Name: Unidimensional Turing-Como Apretón de manos de prueba para el motor de Inteligencia (Video) | JoVE Journal
Uploaded: 2010-12-15T15:45:00.000+00:00
Duration: 14 min 5 s
Description: Aprende a evaluar modelos de apretón de manos robóticos mediante una prueba tipo Turing unidimensional usando interfaz telerrobótica. Este método permite distinguir entre apretones humanos y generados por computadora.

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

playerTrialDesktop

AK desea agradecer a Gerry Loeb útil para los debates sobre la prueba de Turing propuso apretón de manos-como. AK y en el deseo agradecer a Nathaniel Leibowitz y Botzer Lior que han contribuido al diseño de la primera versión de este nuevo protocolo en 2007. Esta investigación fue financiada por la Fundación Ciencias de Israel (subvención N º 1018-08). SL con el apoyo de una beca postdoctoral Kreitman Fundación. EN el apoyo de la fundación Kreitman y el Programa de Becas Clore.

1. Preparación del sistema <ol><li> Los requisitos de hardware: <ul><li> Dos robots de escritorio PHANTOM por SensAble Technologies, Inc. </li><li> Dos tarjetas en paralelo. </li><li> Requisitos mínimos del sistema: Intel o AMD basados ​​en PCs, Windows 2000/XP y 250 MB de espacio en disco. </li></ul></li><li> Requisitos de software: <ul><li> El conductor Descargar drivers del sitio web de tecnologías SensAble <a href="http://www.sensable.com">http://www.sensable.com</a> de acuerdo con el sistema operativo del ordenador. </li><li> H3DAPI- Descargar el código fuente H3DAPI e instalar de acuerdo a las instrucciones que aparecen en la sección de tutorial de instalación en <a href="http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation">http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation</a> Hemos actualizado el código para ajustarse a nuestras necesidades que no se cumplían en el código existente. Los archivos actualizados se puede descargar desde la web del torneo apretón de manos <a href="http://www.bgu.ac.il/~akarniel/HANDSHAKE//index.html">http://www.bgu.ac.il/ ~ akarniel / HANDSHAKE / / index.html</a> Cada archivo debe ser colocado en la carpeta correspondiente según se describe en el citado sitio web. Después de realizar los cambios, descargar CMake y compilar el código. Las instrucciones de compilación se pueden encontrar en <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 y python <ul><li> Descargar python 2.5 de <a href="http://www.python.org/download/releases/2.5.5/">http://www.python.org/download/releases/2.5.5/</a> </li><li> Descargar los códigos de Python y x3d desde el sitio web apretón de manos y colocar los archivos de código en un directorio dedicado, por ejemplo: "C: \ codeDirectory" </li><li> Cada modelo de la fuerza apretón de manos debe ser escrito en un archivo separado de python. Ver Figura 1 para un ejemplo de un modelo de fuerza del muelle. </li></ul></li><li> Caja de herramientas de la versión 2.5.6 psignifit de Matlab, disponible en <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="Figura 1" data-altupdatedat="1787634011000" data-alt="Figura 1"> Figura 1. Función de la fuerza en python. Un ejemplo de un modelo de fuerza de resorte para un apretón de manos 2. Protocolo experimental <ul><li> Abra la ventana de comandos y cambie al directorio de código python y x3d escribiendo: cd C: \ codeDirectory. </li><li> Crear una carpeta con los nombres de los sujetos en C: \ codesDirectory. </li><li> Con el fin de ejecutar el tipo de experimento: h3dload code_name.x3d. </li><li> Crear un archivo aleatorio nueva escribiendo: random_file_name.txt. El archivo aleatorio se define el orden en que aparecen los apretones de manos diferentes. </li><li> Escriba los nombres de los sujetos exactamente igual que en la carpeta creada previamente. </li><li> Siguiendo el concepto original de la clásica prueba de Turing, cada experimento consta de tres entidades: un ser humano, una computadora, y un interrogador. Dos sujetos (humanos y el interrogador) cada uno mantenga el lápiz de un dispositivo háptico Phantom y generar movimientos apretón de manos. Se les pide que siga las instrucciones que aparecen en la pantalla (por ejemplo, "pulse la tecla RePág para el primer apretón de manos"), para las fuerzas de apretón de manos a aplicar. En todos los métodos siguientes, cada ensayo se compone de dos apretones de manos, y los temas son necesarios para comparar entre ellos. La computadora es un modelo de simulación de apretón de manos que genera una señal de fuerza en función del tiempo y la posición de una mano tridimensional y sus derivados. (1) modelo F (t) = Φ [x (t), t] 0 ≤ t ≤ T F [x, t] representa cualquier operador causal, por ejemplo, no lineal variante en el tiempo un modelo mecánico del movimiento unidimensional lápiz, y T es la duración del apretón de manos. En el estudio actual T = 5 segundos. </li></ul><ol><li> La realización de los "puros" de prueba y se calcula la calificación modelo semejante a los hombres MHLG p El experimento comienza con 12 ensayos de práctica en la que todos los apretones de manos (n = 24) son seres humanos, de tal manera que los sujetos simplemente se dan la mano unos con otros a través del sistema de tele-robótico. El propósito de estos ensayos es la práctica de permitir a los participantes de familiarizarse con un apretón de manos humanas en el sistema. En el experimento, comparar cuatro modelos de computadora. Cada bloque experimental se compone de cuatro ensayos en los que se comparan los cuatro modelos de prueba para un apretón de manos humanas. Uno de los apretones de manos en cada ensayo es una interacción con una fuerza que se genera a partir de uno de los cuatro modelos (un ordenador), y la otra es con un ser humano (el segundo tema). Por lo tanto, los temas funcionan como los humanos y los interrogadores. El orden de las pruebas dentro de cada bloque es aleatoria y predeterminada. Cada experimento consta de 10 bloques, de manera que cada apretón de manos computadora se repite 10 veces. Un blo sin analizar inicialck se agrega para el conocimiento general con el sistema y la tarea. Para cada modelo, la proporción de los apretones de manos en las que el sujeto elige el apretón de manos en el apretón de manos modelo humano más humano-como se calcula, para proporcionar un valor que es de 0,5, cuando el modelo es indistinguible de un ser humano. Se multiplica este valor por dos para obtener