Emergence of sensorimotor functions on a distributed numerical neural sustrate
Emergence de fonctions sensorimotrices sur un substrat neuronal numérique distribué
Résumé
This thesis ascribes in the field of computational neuroscience whose goal is to modelize complex cognitive functions by means of numerical computer simulations while getting inpiration from cerebral functioning. Contrary to a top-down approach necessiting to know an analytic expression of the function to be simulized, the chosen bottom-up approach allows to observe the emergence of a function thanks to the interaction of artificial neural populations without any prior knowledge. We first present a particular neural network type, neural fields, whose properties of robustness to noise and spatio-temporal continuity allow that emergence. In order to guide the emergence of sensorimotor transformations onto this substrate, we then present the architecture of the visual and motor systems to highlight the central role of visual attention in the realization of these functions by the brain. We then propose a functional diagram of sensorimotor transformations where the preparation of an ocular saccade guides attention towards a region of visual space and allow movement preparation. We last describe a computational model of attentional spotlight displacement that, by using a dynamical spatial working memory, allows sequential search of a target in a visual scene thanks to the phenomenom of inhibition of return. The performances of this model (robustness to noise, to object movement and to saccade execution) are analysed in simulation and on a robotic platform.
Cette thèse s'inscrit dans le domaine des neurosciences computationnelles dont le but est de modéliser des fonctions cognitives complexes par le biais de simulations informatiques et numériques en s'inspirant du fonctionnement cérébral. Contrairement à une approche descendante nécessitant de connaître une expression analytique de la fonction à simuler, l'approche ascendante retenue permet d'observer l'émergence d'une fonction grâce à l'interaction de populations de neurones artificiels sans qu'elle soit connue à l'avance. Dans un premier temps, nous présentons un modèle de réseau de neurones particulier, les champs neuronaux, dont les propriétés dynamiques de résistance au bruit et de continuité spatio-temporelle permettent cette émergence. Afin de guider l'émergence de transformations sensorimotrices sur ce substrat, nous présentons ensuite l'architecture des systèmes visuel et moteur pour mettre en évidence le rôle central de l'attention visuelle dans la réalisation de ces fonctions par le cerveau. Nous proposons ensuite un schéma fonctionnel des transformations sensorimotrices dans lequel la préparation d'une saccade oculaire guide l'attention vers une région de l'espace visuel et permet la programmation du mouvement. Nous décrivons enfin un modèle computationnel de déplacement du point d'attention qui, en utilisant une mémoire de travail spatiale dynamique, permet la recherche séquentielle d'une cible dans une scène visuelle grâce au phénomène d'inhibition de retour. Les performances de ce modèle (résistance au bruit, au mouvement des objets et à l'exécution de saccades) sont analysées en simulation et sur une plate-forme robotique.