Name: One Dimensional Turing-Like Handshake-Test für motorische Intelligenz (Video) | JoVE Journal
Uploaded: 2010-12-15T15:45:00.000+00:00
Duration: 14 min 5 s
Description: Erfahren Sie, wie der Turing-ähnliche Handshake-Test motorische Intelligenz bewertet. Diese Methode nutzt ein telerobotisches System, um menschliche und computergenerierte Handshakes zu vergleichen und deren menschliche Ähnlichkeit zu quantifizieren.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

AK will Gerry Loeb für hilfreiche Diskussionen über die vorgeschlagene Turing-like-Handshake-Test danken. AK und IN möchten Nathaniel Leibowitz und Lior Botzer, die das Design der ersten Version dieses Protokolls im Jahr 2007 beigetragen haben. Diese Arbeit wurde von der Israel Science Foundation (Grant No 1018-1008) unterstützt. SL wird von einem Kreitman Foundation Stipendium unterstützt. IN wird durch die Kreitman Stiftung und der Clore Scholarship Program unterstützt.

1. Vorbereiten des Systems <ol><li> Hardware-Anforderungen: <ul><li> Zwei PHANTOM Desktop Roboter SensAble Technologies, Inc. </li><li> 2 Parallel-Karten. </li><li> Minimale Systemvoraussetzungen: Intel-oder AMD-basierten PCs, Windows 2000/XP, 250 MB Speicherplatz. </li></ul></li><li> Software-Anforderungen: <ul><li> Driver- Laden Sie Treiber von der Website SensAble Technologien <a href="http://www.sensable.com">http://www.sensable.com</a> nach dem Betriebssystem des Computers. </li><li> H3DAPI- Laden Sie die H3DAPI Quellcode und nach den Anweisungen des Installations-Komplettlösung im Abschnitt angezeigt installieren <a href="http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation">http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation</a> Wir aktualisiert den Code, um unsere Anforderungen, die nicht in den vorhandenen Code erfüllt waren fit. Die aktualisierten Dateien können aus dem Handshake-Turnier-Website heruntergeladen werden <a href="http://www.bgu.ac.il/~akarniel/HANDSHAKE//index.html">http://www.bgu.ac.il/ ~ akarniel / HANDSHAKE / / index.html</a> Jede Datei sollte in dem entsprechenden Ordner abgelegt werden, auf der Webseite beschrieben. Nach Durchführung der Änderungen, laden Sie CMake und den Code zu kompilieren. Die Erstellung von Anweisungen finden Sie in <a href="http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation">http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation</a> </li><li> X3D und python <ul><li> Python 2.5 ab <a href="http://www.python.org/download/releases/2.5.5/">http://www.python.org/download/releases/2.5.5/</a> </li><li> Laden Sie die python und X3D-Codes aus dem Handshake-Website und platzieren Sie den Code-Dateien in ein spezielles Verzeichnis, zum Beispiel: "C: \ codeDirectory" </li><li> Jeder Handschlag Kraft Modell sollte in einem separaten Python-Datei geschrieben werden. Siehe Abbildung 1 für ein Beispiel für eine Federkraft Modell. </li></ul></li><li> psignifit Toolbox Version 2.5.6 für Matlab, verfügbar unter <a href="http://www.bootstrap-software.org/psignifit/">http://www.bootstrap-software.org/psignifit/</a> </li></ul></li></ol><img src="/files/ftp_upload/2492/2492fig1.jpg" alt="Abbildung 1" data-altupdatedat="1787634011000" data-alt="Abbildung 1"> Abbildung 1. Force-Funktion in Python. Ein Beispiel für eine Federkraft Modell für einen Händedruck 2. Experimentelles Protokoll <ul><li> Öffnen Sie die Eingabeaufforderung, und wechseln Sie die Python-und X3D-Code-Verzeichnis durch Eingabe von: cd C: \ codeDirectory. </li><li> Erstellen Sie einen Ordner mit den Themen 'Namen in C: \ codesDirectory. </li><li> Um das Experiment ein: h3dload code_name.x3d. </li><li> Erstellen Sie eine neue zufällige Datei, indem Sie: random_file_name.txt. Die zufällige Datei definiert die Reihenfolge, in der die verschiedenen Handshakes erscheinen. </li><li> Geben Sie die Themen 'Namen genau so, wie in dem zuvor erstellten Ordner. </li><li> Nach dem ursprünglichen Konzept der klassischen Turing-Test besteht jedes Experiment von 3 Personen: ein Mensch, ein Computer und ein Vernehmer. Zwei Fächer (Human-und Interrogator) jeder halten Sie den Stift von einem Phantom haptisches Gerät und generieren Handshake Bewegungen. Sie werden gebeten, den Anweisungen auf dem Bildschirm folgen (z. B.: "Drücken Sie Page Up für den ersten Handshake"), für Handshake Kräfte aufgebracht werden. In allen der folgenden Methoden, besteht jede Studie über 2 Händeschütteln, und die Themen sind erforderlich, um zwischen ihnen zu vergleichen. Der Computer ist eine simulierte Handshake-Modell, das eine Kraft als Funktion der Zeit und der eindimensionalen Handposition und seinen Derivaten generiert. (1) F-Modell (t) = Φ [x (t), t] 0 ≤ t ≤ T F [x, t] steht für einen kausalen Betreiber, zB nicht-lineare zeitabhängige mechanische Modell des eindimensionalen Stift Bewegung, und T ist die Dauer der Händedruck. In der aktuellen Studie T = 5 Sekunden. </li></ul><ol><li> Die Durchführung der "pure"-Test und Berechnung des Modells menschlichen Gestalt grade MHLG p Das Experiment beginnt mit 12 Praxis-Studien, in denen alle Handshakes (n = 24) sind Menschen, so dass die Themen einfach schütteln einander die Hände durch die telerobotische System. Der Zweck dieser Praxis Studien ist es, die Teilnehmer mit einem menschlichen Handshake in dem System vertraut gemacht werden. In dem Experiment vergleichen wir vier Computer-Modelle. Jeder experimentelle Block besteht aus 4 Studien, in denen vergleichen wir die 4 getesteten Modelle zu einem menschlichen Händedruck. Einer der Handshakes in jeder Studie ist eine Interaktion mit einer Kraft von einem der vier Modelle (Computer) erzeugt, und die andere ist mit einem menschlichen (das zweite Thema). Daher funktionieren die Themen wie Mensch und Vernehmungsbeamten. Die Reihenfolge der Versuche in jedem Block ist zufällig und vorherbestimmt. Jedes Experiment besteht aus 10 Blöcken, so dass jeder Computer-Handshake-10-mal wiederholt wird. Eine erste unanalysiert block ist für die allgemeine Bekanntschaft mit dem System und der Aufgabe hinzugefügt. Für jedes Modell ist der Anteil der Handschlag, in denen das Thema wählt das Modell Handshake über den menschlichen Händedruck, da mehr Menschen wie berechnet, um einen Wert, der 0,5 