el p MHLG, de tal manera que MHLG = 0 es claramente no-humanos y como MHLG = 1 significa que el apretón de manos a prueba se confunde con el apretón de manos humanas. </li><li> La realización de la "ponderación humana modelo" prueba y calcular el modelo humano semejanza grado MHLG w En este protocolo, sólo hay un sujeto interrogador. Las funciones de otro tema como la entidad humana en los apretones de manos. El experimento comienza con 30 ensayos de práctica en la que el interrogador un apretón de manos las experiencias humanas y un apretón de manos de un ordenador en cada ensayo. En el final de la prueba se les pidió que eligieran cuál de los dos apretones de manos fue el apretón de manos humanas. Si tienen éxito, la pantalla muestra "Correcto", y si no se elige bien el apretón de manos, un "mal!" aparece el mensaje. Después de que el bloque de la práctica el experimento se lleva a cabo de la siguiente manera: Un ensayo consta de dos apretones de manos. En uno de los apretones de manos, el estímulo - el interrogador interactúa con una combinación de fuerzas que viene de lo humano y un modelo de computadora apretón de manos. (2) F = α estímulo • F humanos + (1-α estímulo) • F stimulusModel estímulo α se distribuye por igual 0 a 1, por ejemplo: α estímulo = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1} El apretón de manos a otras personas - la referencia - es una combinación fija de las fuerzas generadas por el ser humano y un modelo de referencia: (3) F = α referencia • F humanos + (1-α de referencia) • F referenceModel; referencia α = 0.5 Al final de cada ensayo, el interrogador se le pide que elija el apretón de manos que se sentía más parecidos a los humanos. En cada experimento se comparan dos modelos de prueba y un modelo de base. Cada bloque experimental consta de 24 ensayos con cada una de las combinaciones lineales de los estímulos y la humana (Ec. 2) para cada una de las tres combinaciones de modelo: <img src="/files/ftp_upload/2492/2492model1.jpg" alt="Modelo 1" data-altupdatedat="1787634011000" data-alt="Modelo 1"> El orden de las pruebas dentro de cada bloque es aleatoria y predeterminada. Cada experimento consta de 10 bloques, de tal manera que cada combinación se repite 10 veces. Un bloque sin analizar inicial se agrega para el conocimiento general con el sistema y la tarea. Nos adaptamos una función logística psicométricas 1 a las respuestas del interrogador utilizando la versión 2.5.6 de psignifit caja de herramientas Matlab, disponible en <a href="http://www.bootstrap-software.org/psignifit/">http://www.bootstrap-software.org/psignifit/</a> , con un método de máxima verosimilitud restringida para la estimación de los parámetros, y encontrar los intervalos de confianza por el sesgo corregido por el método de arranque y aceleración (BCA). La curva muestra la probabilidad de que el interrogador de respuesta que un apretón de manos de estímulo es más parecido al humano, en función del estímulo α - α referencia. El punto de igualdad subjetiva (PSE) se extrae de el nivel del umbral de la curva de 0,5 psicométricas, lo que indica la diferencia entre el estímulo y referencia α α para el que los apretones de manos son percibidos como igualmente humanos como. El PSE se utiliza para el cálculo de la w MHLG de acuerdo a: (4) MHLG w = 0.5-PSE Un modelo que se percibe como similar a la humana, como el modelo de referencia se obtiene el valor MHLG w 0.5. Los modelos que se perciben como menos o lo más posible parecidos a los humanos, los valores de rendimiento MHLG w de 0 o 1, respectivamente. </li><li> Llevar a cabo el "ruido añadido" de prueba y calcular el modelo humano semejanza grado MHLG n Al igual que en el modelo humano ponderado de prueba, sólo hay un sujeto interrogador. Las funciones de otro tema como la entidad humana en los apretones de manos. El bloque de la práctica es lo mismo que en el método anterior. Después de la práctica, en una de las dos apretones de manos - el estímulo - el interrogador interactúa con un apretón de manos modelo de ordenador. El apretón de manos a otras personas - la referencia - es una fuerza que se genera a partir de una combinación de humanos y el ruido blanco, con un rango de frecuencia filtrada de acuerdo con las frecuencias que aparecen en el apretón de manos humanas. (5) F = α • F humanos + (1-α) • F ruido; α se distribuye por igual 0 a 1, por ejemplo: α = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1} Al final de cada ensayo, el interrogador se le pide que elija el apretón de manos que se sentía más parecidos a los humanos. El experimento se basa en la misma forma que el promedio ponderado de model humano de prueba mencionados anteriormente se construye. Sin embargo, mientras que la calibración en el promedio ponderado de los humanos modelo de prueba se lleva a cabo mediante la comparación de diferentes combinaciones de un modelo de base a una combinación fija de sí mismo, en este experimento, el modelo base se sustituye por el ruido. El PSE se extrae de la curva psicométricas y define el n MHLG (6) MHLG n = 1-PSE Los modelos que se perciben como menos o lo más posible parecidos a los humanos, el rendimiento MHLG n valores de 0 o 1, respectivamente. </li></ol> 3. Los resultados representativos: La figura 2 muestra los resultados de un tema para cada uno de los tres métodos. Los modelos probados en los tres experimentos son dos modelos-KB1 viscoelástico: primavera K = 50 N / m, el amortiguador B = 2 Ns / m; KB2: primavera K = 20 N / m, el amortiguador B = 1,3 Ns / m. En la prueba de peso en modelos humanos, la w MHLG se evalúa mediante la comparación de cada uno de los modelos probados en el modelo base elástica K = 50 N / m. <img src="/files/ftp_upload/2492/2492fig2.jpg" alt="Figura 2" data-altupdatedat="1787634011000" data-alt="Figura 2"> Figura 2. Los valores MHLG de dos modelos viscoelásticos de acuerdo con el protocolo de "puro" de prueba (a), el "modelo humano ponderadas protocolo" (b) y el "ruido añadido" protocolo (c). Las barras de error en (b) y (c) representan los intervalos de las curvas psicométricas la confianza. Las barras de color negro representan los grados MHLG de los modelos, y las barras grises representan las del modelo base en (b) y el ruido en (c). Los resultados demuestran que el modelo viscoelástico KB2 se percibe como más humanos, como que el viscoelástico KB1 otro modelo con los tres métodos de evaluación.

