A Novel Grid and Place Neuron’s Computational Modeling to Learn Spatial Semantics of an Environment
大腦的空間導航系統：網格細胞與位置細胞的協作
我們日常生活中隨時都在進行定位與導航：走進一棟陌生的建築，卻能在短時間內找到出口；在城市街道中轉彎數次，仍能大致記得回旅館的方向。這樣的能力並非依靠外部的 GPS，而是源於大腦內部的一套「內建定位系統」。其中，網格細胞（grid cells）與位置細胞（place cells）扮演核心角色，它們的互動機制幫助我們建立空間地圖，甚至支撐我們的情節記憶。近年的研究更進一步，嘗試將這一套神經原理轉化為演算法，應用在機器人導航與物體辨識之中。
-------------------------------------------------------------------------
網格細胞：構築空間的座標系統
網格細胞於 2005 年被首次發現，分布在內嗅皮層。與一般對應單一刺激的神經元不同，網格細胞的特徵是它們在空間中形成規律的六角格點狀放電場。當動物移動時，這些細胞會在特定位置週期性地被激活，就像一張鋪在環境上的蜂巢狀座標紙。不同的網格細胞具有不同的格距與旋轉角度，彼此交疊後提供了多尺度、多方向的定位訊號。這種結構讓動物能透過「自我運動資訊」進行路徑積分（path integration），即使在沒有外部地標的情況下，也能持續估算自身位置。
 |
| Figure 1 Grid neuron activation |
 |
| Figure2 不同格距與方向的六角格子 |
位置細胞：在地圖上標記獨特的地點
相比之下，位置細胞（1970 年代在海馬體發現）則像是地圖上的獨特「地標」。每個位置細胞會對應一個環境中的特定位置，當動物進入該處時它會強烈放電。集合所有位置細胞的放電場，就能拼湊出完整的空間地圖。不過，如果僅依靠位置細胞，整張地圖會顯得過於稀疏；而若只依靠網格細胞，不同地點可能出現相同的「網格代碼」，導致定位混淆。真正的優勢來自兩者的互補——網格細胞提供座標系統，位置細胞提供唯一標記。
 |
| Figure 3 grid cell與 place cell的連結 |
 |
| Figure 4 grid code 的模糊性 |
從神經科學到人工智慧：模擬網格與位置細胞的互動
這篇研究的創新點在於提出一套象限模型（quadrant model），用數學方式重現網格細胞的六角格點發放，並結合干涉圖樣學習（interference pattern learning），使位置細胞能根據多個網格細胞的重疊關係生成獨一無二的位置編碼。這樣的設計能解決網格細胞重複發放造成的定位歧義。此外，研究者還引入了位置序列學習（place sequence learning）的機制，讓系統能記錄一趟旅程中的地點順序，並且根據使用頻率自動遺忘不常用的路徑，類似於人類的情節記憶（episodic memory）。
這樣的模型不僅在理論上驗證了大腦導航系統的可行性，還能直接應用在工程實驗。例如，研究展示了兩個場景：第一是「觸覺物體識別」，機器手指僅靠觸覺輸入便能分辨不同物體；第二是「自主導航」，機器人在虛擬環境中結合網格與位置細胞訊號來找到目標並避開障礙物。這些成果顯示，模仿大腦的記憶與定位機制，可以讓人工系統具備更高的適應性與魯棒性。
 |
| Figure 5 路徑導航與定位示意圖 |
結語：大腦 GPS 的未來啟發
網格細胞與位置細胞的協作，是大腦在複雜環境中進行導航與記憶的核心。這套系統既能透過格狀座標進行精確的路徑積分，也能透過獨特的地標標記消除模糊，最終形成一張靈活的認知地圖。將這一原理轉化為人工系統，不僅能讓機器人在黑暗或無 GPS 的環境下自主導航，還可能推動未來人工智慧在空間理解、機器人學習甚至記憶系統設計上的突破。換句話說，大腦的「內建導航圖」不只是神經科學的發現，更是工程領域的新靈感。
聲明:本文由ChatGPT協助撰寫及確認
撰稿人:周峻廷
Reference: Shrivastava, R., Kumar, P., Tripathi, S., Tiwari, V., Rajput, D. S., Gadekallu, T. R., ... & Ra, I. H. (2020). A novel grid and place neuron’s computational modeling to learn spatial semantics of an environment. Applied Sciences, 10(15), 5147.
留言
張貼留言