiner si les conceptions pouvaient créer une locomotion dans l’eau potable et également au sol et (2) examiner comment la rétroaction sensorielle affecte la génération de style actif. Une des idées neuronales intéressantes pour le style des contrôleurs de robot peut être le système neuronal à miroir de vanité trouvé chez les primates. Les neurones de jumelage du cortex prémoteur sont actifs, aussi bien lorsqu’un singe saisit ou manipule des objets que lorsqu’il regarde au poignet une autre faune effectuant des mesures comparables (Rizzolatti et Arbib, 1998). Les neuroroboticistes, appliquant cette perception des neurones miroirs, ont suggéré que des mouvements compliqués comprenant l’atteinte et la locomotion pouvaient être atteints par imitation. Un produit à tête structurée avec un hippocampe simulé et ses régions englobantes. Darwin XI est représenté sur la raison de l’option pour son environnement plus labyrinthe. Darwin XI a commencé un essai alternativement au bras gauche de départ Est ou Ouest, et a appliqué ses moustaches synthétiques pour suivre le bras du labyrinthe jusqu’à ce qu’il atteigne le niveau de décision. Depuis qu’il a suivi la structure du mur du labyrinthe, ses moustaches ont détecté des styles de piquets, sa caméra vidéo a détecté des cartes de charge de repère de couleur dans le périmètre, sa boussole a présenté le cap, ainsi que son laser a fourni des informations et des faits de collection. Au début de l’éducation, Darwin XI s’est vu offrir un stimulus satisfaisant dans le cas où il choisirait le bras gauche de l’objectif sud. Juste après avoir effectivement appris ce travail, le stimulus satisfaisant a été basculé sur le bras gauche objectif nord. Ajusté de (Fleischer et al., 2007). Une autre stratégie pour le contrôle du moteur dans les robots à stimulation neurale consiste à appliquer un contrôleur prédictif pour transformer des mouvements encombrants et prédisposés à des problèmes en mouvements propres et précis. Des hypothèses récentes de poignée d’unité motrice proposent que le cervelet apprenne à remplacer les réflexes primitifs par des signes prédictifs du moteur électrique. Le concept est le fait que les avantages des commandes motrices réflexives offrent des signaux d’erreur pour tout contrôleur prédictif, qui découvre alors pour générer une unité motrice correcte gérer indiquer avant la réponse réflexe moins adaptative. Les conceptions à stimulation neurale ont utilisé ces conseils dans l’apparence de robots qui apprennent à éviter les obstacles (McKinstry et al., 2006; Porr et Worgotter, 2003), créent une vue exacte (Dean et al., 1991) et génèrent un bras gauche adaptatif. se déplace (Dean et al., 1991; Eskiizmirliler et al., 2002; Hofstotter et al., 2002). Physique 1 montre un système à structure de la tête, qui contient un modèle du cervelet et de l’emplacement cortical MT, qui a réussi à prédire les collisions sur la base d’indices d’action graphique et a ajusté ses mouvements de manière appropriée.