<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>

Hemos presentado un nuevo protocolo para una prueba de apretón de manos de elección forzada, como Turing-administrada a través de un sistema de tele-robótico simple. Este protocolo es una plataforma para la comparación de modelos artificiales apretón de manos, en lugar de una plataforma para la determinación de la semejanza humana absoluta. Este protocolo se presentó en algunas conferencias 2-5 Hemos demostrado aquí que esta prueba es útil para encontrar los parámetros de las características de movimiento pasivo que proporcionan la mayoría de los humanos-como la sensación. Puede ser utilizado en otros estudios con el fin de desarrollar un modelo para un apretón de manos que será lo más parecido al humano como sea posible. Vamos a utilizar esta plataforma en el torneo de primer apretón de manos como Turing-que tendrá lugar en el verano de 2011 [[ <a href="http://www.bgu.ac.il/~akarniel/HANDSHAKE/index.html">http://www.bgu.ac.il/ ~ akarniel / HANDSHAKE / index.html</a> ]], donde modelos de la competencia se evaluados en función de su apariencia humana. El último modelo probablemente debería considerar las no linealidades y variables en el tiempo de la naturaleza humana impedancia de 21, la adaptación mutua con el interrogador y muchos otros aspectos de un apretón de manos natural del ser humano que debe ser probado y clasificación mediante esta elección forzada-como la prueba de Turing apretón de manos. La prueba propuesta es de una sola dimensión y la realiza a través de una interfaz de tele-robótico, y por lo tanto es limitado: se esconde en muchos aspectos del apretón de manos, tales como la información táctil, la temperatura, la humedad y las fuerzas de agarre. Sin embargo, en varios estudios una interfaz telerobótica fue utilizado para explorar los apretones de manos 6.11 y otras formas de interacción humana-12 humana. Además, en esta versión de la prueba, no tuvo en cuenta la duración del apretón de manos, el inicio y los tiempos de liberación, su naturaleza multi-dimensional y las trayectorias de las manos antes y después del contacto físico. También hay muchos tipos de apretones de manos en función del sexo y la cultura de la persona 13-14 y por lo tanto, no se puede esperar para generar un solo óptimo humano-como modelo de apretón de manos. Sin embargo, creemos que la simplicidad de la prueba propuesta es una ventaja, al menos en esta etapa preliminar del estudio. Una vez que las principales características de un apretón de manos tales dimensiones están bien caracterizados, podemos pasar a considerar estas limitaciones y ampliar la prueba en consecuencia. Cabe señalar que la prueba de Turing apretón de manos-como podría ser revertido, con el equipo en lugar de la persona que le preguntó sobre la identidad de la otra parte. En este contexto, consideramos la siguiente hipótesis apretón de manos inverso: el propósito de un apretón de manos es para investigar la mano sacudida, de acuerdo a la hipótesis inversa apretón de manos, el algoritmo óptimo apretón de manos - en el sentido de que resulta difícil distinguir entre un apretón de manos humanas - se mejor facilitar la discriminación entre personas y máquinas. En otras palabras, el modelo permitirá el mejor apretón de manos de tal manera que un clasificador adecuadamente sintonizado puede distinguir entre humanos y apretones de manos de la máquina. Si la hipótesis inversa apretón de manos es realmente correcto que los rendimientos de una aplicación clínica de nuestra prueba: la identificación de las deficiencias motoras en las personas que sufren de motor relacionados con diversos trastornos neurológicos, como parálisis cerebral (PC). Estudios previos han mostrado diferencias en los parámetros cinemáticos entre pacientes y sujetos sanos CP cuando se realizan movimientos alcanzando 15-16. Recientemente hemos mostrado que las características de los movimientos difieren entre individuos sanos y en individuos con parálisis cerebral, cuando dar la mano a través de un sistema de 4 telerobótica. Estos resultados refuerzan nuestra afirmación de que las personas con discapacidades motrices se pueden distinguir de las personas sanas mediante el examen y la exploración del movimiento apretón de manos de cada individuo. También hay que destacar que la prueba discutidos en este documento es una prueba de percepción y los estudios recientes distinguir entre percepción y acción 17-20. Los estudios futuros deben explorar tres versiones de la prueba con el fin de evaluar con precisión la naturaleza del apretón de manos humanas, como: (1) una prueba psicométrica de la similitud percibida, (2) una prueba de la conducta motora (prueba motormetric) que explorará el motor reacción del interrogador que pueden diferir de su / su similitud cognitiva percibida, (3) un discriminador final óptimo, que trata de distinguir entre apretones de manos humano y la máquina sobre la base de la fuerza y ​​las trayectorias de posición. En términos generales, podemos afirmar que la comprensión del sistema de control del motor es una condición necesaria para la comprensión de la función cerebral, y que ese conocimiento podría ser demostrado mediante la construcción de un robot humanoide indistinguible de un ser humano. El estudio actual se centra en los apretones de manos a través de un sistema de tele-robótico. Nosotros afirmamos que el rango obtenido por las hipótesis científicas imperantes acerca de la naturaleza del control de movimiento de la mano humana con la propuesta de Turing-como prueba de apretón de manos, quedebe ser capaz de extraer las propiedades relevantes del control motor humano, o al menos las propiedades relevantes necesarios para construir un apéndice artificial que es indistinguible de un brazo humano.