ist, wenn das Modell nicht von einem Menschen bieten. Wir multiplizieren Sie diesen Wert durch zwei, um die MHLG p, so dass MHLG = 0 ist eindeutig nicht-menschlichen wie und MHLG = 1 bedeutet, dass die getesteten Handshake nicht von der menschlichen Händedruck ist. Erhalten </li><li> Die Durchführung der "gewichteten Mensch-Modell"-Test und Berechnung des Modells menschlichen Gestalt grade MHLG w In diesem Protokoll, es gibt nur einen Vernehmer Thema. Das andere Thema Funktionen wie die menschliche Person in den Handschlag. Das Experiment beginnt mit 30 Praxis-Studien, in denen die Vernehmer Erfahrungen eines menschlichen Händedruck und einem Computer-Handshake in jeder Studie. Am Ende des Prozesses werden sie gefragt, welches der 2-Handshakes war die menschliche Händedruck. Wenn ihnen das gelingt, zeigt der Bildschirm "Richtig!", Und wenn sie nicht wählen Sie die richtige Händedruck, ein "Falsch!" Meldung angezeigt wird. Nach der Praxis-Block des Experiments wird wie folgt durchgeführt: Eine Studie besteht aus zwei Handshakes. In einer der Handschlag-der Reiz - die Vernehmer interagiert mit einer Kombination von Kräften, die aus dem menschlichen und einem Computer-Handshake-Modell kommt. (2) F = α Stimulus • F menschlichen + (1-α Stimulus) • F stimulusModel α Reiz ist gleichermaßen von 0 bis 1, z. B. verteilt: α Reiz = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1} Der andere Händedruck - die reference - ist eine feste Kombination von Kräften aus dem menschlichen und ein Referenzmodell generiert: (3) F = α Bezug • F menschlichen + (1-α-Referenz) • F referenceModel; α Referenz = 0,5 Am Ende jeder Studie der Vernehmer wird gebeten, den Handschlag, dass mehr Menschen sich anfühlt zu wählen. In jedem Experiment vergleichen wir zwei Testmodelle und ein Basismodell. Jeder experimentelle Block besteht aus 24 Studien mit jedem der Linearkombinationen der Reiz und die menschliche (Gl. 2) für jeden der 3 Modell-Kombinationen: <img src="/files/ftp_upload/2492/2492model1.jpg" alt="Modell 1" data-altupdatedat="1787634011000" data-alt="Modell 1"> Die Reihenfolge der Versuche in jedem Block ist zufällig und vorherbestimmt. Jedes Experiment besteht aus 10 Blöcken, so dass jede Kombination 10 Mal wiederholt wird. Eine erste unanalysiert Block wird für allgemeine Bekanntschaft mit dem System und der Aufgabe hinzugefügt. Wir passen eine logistische psychometrische Funktion 1, um die Antworten der Vernehmer mit dem psignifit Toolbox Version 2.5.6 für Matlab, verfügbar unter <a href="http://www.bootstrap-software.org/psignifit/">http://www.bootstrap-software.org/psignifit/</a> , mit einem eingeschränkten Maximum Likelihood Methode zur Abschätzung der die Parameter, und finden Sie Konfidenzintervalle von der Bias-korrigiert und beschleunigt (BCa) Bootstrap-Methode. Die Kurve zeigt die Wahrscheinlichkeit, dass der Vernehmer zu beantworten, dass ein Reiz Handschlag mehr human-like ist, als eine Funktion der α Reiz - α Referenz. Der Punkt subjektiver Gleichheit (PSE) ist von der 0,5-Schwellenwert der psychometrischen Kurve extrahiert, unter Angabe der Differenz zwischen dem α Reiz und α Referenz für die Handshakes wahrgenommen werden ebenso menschlich wie sind. Die PSE ist für die Berechnung der MHLG w nach verwendet: (4) MHLG w = 0,5-PSE Ein Modell, das wahrgenommen wird als human-like als das Referenzmodell ist ergibt die MHLG w-Wert 0,5. Die Modelle, die als die am wenigsten oder die meisten Menschen wie möglich wahrgenommen werden, ergeben MHLG w-Werte von 0 oder 1 sind. </li><li> Die Durchführung der "hinzugefügt noise"-Test und Berechnung des Modells menschlichen Gestalt grade MHLG n Ähnlich wie bei der gewichteten Modell-Mensch-Test, es gibt nur einen Vernehmer Thema. Das andere Thema Funktionen wie die menschliche Person in den Handschlag. Die Praxis-Block ist auch die gleiche wie in der vorherigen Methode. Nach der Praxis in einem der 2-Handshakes - der Reiz - die Vernehmer interagiert mit einem Computer-Handshake-Modell. Die anderen Händedruck - die Referenz - ist eine Kraft aus einer Kombination von Mensch und weißes Rauschen mit einem Frequenzbereich gefiltert nach den Frequenzen, die im menschlichen Händedruck erscheinen generiert. (5) F = α • F menschlichen + (1-α) • F Lärm; α ist gleich 0 bis 1 verteilt, zB: α = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1} Am Ende jeder Studie der Vernehmer wird gebeten, den Handschlag, dass mehr Menschen sich anfühlt zu wählen. Das Experiment ist in der gleichen Weise die gewichtete mo gebautdel-Mensch-Test erwähnt wird gebaut. Doch während der Kalibrierung in der gewichteten Mensch-Modell-Test durch den Vergleich verschiedener Kombinationen aus einem Basis-Modell zu einem fix Kombination von selbst, in diesem Experiment durchgeführt wird, das Basismodell ist Ersatz durch den Lärm. Die PSE ist aus der psychometrischen Kurve extrahiert und definiert die MHLG n (6) MHLG n = 1-PSE Die Modelle, die als die am wenigsten oder die meisten Menschen wie möglich wahrgenommen werden, ergeben MHLG n Werte von 0 oder 1 sind. </li></ol> 3. Repräsentative Ergebnisse: Abbildung 2 zeigt die Ergebnisse der ein Thema für jede der 3 Methoden. Die getesteten Modelle in allen drei Experimenten sind 2 viskoelastische Modelle-KB1: Frühjahr K = 50 N / m, Dämpfer B = 2 Ns / m; KB2: Frühjahr K = 20 N / m, Dämpfer B = 1,3 Ns / m. In den gewichteten Modell-Mensch-Test, ist der MHLG w durch den Vergleich jeder der getesteten Modelle mit dem elastischen Basismodell K = 50 N / m. ausgewertet <img src="/files/ftp_upload/2492/2492fig2.jpg" alt="Abbildung 2" data-altupdatedat="1787634011000" data-alt="Abbildung 2"> Abbildung 2. Die MHLG Werte von zwei viskoelastische Modelle nach der "reinen" Testprotokoll (a), der "gewichteten Modell-human-Protokoll" (b) und die "hinzugefügt noise"-Protokoll (c). Die Fehlerbalken in (b) und (c) stellen die psychometrischen Kurven "Konfidenzintervalle. Die schwarzen Balken repräsentieren die MHLG Noten für die Modelle und die grauen Balken stellen die des Basis-Modell in (b) und der Lärm in (c). Die Ergebnisse zeigen, dass das viskoelastische Modell KB2, da mehr Menschen wie als der andere viskoelastische Modell KB1 mit allen drei Auswertemethoden wahrgenommen wird.

