¿Cómo evitan las colisiones los saltamontes?

Responder a esta pregunta abre las puertas al desarrollo de algoritmos que permiten detectar objetos en movimiento y se podrían aplicar, por ejemplo, a la conducción automática.

Los saltamontes, como casi todos los animales, tratan de evitar los objetos que se acercan con rapidez; ya que es muy posible que sean un depredador o algún otro peligro para su integridad física. En su sistema nervioso existen unas neuronas encargadas de detectar las amenazas y señalar cuándo es el momento de escapar.

La LGMD (del inglés lobula giant movement detector) es un tipo de neurona que responde de forma selectiva a objetos que se aproximan al ojo de los saltamontes. Numerosos estudios científicos han intentado traducir su funcionamiento a un algoritmo, cuya implementación lograría emular con plausibilidad biológica el modo en que actúan estas neuronas para diferenciar los distintos estímulos visuales y reaccionar ante las colisiones.

 

Aprovechar el "ruido" del sistema nervioso

Una característica común de las LGMD es que reciben información de todo el campo visual. El proceso de integración de estas señales lo lleva a cabo el árbol dendrítico de la neurona, las ramificaciones desde las que reciben la información estas células del sistema nervioso. En este proceso, el ruido, entendido como modificaciones no deseadas de la señal original, es ubicuo e inevitable. Sin embargo, la fiabilidad con la que los organismos llevan a cabo su comportamiento evidencia que el sistema nervioso está diseñado de manera que es capaz de manejar este ruido.  

Nuestro equipo, integrado por investigadores del Instituto de Investigación en Cerebro, Cognición y Conducta de la Universidad de Barcelona (IR3C), ha desarrollado un modelo computacional  en el que se asume que cada una de las señales de entrada está contaminada por ruido y que tiene un umbral de respuesta que debe ser superado para provocar una reacción nerviosa. Una cantidad adecuada de ruido puede ayudar a que las señales, de lo contrario indetectables, superen el umbral de detección y se inicie la respuesta de las neuronas. De esta manera, el ruido se utilizaría de una forma constructiva para el cálculo de la respuesta sensible a la colisión.

Un modelo para mejorar la conducción automática

Este modelo, publicado en la revista PLOS Computional Biology, se ha aplicado al desarrollo de un algoritmo que detecta los objetos que se aproximan y los distingue del resto de objetos que entran en el campo visual. El algoritmo TARGET, que sería como la retina del saltamontes, transforma secuencias de imágenes en variables ópticas como el tamaño angular de un objeto proyectado en la retina del observador y la tasa de cambio del tamaño angular, es decir, la velocidad con que se mueve el objeto por la retina. Este algoritmo permite detectar objetos en movimiento a partir de imágenes y vídeos, y es una herramienta que en un futuro podría utilizarse en la conducción automática de coches o aviones.

Matthias Keil, investigador delInstituto de Investigación en Cerebro, Cognición y Conducta (IR3C) de la Universidad de Barcelona. Este artículo ha sido escrito en colaboración con la Unidad de Comunicación de la Universidad de Barcelona.

Etiquetas: La ciencia contada por los científicosanimalescerebro

Continúa leyendo

CONTENIDOS SIMILARES

COMENTARIOS