<table><tbody><tr><td>Dos robots de escritorio PHANTOM</td><td>SensAble, Geomagic</td><td></td><td>2 tarjetas paralelas&lt;br/&gt;Requisitos mínimos del sistema: PC con procesador Intel o AMD; Windows 2000/XP, 250 MB de espacio en disco</td></tr><tr><td>Controladores de SensAble Technologies</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>Código fuente H3DAPI</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>Productos Python</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>códigos x3d</td><td></td><td></td><td></td></tr><tr><td>caja de herramientas psignifit versión 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>

unidimensional turing-como apretón de manos de prueba para el motor de inteligencia

One Dimensional Turing-Like Handshake Test for Motor Intelligence

En la prueba de Turing, un modelo de ordenador se considera que &quot;pensar de manera inteligente&quot; si se puede generar respuestas que no se distinguen de las de un humano. Sin embargo, esta prueba se limita a los aspectos lingüísticos de la inteligencia artificial. Una función destacada del cerebro es el control del movimiento y el movimiento de la mano humana es una manifestación sofisticada de esta función. Por lo tanto, proponemos un test de Turing-apretón de manos, como por la inteligencia artificial del motor. Nosotros administramos la prueba a través de un sistema de tele-robótico en el que opere el interrogador en una tarea de sostener un lápiz robótica y la interacción con otra persona (humano o artificial). En lugar de pedir el interrogador si la otra parte es una persona o un programa de ordenador, que emplean un método de dos alternativas de elección forzada y preguntar cuál de los dos sistemas es más parecida a la humana. Extraemos una calificación cuantitativa de cada modelo de acuerdo a su parecido con el apretón de manos el movimiento humano y el nombre de &quot;modelo de la semejanza a humanos de grado&quot; (MHLG). Se presentan tres métodos para estimar el MHLG. (I) Mediante el cálculo de la proporción de respuestas de los sujetos que el modelo es más parecido al humano que el ser humano, (ii) Mediante la comparación de dos sumas ponderadas de los apretones de manos humanas y modelo que ajuste una curva psicométricas y extraer el punto de igualdad subjetiva (PSE ), (iii) Mediante la comparación de un modelo determinado, con una suma ponderada de la señal de humanos y al azar, nos ajustamos a una curva psicométricas a las respuestas del interrogatorio y extraer el PSE para el peso de lo humano en la suma ponderada. En conjunto, ofrecemos un protocolo para poner a prueba los modelos computacionales del apretón de manos humanas. Creemos que la construcción de un modelo es un paso necesario en la comprensión de cualquier fenómeno y, en este caso, en la comprensión de los mecanismos neuronales responsables de la generación del apretón de manos humanas.

Se presenta una prueba de Turing apretón de manos-como administrados a través de un sistema de tele-robótico en el que el interrogador es la celebración de un lápiz robótica y la interacción con otra persona (humano o artificial). Utilizamos un método de elección forzada, y el extracto de una medida de la similitud del modelo artificial de un apretón de manos humanas.

Unidimensional Turing-Como Apretón de manos de prueba para el motor de Inteligencia

En el test de Turing, se considera que un modelo informático «piensa inteligentemente» si puede generar respuestas que resulten indistinguibles de las de un ser humano. ...