<ol><li>Wichmann, F., Hill, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+psychometric+function%3A+I.+Fitting%2C+sampling%2C+and+goodness+of+fit%5BTitle%5D)+AND+%22Perception+%26+Psychophysics%22%5BJournal%5D)">The psychometric function: I. Fitting, sampling, and goodness of fit.</a> Perception & Psychophysics. 63, 1293-1293 (2001).</li>
<li>Avraham, G., Levy-Tzedek, S., Karniel, A. Computational Motor Control Workshop, Be'er-Sheva, , (2009).</li>
<li>Avraham, G., Levy-Tzedek, S., Karniel, A. Neural Control of Movement, Florida, USA, , (2010).</li>
<li>Avraham, G., Levy-Tzedek, S., Peles, B. C., Bar-Haim, S., Karniel, A. Computational Motor Control Workshop, Be'er-Sheva, , (2010).</li>
<li>Karniel, A., Nisky, I., Avraham, G., Peles, B. C., Levy-Tzedek, S. EuroHaptics, Amsterdam, Netherlands, , (2010).</li>
<li>Jindai, M., Watanabe, T., Shibata, S., Yamamoto, T. The 15th IEEE International Symposium on Robot and Human Interactive Communication, Hatfield, UK, , (2006).</li>
<li>Kasuga, T., Hashimoto, M. Internatioanl Conference on Robotics and Automation, Barcelona, Spain, , IEEE. (2005).</li>
<li>Ouchi, K., Hashimoto, M. Handshake Telephone System to Communicate with Voice and Force. Proceedings of the 6th IEEE International Workshop on Robot and Human Communication, 1997 Sept 29-Oct 1, Sendai, Japan, , IEEE. 466-471 (1998).</li>
<li>Bailenson, J., Yee, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Virtual+interpersonal+touch+and+digital+chameleons%5BTitle%5D)+AND+%22Journal+of+Nonverbal+Behavior%22%5BJournal%5D)">Virtual interpersonal touch and digital chameleons.</a> Journal of Nonverbal Behavior. 31, 225-242 (2007).</li>
<li>Miyashita, T., Ishiguro, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Human-like+natural+behavior+generation+based+on+involuntary+motions+for+humanoid+robots%5BTitle%5D)+AND+%22Robotics+and+Autonomous+Systems%22%5BJournal%5D)">Human-like natural behavior generation based on involuntary motions for humanoid robots.</a> Robotics and Autonomous Systems. 48, 203-212 (2004).</li>
<li>Wang, Z., Lu, J., Peer, A., Buss, M. EuroHaptics, Amsterdam, The Netherlands, , (2010).</li>
<li>IiZuka, H., Ando, H., Maeda, T. proceedings of AsiaGraph, , (2010).</li>
<li>Chaplin, W., Phillips, J., Brown, J., Clanton, N., Stein, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Handshaking%2C+gender%2C+personality%2C+and+first+impressions%5BTitle%5D)+AND+%22Journal+of+Personality+and+Social+Psychology%22%5BJournal%5D)">Handshaking, gender, personality, and first impressions.</a> Journal of Personality and Social Psychology. 79, 110-117 (2000).</li>
<li>Stewart, G., Dustin, S., Barrick, M., Darnold, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Exploring+the+handshake+in+employment+interviews%5BTitle%5D)+AND+%22Journal+of+Applied+Psychology%22%5BJournal%5D)">Exploring the handshake in employment interviews.</a> Journal of Applied Psychology. 93, 1139-1146 (2008).</li>
<li>Van Der Heide, J., Fock, J., Otten, B., Stremmelaar, E., Hadders-Algra, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Kinematic+characteristics+of+reaching+movements+in+preterm+children+with+cerebral+palsy%5BTitle%5D)+AND+%22Pediatric+research%22%5BJournal%5D)">Kinematic characteristics of reaching movements in preterm children with cerebral palsy.</a> Pediatric research. 57, 883(2005).</li>
<li>Ronnqvist, L., Rosblad, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Kinematic+analysis+of+unimanual+reaching+and+grasping+movements+in+children+with+hemiplegic+cerebral+palsy%5BTitle%5D)+AND+%22Clinical+Biomechanics-Kidlington%22%5BJournal%5D)">Kinematic analysis of unimanual reaching and grasping movements in children with hemiplegic cerebral palsy.</a> Clinical Biomechanics-Kidlington. 22, 165-175 (2007).</li>
<li>Goodale, M., Milner, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Separate+visual+pathways+for+perception+and+action%5BTitle%5D)+AND+%22Trends+in+neurosciences%22%5BJournal%5D)">Separate visual pathways for perception and action.</a> Trends in neurosciences. 15, 20-25 (1992).</li>
<li>Ganel, T., Goodale, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Visual+control+of+action+but+not+perception+requires+analytical+processing+of+object+shape%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Visual control of action but not perception requires analytical processing of object shape.</a> Nature. 426, 664-667 (2003).</li>
<li>Pressman, A., Nisky, I., Karniel, A., Mussa-Ivaldi, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Probing+Virtual+Boundaries+and+the+Perception+of+Delayed+Stiffness%5BTitle%5D)+AND+%22Advanced+Robotics%22%5BJournal%5D)">Probing Virtual Boundaries and the Perception of Delayed Stiffness.</a> Advanced Robotics. 22, 119-140 (2008).</li>
<li>Nisky, I., Pressman, A., Pugh, C. M., Mussa-Ivaldi, F. A., Karniel, A. EuroHaptics, Amsterdam, Netherlands, , 213-218 (2010).</li>
<li>Karniel, A. Computational Motor Control. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKarniel%2C+A+%22Encyclopedia+of+Neuroscience%22">Encyclopedia of Neuroscience</a>. Binder, M. D., Hirokawa, N., Windhorst, U. , Springer-Verlag. Berlin. 832-837 (2009).</li>
</ol>

