15-3 前庭觉(AGI基础理论)

《智能的理论》全书转至目录****

不同AGI的研究路线对比简化版:《AGI(具身智能)路线对比》,欢迎各位参与讨论、批评或建议。

一.前庭觉

前庭觉是关于头部移动加速度和转动角加速度的感受器(当然在很多情况下身体也会带着头部移动,从而产生头部移动和转动)。前庭觉由前庭器官产生,它与耳蜗相连组成内耳迷路,处于内耳之中。前庭器官在左右耳两端各有一个并且功能对称。前庭器官包括两个耳石器和三个半规管。耳石器包括椭圆囊和圆囊,半规管分为后半规管、上半规管和水平半规管。如图1所示。

图1

1.耳石器

耳石器包括椭圆囊和圆囊,它是用于感知头部直线加速度的,而在匀速运动或者静止时并不会产生反应。耳石器的结构如图2所示。对运动信息起反应的是毛细胞,毛细胞的顶端有一束纤毛束,伸入到耳石膜内。耳石膜的表面又有许多小的耳石附在上面,耳石主要由碳酸钙和蛋白质构成,具有较大惯性。在毛细胞的底端连接着神经纤维用于传递感觉信号。在正常状态下(静止、匀速运动、头部树立等),纤毛束处于直立状态,此时毛细胞处于静止状态。当头部进行变速运动,耳石膜和耳石由于惯性的作用会沿加速度的反方向位移引起纤毛弯曲,从而使毛细胞产生兴奋或抑制信号。重力其实也是一种加速度,当头倾斜时,耳石由于重力的影响也会发生位移,并附带着耳石膜位移和使纤毛束弯曲,引起刺激信号。不论是变速运动或者是头部发生倾斜,最终都是引起纤毛束发生弯曲。因此这种机制无法判断是变速运动还是受重力影响。纤毛束具有不对称的结构,使纤毛有不同的电位极性。如图3所示,最长的那根叫动纤毛,其余短的叫静纤毛。当静纤毛倒向动纤毛运动时,毛细胞会被激活;反之,当动纤毛倒向静纤毛时,则会被抑制。

椭圆囊和圆囊的纤毛束区域呈弧形分布,因此可以感知多个不同方向的加速度。当头部朝一个方向做变速运动时,一个区域的毛细胞会被激活,另外一个区域会被抑制;当做相反方向的运动时,前一个区域会被抑制,而后一个区域会被激活。另外,椭圆囊和圆囊的区别在于,椭圆囊对水平方向的加速度敏感,圆囊对垂直方向的加速度敏感。这使我们能感知3维空间中各个方向的加速度。如图4。

图2

图3

图4

2.半规管

半规管是感知头部旋转加速度的感受器,包括后半规管、上半规管和水平半规管。它是呈C型的一种管状器官,每个半规管与椭圆囊相连的一端都有一个比较膨大的部分,该部分被称为为壶腹。壶腹内部有毛细胞,毛细胞根植于壶腹嵴的支持细胞中,并与神经纤维连接。毛细胞的纤毛束插入壶腹帽中。壶腹帽是由支持细胞分泌的胶状物形成,是一个圆锥型的帽状结构。壶腹帽能带动毛细胞运动,如图5。半规管内含有内淋巴,半规管之所以能感知角加速度就是因为内淋巴在半规管内移动的结果。当头部突然旋转,半规管的内淋巴由于惯性作用朝相反方向移动,并对壶腹进行挤压,从而使壶腹帽和纤毛弯曲,进而刺激毛细胞,如图6。与耳石器的纤毛束一样,半规管的纤毛束也有动纤毛和静纤毛之分。当静纤毛向动纤毛方向运动时,毛细胞被激活,当动纤毛向静纤毛方向运动时,毛细胞被抑制。半规管在左右二耳是对称的,比如当头往左转的时候,左边对应的半规管被激活,右边的则会被抑制。

图5

图6

三个半规管分别负责三个不同方向的角加速度感知。后半规管负责头往左右两边摆动的方向,比如头向左肩膀的倾斜的时候后半规管会被激活;上半规管负责头部前倾或者后仰的方向,比如点头;水平半规管负责左右转动的方向,比如当左右摇头。通过这些半规管,大脑可以感知各个方向的旋转加速度。

相关推荐
Ahtacca3 小时前
实测分享:AI 生成 Python 科技海报时,如何避免文字乱码问题
人工智能·科技
杨超越luckly3 小时前
AI Agent应用指南 :自动化构建品牌数据库:提示词 + API + 结构化输出
大数据·数据库·人工智能·自动化·ai agent
Takoony3 小时前
Nanobot 源码深度剖析:一个轻量级 AI Agent 框架的架构设计与实现原理
人工智能
物联网软硬件开发-轨物科技3 小时前
【轨物洞见】定义“视觉语音时代”:轨物科技重塑人机交互新范式
人工智能·科技·人机交互
DX_水位流量监测3 小时前
德希科技供水水质多参数 PLC 一体机
网络·人工智能·深度学习·水质监测·水质传感器·水质厂家·供水水质监测
艾莉丝努力练剑3 小时前
System V IPC底层原理详解
linux·运维·服务器·网络·c++·人工智能·学习
ONLYOFFICE3 小时前
ONLYOFFICE 全新 PDF 编辑器 API 上线,自动化处理 PDF 内容
前端·人工智能·pdf·编辑器·onlyoffice
放风筝的猪3 小时前
从“逐字预测”到“全量并行”:深度拆解语音识别与合成的效率革命
人工智能·语音识别
chnyi6_ya3 小时前
Beyond Language Modeling: An Exploration of Multimodal Pretraining
人工智能·语言模型·自然语言处理