El objetivo general de este procedimiento es determinar qué tan estrechamente un modelo informático de un apretón de manos coincide con el apretón de manos humano. Esto se logra primero presentando a los sujetos pares de apretones de manos, ya sean generados por computadora, humanos o una combinación de ambos, mediante una interfaz tele-robótica. El segundo paso del procedimiento consiste en pedir a cada sujeto que elija, dentro de cada par, cuál de los dos apretones de manos es más parecido al humano.El paso final del procedimiento consiste en calcular, a partir de las respuestas del sujeto, la calificación de semejanza humana, para el modelo de apretón de manos, la calificación de semejanza humana del modelo, o MHLG. En última instancia, se pueden obtener resultados que muestran una diferencia significativa entre diferentes modelos, MH Gs utilizando la prueba de apretón de manos tipo Turing. La prueba de Turing en realidad se limita a la inteligencia verbal, donde científicos e ingenieros observaron una gran brecha entre la inteligencia artificial y la natural en el aspecto del control motor del comportamiento motor.Muchos científicos pensaron en esta versión motora del test de Turing, pero solo recientemente se han dejado de lado dispositivos robóticos accionables en laboratorios de investigación, facilitando así la implementación de un protocolo sencillo y reproducible para una prueba de saludo tipo handshake. Este método puede ayudar a responder preguntas clave en el campo de la interacción humano-robot, como por ejemplo cuáles son las características principales de los movimientos del brazo humano que proporcionan una experiencia táctil natural. Las implicaciones de esta técnica se extienden hasta nuestro diagnóstico de alteraciones motoras, tales como la parálisis cerebral.El siguiente paso consiste en construir un dispositivo robótico de diagnóstico capaz de distinguir un apretón de manos humano saludable de uno alterado. La demostración visual de este método es fundamental, ya que el movimiento del apretón de manos a través del sistema tele-robótico no es natural y se requiere tiempo y práctica para aprender a manipular e interactuar con el robot. Siguiendo el concepto original de la prueba clásica de Turing, los experimentos de apretón de manos constan de tres entidades: un ser humano, una computadora y un interrogador.El interrogador y el ser humano están sentados en la misma habitación, pero separados por una pantalla, de modo que el interrogador no puede ver si es la computadora o el ser humano quien genera el saludo de mano. Los saludos de mano no son directos, sino que se realizan mediante una interfaz mecánica tele robótica compuesta por dos robots Phantom de escritorio en el caso de un saludo de mano entre humanos, y por un robot Phantom y un software en el caso de un saludo de mano con la computadora. Cuando aparece la palabra saludo de mano en la pantalla de la computadora, el interrogador y el ser humano realizan inmediatamente movimientos de saludo de mano moviendo el estilete de la interfaz tele robótica en dirección vertical.El trabajo del interrogador consiste en comparar dos apretones de manos y seleccionar cuál es más parecido al humano, presionando la tecla inicio o F1 para elegir el primer apretón de manos, o presionando la tecla fin o F2 para elegir el segundo apretón de manos. Los tres protocolos experimentales mostrados en este video difieren entre sí por la composición de los apretones de manos que se comparan. El primer protocolo es el protocolo del test de Turing puro, con opciones entre un apretón de manos humano y un apretón de manos generado por computadora.El segundo protocolo incluye saludos de mano que son composiciones variables de fuerzas generadas por humanos y fuerzas generadas por computadora. El tercer protocolo incluye saludos de mano que son combinaciones variables de un saludo de mano generado por humanos y ruido, o únicamente fuerzas generadas por computadora. Durante el experimento, se crea automáticamente un archivo aleatorio cuando aparece el mensaje para introducir un nombre para el archivo aleatorio.Si el archivo ya existe, el sistema utiliza el archivo existente. De lo contrario, el sistema genera automáticamente un nuevo archivo aleatorio con el nombre especificado. El archivo aleatorio define el orden en el que ocurren los diferentes saludos.El protocolo puro comienza con 12 ensayos de práctica, cada uno compuesto por dos saludos de mano, en los que el ser humano y el interrogador se dan la mano 24 veces mediante el sistema tele robótico. El interrogador sabe que en esta etapa se está estrechando la mano con un ser humano. El propósito de estos ensayos de práctica es familiarizar a los participantes con la interfaz tele robótica.Tras la ronda de práctica, se realiza un bloque de cuatro ensayos en cada ensayo. Un apretón de manos humano se compara con uno de cuatro apretones de manos generados por modelos informáticos en orden aleatorio, como se muestra en este ejemplo. Por ejemplo, en