Wir haben ein neues Protokoll für eine erzwungene Wahl-Turing-like-Handshake-Test über eine einfache telerobotische System verwaltet vorgestellt. Dieses Protokoll ist eine Plattform für den Vergleich von künstlichen Handshake-Modelle, sondern eine Plattform für die Bestimmung absolute menschliche Gestalt. Dieses Protokoll wurde in ein paar Konferenzen 2-5 vorgestellt Wir haben hier, dass dieser Test hilfreich bei der Suche die Parameter der passiven Eigenschaften der Bewegung, dass die meisten Menschen-Feeling sorgen wird angezeigt. Es kann in weiteren Studien verwendet werden, um ein Modell für einen Händedruck, wie human-like wie möglich zu entwickeln. Wir werden diese Plattform in den ersten Turing-like Handshake Turnier, das im Sommer 2011 stattfinden [[beschäftigen <a href="http://www.bgu.ac.il/~akarniel/HANDSHAKE/index.html">http://www.bgu.ac.il/ ~ akarniel / HANDSHAKE / index.html</a> ]], wo konkurrierende Modelle werden abgestuft für ihre menschliche Gestalt. Das ultimative Modell sollte wahrscheinlich betrachten die Nichtlinearitäten und zeitlich veränderlichen Natur der menschlichen Impedanz 21, gegenseitige Anpassung der Vernehmer und viele andere Aspekte eines natürlichen menschlichen Händedruck, getestet und bewertet werden mit dieser erzwungenen Wahl Turing-like-Handshake-Test sollte. Die vorgeschlagene Test ist eindimensional und erfolgt über eine telerobotische-Schnittstelle, und deshalb ist begrenzt: es birgt viele Aspekte der Händedruck wie taktile Informationen, Temperatur, Feuchtigkeit und Greifen Kräfte. Dennoch, in mehreren Studien eine telerobotische Schnittstelle wurde für die Erkundung Handshakes 6-11 und andere Formen der Mensch-Mensch-Interaktion 12 verwendet. Darüber hinaus in dieser Version des Tests, haben wir nicht der Ansicht, die Dauer der Händedruck, die Initiierung und Release-Zeiten, seine Vielschichtigkeit und die Hand Bahnen vor und nach dem körperlichen Kontakt. Es gibt auch viele Arten von Handshakes je nach Geschlecht und Kultur der Person 13-14 und daher kann man nicht erwarten, dass ein einziges optimales human-like-Handshake-Modell zu generieren. Dennoch glauben wir, dass die Einfachheit der vorgeschlagenen Versuch ein Vorteil ist, zumindest in diesem frühen Stadium der Studie. Nachdem die wichtigsten Merkmale eines solchen eindimensionalen Handshake richtig gekennzeichnet sind wir uns bewegen können auf diese Einschränkungen berücksichtigen und verlängern die Prüfung entsprechend. Es wird darauf hingewiesen, dass eine Turing-like-Handshake-Test umgekehrt werden könnte, mit dem Computer anstelle der Person, über die Identität der anderen Partei gestellt werden. In diesem Rahmen halten wir die folgenden Reverse-Handshake-Hypothese: Der Zweck der Handschlag ist es, die erschüttert Handsonde; gemäß dem Reverse-Handshake-Hypothese, die optimale Handshake-Algorithmus - in dem Sinne, dass es wird nicht von einem Menschen Handshake - wird Beste erleichtern die Unterscheidung zwischen Menschen und Maschinen. Mit anderen Worten, wird das Modell liefern die besten Handshake, so dass eine entsprechend abgestimmte Klassifikator kann zwischen Mensch und Maschine Händeschütteln zu unterscheiden. Wenn der Reverse-Handshake Hypothese ist zwar richtig, es ergibt sich eine klinische Anwendung für unseren Test: Ermittlung motorischen Beeinträchtigungen in Menschen, die an verschiedenen neurologischen Motor-bedingten Erkrankungen wie Zerebralparese (CP). Frühere Studien haben Unterschiede in der kinematischen Parameter zwischen CP-Patienten und gesunden Probanden gezeigt, bei der Durchführung von Greifbewegungen 15-16. Wir haben kürzlich gezeigt, dass die Eigenschaften von Bewegungen zwischen gesunden Personen und Personen mit CP unterscheiden beim Händeschütteln über eine telerobotische System 4. Diese Ergebnisse stärken unsere Behauptung, dass Menschen mit motorischen Beeinträchtigungen von gesunden Menschen können durch die Prüfung und Erforschung der Handshake Bewegung jedes einzelnen zu unterscheiden. Man sollte auch beachten, dass der Test hier erörterten eine perzeptive Tests und aktuelle Studien unterscheiden zwischen Wahrnehmung und Handlung 17-20 ist. Zukünftige Studien sollten untersuchen drei Versionen des Tests zur genauen Beurteilung der Natur des Menschen-wie-Handshake: (1) eine psychometrische Test der wahrgenommene Ähnlichkeit, (2) einen Motor zu testen (motormetric-Test), dass der Motor erkunden Reaktion der Vernehmer, die von seiner / ihrer kognitiv wahrgenommene Ähnlichkeit unterscheiden können, (3) eine ultimative optimale Diskriminator, die zwischen Mensch und Maschine Händeschütteln auf die Kraft und die Position Trajektorien basieren unterscheiden versucht. Im Allgemeinen, so behaupten wir, dass das Verständnis der Motorsteuerung ist eine notwendige Voraussetzung für das Verständnis der Funktion des Gehirns, und dass ein solches Verständnis könnte durch den Bau eines humanoiden Roboters nicht von einem Menschen nachgewiesen werden. Die aktuelle Studie konzentriert sich auf Händeschütteln über eine telerobotische System. Wir behaupten, dass durch die Platzierung der vorherrschenden wissenschaftlichen Hypothesen über die Natur der menschlichen Hand Bewegungssteuerung mit dem vorgeschlagenen Turing-like Handshake testen, haben wirLage sein sollten, hervorstechenden Eigenschaften des menschlichen motorischen Kontrolle oder zumindest die wichtigsten Eigenschaften erforderlich, um eine künstliche Gliedmaßen, die nicht von einem menschlichen Arm bauen zu extrahieren.

<table><tbody><tr><td>Zwei PHANTOM-Desktop-Roboter</td><td>SensAble, Geomagic</td><td></td><td>2 Parallelkarten&lt;br/&gt;Mindestsystemanforderungen: Intel- oder AMD-basierte PCs; Windows 2000/XP, 250 MB Festplattenspeicher</td></tr><tr><td>SensAble-Technologietreiber</td><td>SensAble, Geomagic</td><td></td><td>&lt;a href=&quot;http://www.sensable.com">http://www.sensable.com&lt;/a&gt;</td></tr><tr><td>H3DAPI-Quellcode</td><td>H3DAPI</td><td></td><td>&lt;a href=&quot;http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation">http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation&lt;/a&gt;</td></tr><tr><td>Python 2.5</td><td>Python Products</td><td></td><td>&lt;a href=&quot;http://www.python.org/download/releases/2.5.5/">http://www.python.org/download/releases/2.5.5/&lt;/a&gt;</td></tr><tr><td>x3d-Codes</td><td></td><td></td><td></td></tr><tr><td>psignifit-Toolbox-Version 2.5.6</td><td>Matlab</td><td></td><td>&lt;a href=&quot;http://www.bootstrap-software.org/psignifit/">http://www.bootstrap-software.org/psignifit/&lt;/a&gt;</td></tr></tbody></table>

one dimensional turing-like handshake-test für motorische intelligenz

One Dimensional Turing-Like Handshake Test for Motor Intelligence

In den Turing-Test, ist ein Computer-Modell als &quot;intelligent denken&quot;, wenn es Antworten, die nicht unterscheidbar von denen eines Menschen erzeugen kann. Allerdings ist dieser Test, um die sprachlichen Aspekte der Maschine Intelligenz begrenzt. Ein hervorstechendes Funktion des Gehirns ist die Steuerung der Bewegung und die Bewegung der menschlichen Hand ist ein hoch entwickeltes Demonstration dieser Funktion. Deshalb schlagen wir eine Turing-like-Handshake-Test, für den Maschinen-motorische Intelligenz. Wir verwalten den Test durch eine telerobotische System, in dem die Vernehmer in eine Aufgabe mit einem Roboter-Stift und die Interaktion mit einer anderen Partei (menschliche oder künstliche) tätig ist. Anstatt zu fragen, die Vernehmer, ob die andere Partei eine Person oder ein Computer-Programm ist, beschäftigen wir zwei alternative forced choice-Verfahren und fragen, welche der beiden Systeme ist human-like. Wir extrahieren Sie eine quantitative grade für jedes Modell nach seiner Ähnlichkeit mit dem menschlichen Handshake Bewegung mit dem Namen &quot;Model Human-Likeness Grade&quot; (MHLG). Es werden drei Methoden, um die MHLG schätzen. (I) Durch die Berechnung der Anteil der Patienten, die Antworten, dass das Modell mehr human-like als das menschliche ist, (ii) Durch den Vergleich zweier gewichtete Summen von Human-und Händeschütteln wir fit eines psychometrischen Kurve und extrahieren den Punkt subjektiver Gleichheit (PSE ), (iii) Durch den Vergleich eines bestimmten Modells mit einem gewichteten Summe der Human-und Random-Signal, fit wir eine psychometrische Kurve, um die Antworten der Vernehmer und extrahieren Sie die PSE für das Gewicht des menschlichen in der gewichteten Summe. Insgesamt bieten wir ein Protokoll zur Rechenmodelle des menschlichen Handshake-Test. Wir glauben, dass ein Modell ist ein notwendiger Schritt im Verständnis jedes Phänomen, und in diesem Fall für das Verständnis der neuronalen Mechanismen, die für die Erzeugung der menschlichen Händedruck.

Wir präsentieren eine Turing-like Handshake-Test durch eine telerobotische System, in dem die Vernehmer mit einem Roboter-Stift ist und die Interaktion mit einer anderen Partei (menschliche oder künstliche) verabreicht. Wir verwenden eine erzwungene Wahl-Methode, und extrahieren Sie ein Maß für die Ähnlichkeit der künstlichen Modell einer menschlichen Händedruck.

One Dimensional Turing-Like Handshake-Test für motorische Intelligenz

Beim Turing-Test gilt ein Computermodell als „intelligent denkend“, wenn es Antworten generieren kann, die nicht von denen eines Menschen zu unterscheiden sind. ...