el primer ensayo del primer bloque, el interrogador estrecha la mano dos veces.El primer saludo se genera mediante el ser humano y el segundo saludo lo genera la computadora utilizando las fuerzas dictadas por el modelo tres. A continuación, el interrogador selecciona entre el saludo número uno y el saludo número dos para decidir cuál saludo es más parecido al humano. Por ejemplo, si el interrogador selecciona el saludo número uno como más parecido al humano, entonces ha elegido el saludo humano.Sin embargo, no se informa al interrogador si ha identificado correctamente el apretón de manos humano en el siguiente ensayo. El primer apretón de manos del interrogador es con el modelo generado por computadora dos, y el segundo apretón de manos es con el ser humano. El interrogador vuelve a seleccionar el apretón de manos más parecido al humano.Se realizan dos ensayos más de manera similar. Para probar los dos modelos restantes, el modelo uno y el modelo cuatro frente al apretón de manos humano. Esto completa un bloque de ensayos.El experimento consiste en 11 bloques de cuatro ensayos cada uno, con los cuatro apretones de mano modelo presentados en orden aleatorio en cada bloque. El bloque inicial es un bloque de práctica y el análisis se realiza con los 10 bloques restantes. Después de completar los 10 bloques del experimento, cada uno de los cuatro modelos de apretón de mano ha sido probado 10 veces frente a un apretón de mano humano.Tras completar los 11 bloques experimentales, se calcula una calificación modelo de semejanza humana para cada uno de los cuatro modelos evaluados. El análisis se realiza calculando la proporción de apretones de manos en los que el sujeto indica que el apretón de manos del modelo es más parecido al humano que el apretón de manos humano. Por ejemplo, si el interrogador elige el apretón de manos del modelo en lugar del apretón de manos humano en dos de diez ocasiones, la proporción del modelo respecto al humano sería 0,2; multiplique esta proporción por dos para obtener la calificación modelo de semejanza humana.Para cada modelo en el que la proporción sea de 0,2, la calificación de semejanza humana del modelo sería de 0,4. Si el modelo tres fue seleccionado como más parecido a un humano en cuatro de los 10 ensayos, entonces su proporción sería de 0,4 y su calificación de semejanza humana del modelo sería de 0,8. Si un modelo es indistinguible de un ser humano, su proporción calculada sería de 0,5 y la calificación de semejanza humana del modelo sería uno.Si un modelo es claramente no humano, como su modelo, su grado de semejanza humana sería cero. El MHLG tiene un valor máximo de uno. En este protocolo, los apretones de manos generados difieren del modelo de parte humana, donde la combinación específica varía entre ensayos en una escala que va desde un apretón de manos puramente generado por computadora hasta un apretón de manos puramente humano.Por lo tanto, este conjunto de experimentos se denomina prueba del modelo humano ponderado. El protocolo comienza con un bloque de práctica para ayudar al interrogador a aprender a reconocer un apretón de manos puramente humano y a familiarizarse con el aparato. Por ello, el bloque de práctica consta de 30 ensayos que comparan un apretón de manos puramente humano con uno generado por computadora.Al final de cada prueba, el interrogador elige cuál de los dos apretones de manos fue más parecido al humano. Si el interrogador identifica correctamente el apretón de manos humano, la pantalla muestra correcto. Si el interrogador no elige el apretón de manos correcto, aparece un mensaje de incorrecto y el interrogador tiene la oportunidad de repetir la última prueba de práctica.Después del bloque de práctica, el interrogador inicia una serie de ensayos para evaluar dos apretones de manos. Los dos apretones de manos son un apretón de manos estímulo y un apretón de manos de referencia, cada uno de los cuales es una combinación de fuerzas humanas y del modelo. En el apretón de manos de referencia, el apretón percibido por el interrogador es una mezcla equitativa de las fuerzas generadas por el ser humano y un modelo generado por computadora.En otras palabras, mientras el participante humano realiza el movimiento de saludo de mano, ese apretón de manos solo representa el 50 % de la fuerza percibida por el interrogador, siendo el restante 50 % de la fuerza aportado por un modelo en el apretón de manos del estímulo; así, el apretón de manos sentido por el interrogador es una mezcla variable de las fuerzas generadas por el ser humano y por un modelo generado por computadora. En algunos de los apretones de manos del estímulo, la fracción aportada por el ser humano es mayor que la mitad, y por tanto mayor que en el apretón de manos de referencia. En otros apretones de manos del estímulo, la fracción aportada por el ser humano es menor que la mitad y, por tanto, menor que en el apretón de manos de referencia.Al final de cada prueba, se pide al interrogador que elija el apretón de manos que pareció