Das übergeordnete Ziel dieses Verfahrens besteht darin, zu ermitteln, wie eng ein Computermodell eines Handschlags dem menschlichen Handschlag entspricht. Dies wird erreicht, indem den Probanden zunächst Paare von Handschlägen präsentiert werden, entweder menschlich erzeugt, computergeneriert oder eine Kombination aus beiden mithilfe einer telematischen Roboter-Schnittstelle. Der zweite Schritt des Verfahrens besteht darin, jeden Probanden zu bitten, innerhalb jedes Paares auszuwählen, welcher der beiden Handschläge menschenähnlicher ist.Der letzte Schritt des Verfahrens besteht darin, anhand der Antworten des Probanden die menschliche Ähnlichkeitsnote für das Handschlagmodell, die Modell-Menschlichkeits-Grad-Note oder MHLG, zu berechnen. Letztendlich können Ergebnisse erzielt werden, die einen signifikanten Unterschied zwischen verschiedenen Modellen zeigen, MHGs unter Verwendung des Turing-ähnlichen Handschlagtests. Der Turing-Test beschränkt sich eigentlich auf verbale Intelligenz, wobei Wissenschaftler und Ingenieure eine große Lücke zwischen künstlicher und natürlicher Intelligenz im Bereich der motorischen Steuerung des motorischen Verhaltens beobachtet haben.Viele Wissenschaftler haben über diese motorische Version des Turing-Tests nachgedacht, aber erst kürzlich wurden fahrfähige, steuerbare Robotergeräte in Forschungslabors eingesetzt, die die Implementierung eines einfachen, reproduzierbaren Protokolls für einen Turing-ähnlichen Handschlagtest ermöglichen. Diese Methode kann helfen, zentrale Fragen im Bereich der Mensch-Roboter-Interaktion zu beantworten, beispielsweise, welche Schlüsseleigenschaften menschlicher Armbewegungen für ein natürliches menschliches Berührungserlebnis verantwortlich sind. Die Auswirkungen dieser Technik reichen bis hin zur Diagnose motorischer Störungen wie der zerebralen Kinderlähmung.Der nächste Schritt besteht darin, ein robotisches Diagnosegerät zu entwickeln, das einen gesunden menschlichen Händedruck von einem beeinträchtigten unterscheiden kann. Eine visuelle Demonstration dieser Methode ist entscheidend, da die Bewegung des Händedrucks über das tele-robotische System nicht natürlich ist und es Zeit und Übung erfordert, um zu lernen, wie man mit dem Roboter umgeht und mit ihm interagiert. In Anlehnung an das ursprüngliche Konzept des klassischen Turing-Tests bestehen die Händedruck-Experimente aus drei Entitäten: einem Menschen, einem Computer und einem Befrager.Der Befrager und der Mensch sitzen im selben Raum, sind jedoch durch einen Bildschirm voneinander getrennt, sodass der Befrager nicht sehen kann, ob der Computer oder der Mensch den Handschlag erzeugt. Die Handschläge sind keine direkten physischen Handschläge, sondern werden über eine mechanische tele-robotische Schnittstelle realisiert, die aus zwei Phantom-Desktop-Robotern im Fall eines menschlichen Handschlags bzw. aus einem Phantom-Roboter und einer Software im Fall eines Computer-Handschlags besteht. Sobald das Wort „Handschlag“ auf dem Computerbildschirm erscheint, führen der Befrager und der Mensch unverzüglich Bewegungen aus, die einem Händedruck entsprechen, indem sie den Stift der tele-robotischen Schnittstelle in vertikaler Richtung bewegen.Die Aufgabe des Prüfers besteht darin, zwei Händedrücke zu vergleichen und durch Drücken der Pos1- oder F1-Taste den menschenähnlicheren auszuwählen, um den ersten Händedruck zu wählen, beziehungsweise durch Drücken der Ende- oder F2-Taste, um den zweiten Händedruck zu wählen. Die drei in diesem Video demonstrierten experimentellen Protokolle unterscheiden sich hinsichtlich der Zusammensetzung der verglichenen Händedrücke. Das erste Protokoll ist das reine Turing-Test-Protokoll, bei dem die Wahl zwischen einem menschlichen und einem computergenerierten Händedruck erfolgt.Das zweite Protokoll umfasst Händedrücke mit unterschiedlichen Kombinationen aus menschlich erzeugten und computergenerierten Kräften. Das dritte Protokoll umfasst Händedrücke mit wechselnden Kombinationen aus einem menschlich erzeugten Händedruck und Rauschen oder ausschließlich computergenerierten Kräften. Während des Experiments wird automatisch eine Zufallsdatei erstellt, sobald zur Eingabe eines Namens für die Zufallsdatei aufgefordert wird.Wenn die Datei bereits existiert, verwendet das System die vorhandene Datei. Andernfalls generiert das System automatisch eine neue zufällige Datei mit dem angegebenen Namen. Die zufällige Datei legt die Reihenfolge fest, in der die verschiedenen Handshakes stattfinden.Das reine Protokoll beginnt mit 12 Übungsdurchgängen, die jeweils zwei Handschläge umfassen, bei denen der Mensch und der Befrager über das tele-robotische System insgesamt 24-mal Hände schütteln. Der Befrager weiß, dass er in dieser Phase mit einem Menschen Hände schüttelt. Der Zweck dieser Übungsdurchgänge besteht darin, die Teilnehmer mit der tele-robotischen Schnittstelle vertraut zu machen.Nach der Übungsrunde wird in jedem Durchlauf ein Block mit vier Versuchen durchgeführt. Ein menschlicher Händedruck wird in zufälliger Reihenfolge mit einem von vier computergenerierten Händedrücken verglichen, wie in diesem Beispiel gezeigt. Beispielsweise schüttelt der Befrager im ersten Durchlauf des ersten Blocks zweimal die Hand.Der erste Handschlag wird vom Menschen erzeugt und der zweite Handschlag wird vom Computer unter Verwendung der durch Modell drei vorgegebenen Kräfte erzeugt. Der Prüfer wählt dann zwischen Handschlag Nummer eins und Handschlag Nummer zwei aus, um zu entscheiden, welcher Handschlag menschlicher wirkt. Wenn beispielsweise der Prüfer Handschlag Nummer eins als menschlicher wählt, hat er den vom Menschen ausgeführten Handschlag ausgewählt.Dem Prüfer wird jedoch nicht mitgeteilt, ob er oder sie im nächsten Durchgang den menschlichen Handschlag korrekt identifiziert hat. Der erste Handschlag des Prüfers erfolgt mit dem computergenerierten Modell zwei, der zweite Handschlag mit dem Menschen. Der Prüfer wählt erneut den menschenähnlichsten Handschlag aus.Es werden zwei weitere Versuche auf ähnliche Weise durchgeführt. Um die verbleibenden beiden Modelle zu testen, wird Modell eins und Modell vier mit dem menschlichen Handschlag verglichen. Damit ist ein Block von Versuchen abgeschlossen.Das Experiment besteht aus 11 Blöcken mit jeweils vier Durchgängen, wobei die vier Modellhändedrücke in jedem Block in zufälliger Reihenfolge präsentiert werden. Der erste Block dient als Übungsblock, und die Auswertung erfolgt anhand der verbleibenden 10 Blöcke. Nach Abschluss der 10 Blöcke des Experiments wurde jeder der vier Händedruckmodelle 10-mal im Vergleich zu einem menschlichen Händedruck getestet.Nach Abschluss der 11 experimentellen Blöcke wird für jedes der vier getesteten Modelle eine Bewertung der menschlichen Ähnlichkeit berechnet. Die Analyse erfolgt, indem der Anteil der Händedrücke ermittelt wird, bei denen der Proband angibt, der Händedruck des Modells sei menschlicher als der Händedruck eines Menschen. Wenn beispielsweise der Befrager bei 2 von 10 Händedrücken den Händedruck des Modells gegenüber dem menschlichen Händedruck bevorzugt, beträgt der Anteil Modell zu Mensch 0,2; multiplizieren Sie diesen Anteil mit zwei, um die Bewertung der menschlichen Ähnlichkeit des Modells zu erhalten.Für jedes Modell, bei dem der Anteil 0,2 beträgt, läge die menschliche Ähnlichkeitsstufe des Modells bei 0,4. Wurde Modell drei in vier von zehn Versuchen als menschenähnlicher ausgewählt, dann wäre sein Anteil 0,4 und seine menschliche Ähnlichkeitsstufe des Modells 0,8. Ist ein Modell von einem Menschen nicht zu unterscheiden, wäre der berechnete Anteil 0,5 und die menschliche Ähnlichkeitsstufe des Modells eine Eins.Wenn ein Modell eindeutig nichtmenschlich ist, wie beispielsweise sein Modell, beträgt der Grad der Menschlichkeit null. Der MHLG ist auf eins begrenzt. In diesem Protokoll werden die erzeugten Händedrücke unabhängig vom menschlichen Teilmodell betrachtet, wobei die spezifische Kombination in einem Maßstab, der von einem rein computergenerierten Händedruck bis zu einem rein menschlichen Händedruck reicht, zwischen den Versuchen variiert.Daher wird diese Versuchsreihe als gewichteter menschlicher Modelltest bezeichnet. Das Protokoll beginnt mit einem Übungsblock, der dem Befrager hilft, einen rein menschlichen Handschlag zu erkennen und sich mit der Versuchsanordnung vertraut zu machen. Der Übungsblock umfasst daher 30 Durchgänge, in denen ein rein menschlicher Handschlag mit einem computergenerierten Handschlag verglichen wird.Am Ende jedes Versuchs wählt der Befrager denjenigen der beiden Handschlagtypen aus, der menschlicher erschien. Hat der Befrager den menschlichen Handschlag korrekt identifiziert, wird auf dem Bildschirm „richtig“ angezeigt. Wählt der Befrager nicht den korrekten Handschlag aus, erscheint eine Fehlermeldung, und der Befrager erhält die Möglichkeit, den letzten Übungsversuch zu wiederholen.Nach dem Übungsblock beginnt der Befrager eine Reihe von Versuchen zur Beurteilung zweier Händedrücke. Die beiden Händedrücke sind ein Stimulus-Händedruck und ein Referenz-Händedruck, wobei jeder aus einer Kombination menschlicher und Modellkräfte besteht. Beim Referenz-Händedruck verspürt der Befrager eine gleichmäßige Mischung aus den Kräften, die von einem Menschen und einem computergenerierten Modell erzeugt werden.Anders ausgedrückt: Während die Versuchsperson eine Händedruckbewegung ausführt, trägt dieser Händedruck nur zu 50 % an der Kraft bei, die vom Prüfer wahrgenommen wird, wobei die verbleibenden 50 % der Kraft aus einem Modell im Stimulus-Händedruck stammen. Der vom Prüfer empfundene Händedruck ist somit eine variable Mischung aus den Kräften, die von der Versuchsperson und von einem computergenerierten Modell erzeugt werden. Bei einigen Stimulus-Händedrücken ist der Anteil, der von der Versuchsperson beigetragen wird, mehr als die Hälfte und damit größer als beim Referenz-Händedruck. Bei anderen Stimulus-Händedrücken ist der Anteil, der von der Versuchsperson beigetragen wird, weniger als die Hälfte und damit geringer als beim Referenz-Händedruck.Am Ende jedes Versuchs wird der Befrager aufgefordert, den Handschlag auszuwählen, der menschenähnlicher wirkte. Dieses Experiment vergleicht drei Modelle, zwei Testmodelle und ein Basismodell. Wie im reinen Protokoll beginnt auch dieses Protokoll mit einem nicht analysierten Block, gefolgt von 10 experimentellen Blöcken.Jeder experimentelle Block besteht aus 24 Durchgängen, die jeweils alle acht linearen Kombinationen des Modells und des Menschen für jede der drei Modellkombinationen umfassen. Nach Abschluss der 10 experimentellen Blöcke wird eine logistische psychometrische Funktion an die Antworten des Befragers angepasst. Wie im begleitenden Artikel beschrieben, zeigt die resultierende Kurve die Wahrscheinlichkeit des Befragers an.Um dies zu beantworten, wird ein Stimulus-Händedruck als menschlicher empfunden als der Referenz-Händedruck. Als Funktion von Alpha-Stimulus minus Alpha-Referenz wird der Punkt der subjektiven Gleichheit (PSE) aus dem Schwellenwert von 0,5 der psychometrischen Kurve extrahiert, der die Differenz zwischen Alpha-Stimulus und Alpha-Referenz angibt, bei der die Händedrücke als gleich menschlich empfunden werden. Die Menschlichkeitsnote für das gewichtete menschliche Modellprotokoll wird berechnet, indem der PSE von 0,5 subtrahiert wird; Modelle, die als am wenigsten oder am stärksten menschlich wahrgenommen werden, ergeben Menschlichkeitsnoten von null bzw. eins. Das endgültige Protokoll vergleicht einen Modell-Händedruck mit einem Händedruck, der teilweise menschlich, teilweise aus zufälligem Rauschen besteht.In diesem Protokoll ist der Stimulus-Handschlag ein computergenerierter Handschlag, der auf einem Modell basiert. Der andere Handschlag, der Referenz-Handschlag, ist eine Kraft, die aus verschiedenen Kombinationen des menschlichen Handschlags und weißem Rauschen erzeugt wird, mit einer maximalen absoluten Kraft von zwei N, gefiltert mithilfe eines Tiefpass-Butterworth-Filters fünfter Ordnung bei einer maximalen Frequenz von zwei durch pi. Am Ende jedes Versuchs wird der Befrager aufgefordert, den Handschlag auszuwählen, der menschenähnlicher wirkte.Das Protokoll weist eine ähnliche Gestaltung wie den vorherigen Test mit dem gewichteten menschlichen Modell auf. Nach einer Übungsrunde und einem nicht ausgewerteten Block wird eine Serie von 10 experimentellen Blöcken wie folgt durchgeführt. Der PSE wird wie zuvor aus der psychometrischen Kurve extrahiert und definiert die menschliche Ähnlichkeitsstufe des Modells für das hinzugefügte Rauschprotokoll.Diese Abbildung zeigt Ergebnisse aus dem reinen Protokoll und vergleicht menschliche Händedrücke mit zwei verschiedenen Modell-Händedrücken. Die beiden Punkte zeigen die berechneten Werte der modellierten menschlichen Ähnlichkeit für zwei viskoelastische Modelle namens KB eins und KB zwei. Die Ergebnisse zeigen, dass das Modell KB zwei als menschlicher wahrgenommen wird als Modell KB eins.Diese Abbildung zeigt die Ergebnisse aus dem gewichteten menschlichen Modellprotokoll, das ein variables Verhältnis menschlicher Modell-Begrüßungen mit einem festen 50-50-Verhältnis menschlicher Modell-Begrüßungen verglich. Die schwarzen Markierungen stellen die Bewertungen der menschlichen Ähnlichkeit für die Testmodelle dar, und die grauen Markierungen stellen jene des Basismodells dar. Die Fehlerbalken repräsentieren die psychometrischen Kurven, Konfidenzintervalle.Diese Abbildung zeigt die Ergebnisse des hinzugefügten Rauschprotokolls, das einen Modell-Handschlag mit einem Handschlag vergleicht, der ein variierendes Verhältnis von menschlichen zu Rauschanteilen aufweist. Die schwarzen Markierungen stellen die Bewertungen der menschlichen Ähnlichkeit für die Modelle dar, und die grauen Markierungen stellen jene des Rauschens dar. Die Fehlerbalken repräsentieren die Konfidenzintervalle der psychometrischen Kurve.Diese Ergebnisse zeigen, dass das viskoelastische Modell KB zwei unter Verwendung aller drei Evaluierungsmethoden als menschenähnlicher wahrgenommen wird als das viskoelastische Modell KB eins. Bei der Durchführung dieses Verfahrens ist es wichtig, daran zu denken, das Robotergerät korrekt zu bedienen und darauf zu achten, dass die Interaktion so reibungslos wie möglich verläuft. Mit diesem Verfahren können weitere Methoden wie Tests zur Erkennung menschlicher Handschläge bei tiefgreifenden Entwicklungsstörungen durchgeführt werden, um zusätzliche Fragen zu beantworten, beispielsweise: Wie wirken sich tiefgreifende Entwicklungsstörungen auf die Fähigkeit aus, menschliche von nicht-menschlichen Gesten zu unterscheiden? Nach seiner Entwicklung kann diese Technik nun den Weg dafür ebnen, den Handschlag als Erkennungsinstrument zu nutzen.Wir vermuten, dass der Zweck des Händeschüttelns darin besteht, etwas über die andere Person zu erfahren. Daher kann die von uns vorgeschlagene Methodik zur Entwicklung eines menschenähnlichen Händedrucks auch die Entwicklung eines Klassifizierungssystems für Händedrücke unterstützen, das Informationen über die andere Person aus deren Händedruck extrahieren kann. Nach dem Anschauen dieses Videos sollte man ein gutes Verständnis dafür haben, wie der eindimensionale Tour-like-Handshake-Test durchgeführt wird, und wie wir die zum ersten internationalen Tour-like-Handshake-Test-Turnier eingereichten Händedruck-Modelle bewerten werden.