más humano. Este experimento compara tres modelos, dos modelos de prueba y un modelo base. Como en el protocolo puro, este protocolo comienza con un bloque no analizado seguido de 10 bloques experimentales.Cada bloque experimental consta de 24 ensayos que comprenden cada una de las ocho combinaciones lineales de modelo y humano para cada una de las tres combinaciones de modelos. Tras completar los 10 bloques experimentales, se ajusta una función psicométrica logística a las respuestas del interrogador. Como se describe en el artículo adjunto, la curva resultante muestra la probabilidad del interrogador.Para responder a eso, un saludo de estimulación es más similar al ser humano que el saludo de referencia. En función de alfa estimulación menos alfa referencia, el punto de igualdad subjetiva o PSE se extrae del nivel umbral de 0,5 en la curva psicométrica, que indica la diferencia entre alfa estimulación y alfa referencia para la cual los saludos se perciben como igualmente similares a los humanos según el modelo. El grado de similitud humana para el protocolo del modelo humano ponderado se calcula restando el PSE de 0,5; los modelos que se perciben como los menos o los más similares a humanos posibles producen valores de grado de similitud humana del modelo de cero o uno, respectivamente. El protocolo final compara un saludo del modelo con un saludo compuesto parcialmente por humano y parcialmente por ruido aleatorio.En este protocolo, el saludo de estímulo es un saludo generado por ordenador basado en un modelo. El otro saludo, el saludo de referencia, es una fuerza generada a partir de diversas combinaciones del saludo humano y ruido blanco con una fuerza absoluta máxima de dos N, filtrada mediante un filtro Butterworth de paso bajo de orden cinco a una frecuencia máxima de dos sobre pi. Al final de cada ensayo, se solicita al interrogador que elija el saludo que le pareció más parecido al humano.El protocolo tiene un diseño similar al del test anterior con el modelo humano ponderado. Tras una ronda de práctica y un bloque sin analizar, se realiza una serie de 10 bloques experimentales de la siguiente manera. La PSE se extrae de la curva psicométrica como antes y define el grado de semejanza humana del modelo para el protocolo con ruido añadido.Esta figura muestra los resultados del protocolo puro y compara los apretones de manos humanos con dos tipos diferentes de apretones de manos modelo. Los dos puntos indican los valores calculados del grado de semejanza humana para dos modelos viscoelásticos denominados KB uno y KB dos. Los resultados demuestran que el modelo KB dos se percibe como más similar al humano que el modelo KB uno.Esta figura muestra los resultados del protocolo humano del modelo ponderado, que comparó una proporción variable de saludos de modelo humano con una proporción fija 50-50 de saludos de modelo humano. Los marcadores negros representan las calificaciones de semejanza humana del modelo para los modelos de prueba, y los marcadores grises representan las del modelo base. Las barras de error representan las curvas psicométricas, intervalos de confianza.Esta figura muestra los resultados del protocolo con ruido agregado, que compara un apretón de manos del modelo con un apretón de manos con una proporción variable de componentes humanos y de ruido. Los marcadores negros representan las calificaciones del modelo en cuanto a semejanza humana para los modelos, y los marcadores grises representan las del ruido. Las barras de error representan los intervalos de confianza de la curva psicométrica.Estos resultados demuestran que el modelo viscoelástico KB dos es percibido como más humano que el modelo viscoelástico KB uno, utilizando los tres métodos de evaluación. Al llevar a cabo este procedimiento, es importante recordar interactuar adecuadamente con el dispositivo robótico y tratar de que la interacción sea lo más fluida posible siguiendo este procedimiento. Otros métodos, como pruebas de reconocimiento de apretones de manos en trastornos generalizados del desarrollo, pueden realizarse para responder preguntas adicionales, tales como: ¿cómo afectan los trastornos generalizados del desarrollo a la capacidad de distinguir gestos humanos de los no humanos? Ahora, tras su desarrollo, esta técnica puede allanar el camino para utilizar el apretón de manos como herramienta de reconocimiento.Planteamos la hipótesis de que el propósito del apretón de manos es obtener información sobre la otra persona. Por lo tanto, la metodología que proponemos para desarrollar un apretón de manos similar al humano también puede facilitar el desarrollo de un sistema de clasificación de apretones de manos, el cual pueda extraer información sobre la otra persona a partir de su apretón de manos. Tras ver este video, se deberá comprender bien cómo realizar la prueba de apretón de manos tipo tour en una dimensión y cómo vamos a evaluar los modelos de apretón de manos presentados al primer torneo internacional de prueba de apretón de manos tipo tour.