one-dimensional-turing-like-handshake-test-for-motor-intelligence

Research

Forschung

JoVE Journal

Neuroscience

Neurowissenschaften

Als manuelle Geschicklichkeit ist ein Vorrecht vor allem von Primaten, haben Verhaltensstörungen Aufgaben in Makaken-Affen entwickelt. Vier zu erreichen und zu begreifen prehension Aufgaben-, Mess-Handmanipulation Fähigkeit und Kraft, erlauben die funktionelle Erholung nach einer Läsion des zentralen Nervensystems zu schaffen und die Wirkung einer Behandlung zu testen.

Behavioral Beurteilung der manuellen Geschicklichkeit in nicht-menschlichen Primaten

Dieses Video zeigt den Treppentest zur Beurteilung der motorischen Funktion bei einer Hemiparkinson-Ratte mit einer Läsion der rechten Gehirnhälfte. Die Läsion stört die Dopamin-Signalübertragung und beeinträchtigt die Kontrolle der linken Pfote, was dazu führt, dass mehr Kügelchen auf der linken Treppe verbleiben, was auf eine motorische Dysfunktion hinweist.

Treppentest zur Beurteilung der motorischen Funktion bei einer Hemiparkinson-Ratte

Wir beschreiben eine Roman virtual Reality basierte Setup die willentliche Kontrolle einerseits zur Leistungssteigerung der Motor-Skill (ungeübte) andererseits nutzt. Dies wird erreicht durch die Bereitstellung von Echtzeit-Bewegung-basierte sensorischen Feedback als ob die ungeübte Hand bewegt. Dieser neue Ansatz kann zur Rehabilitation von Patienten mit einseitigen Hemiparese zu verbessern.

Verwendung von Virtual Reality motorischen Wissenstransfer aus einer Hand zur anderen

Dieses Manuskript beschreibt eine halbautomatische Aufgabe, die Supination in Ratten quantifiziert. Ratten erreichen, erfassen und eine sphärische Manipulandum supinieren. Die Ratte ist mit einem Pellet belohnt, übersteigt die Umdrehung Winkel ein Kriterium, die vom Benutzer festgelegt. Diese Aufgabe erhöht den Durchsatz, Empfindlichkeit gegenüber Verletzungen und Objektivität im Vergleich zu traditionellen Aufgaben.

Drehknopf Supination Aufgabe: Eine halbautomatische Methode für die Beurteilung der Funktion der Vordergliedmaße bei Ratten

Wir stellen die Fuß-stepping serielle Reaktionszeit (SRT) Aufgabe. Diese modifizierte SRT Aufgabe, ergänzend zu die klassischen SRT Aufgabe, die nur Finger drücken Bewegung, bessere beinhaltet nähert sich sequenzierte Tagesaktivitäten und erlaubt es den Forschern, die dynamischen Prozesse zugrunde liegende diskrete Bekämpfungsmaßnahmen zu studieren und entwirren Sie die expliziten Prozess im impliziten Reihenfolge lernen.

Der "Motor" in der Kfz-implizite Reihenfolge lernen: ein Fuß-stepping serielle Reaktionszeit Aufgabe

Hier präsentieren wir ein Protokoll, das Gefühl der Agentur entwickelt, die Kontrolle über sinnlich virtuell oder Roboter Handprothesen charakterisiert. Psycho-physischen Fragebögen werden eingesetzt, um die explizite Erfahrung der Agentur zu erfassen, und Intervall Zeitschätzungen (vorsätzliche Bindung) werden eingesetzt, um implizit das Gefühl der Agentur messen.

Charakterisierung des Sinnes der Agentur über die Aktionen der Neural-Maschine-Schnittstelle betrieben Prothesen

Dieses Protokoll bietet eine Digitalisierung von Teilen traditioneller klinischer Aufgaben, die häufig zur Messung der Kognition und motorischen Kontrolle bei der Parkinson-Krankheit verwendet werden. Klinische Aufgaben werden digitalisiert, während biophysikalische Rhythmen von verschiedenen funktionellen Ebenen des Nervensystems mitregistriert werden, von freiwillig, spontan, automatisch bis autonom.

Dynamische digitale Biomarker der motorischen und kognitiven Funktion bei Parkinson

Das Ziel dieser Studie ist es, eine wichtige Referenz für den klinischen Standardbetrieb der motorischen Bildsprache Gehirn-Computer-Schnittstelle (MI-BCI) bei motorischer Dysfunktion der oberen Gliedmaßen nach Schlaganfall zu liefern.

Motorische Vorstellungskraft Gehirn-Computer-Schnittstelle bei der Rehabilitation der motorischen Dysfunktion der oberen Gliedmaßen nach einem Schlaganfall

Motorische Bilder in einer Virtual-Reality-Umgebung haben breite Anwendungen in Gehirn-Computer-Schnittstellensystemen. Dieses Manuskript beschreibt die Verwendung personalisierter digitaler Avatare, die den Teilnehmern ähneln, die Bewegungen ausführen, die sich der Teilnehmer in einer Virtual-Reality-Umgebung vorstellt, um die Immersion und das Gefühl der Körperverantwortung zu verbessern.

Leistung der motorischen Bildgebung durch verkörperte digitale Zwillinge in einer Virtual-Reality-fähigen Gehirn-Computer-Schnittstellenumgebung

Bei Tieren mit großen identifizierten Neuronen...

Extrazellulär identifizieren Motor Neurons für einen Muscle Motor Pool in<em&gt; Aplysia californica</em

Erfahren Sie, wie der Turing-ähnliche Handshake-Test motorische Intelligenz bewertet. Diese Methode nutzt ein telerobotisches System, um menschliche und computergenerierte Handshakes zu vergleichen und deren menschliche Ähnlichkeit zu quantifizieren.

One Dimensional Turing-Like Handshake-Test für motorische Intelligenz

Weitere Videos entdecken