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

Research

Investigación

JoVE Journal

Neuroscience

Neurociencia

Como la destreza manual es una prerrogativa de los primates, principalmente, tareas conductuales se han desarrollado en los monos macacos. Cuatro alcanzar y agarrar las tareas de comprensión, que mide la capacidad de manipulación de la mano y la fuerza, permiten establecer la recuperación funcional después de una lesión del sistema nervioso central y para evaluar el efecto de un tratamiento.

Evaluación del Comportamiento de la destreza manual en primates no humanos

Este video muestra la prueba de la escalera para evaluar la función motora en una rata hemiparkinsoniana con una lesión cerebral derecha. La lesión interrumpe la señalización de la dopamina, lo que perjudica el control de la pata izquierda, lo que hace que queden más perdigones en la escalera izquierda, lo que indica una disfunción motora.

Prueba de escalera para la evaluación de la función motora en una rata hemiparkinsoniana

Se describe una configuración basada en novela de realidad virtual que aprovecha el control voluntario de la mano para mejorar el rendimiento del motor-habilidad en otra parte (no entrenados). Esto se logra proporcionando retroalimentación sensorial basada en el movimiento en tiempo real como si la mano no entrenado se está moviendo. Este nuevo enfoque puede ser utilizado para mejorar la rehabilitación de pacientes con hemiparesia unilateral.

Uso de realidad Virtual para transferir Motor habilidad conocimiento de un lado a otro

Este manuscrito describe una tarea semiautomático que cuantifica la supinación en ratas. Las ratas alcanzaran, agarre y supinados un manipulandum esférico. La rata es recompensada con una pelotilla si el ángulo de giro supera un criterio establecido por el usuario. Ello aumenta el rendimiento, sensibilidad a la lesión y la objetividad frente a las tareas tradicionales.

La tarea de supinación de mando: Un método semiautomático para evaluar la función de Forelimb en ratas

Presentamos la versión de pie tarea de tiempo de reacción serial (SRT). Esto modifica la tarea SRT, complementando la SRT clásica tarea que implica sólo el movimiento dedo-presionar, mejor aproxima a diario actividades secuenciadas y permite a los investigadores para el estudio de los procesos dinámicos subyacentes a las medidas de respuesta discreta y desenredar el proceso explícito en el aprendizaje implícito de la secuencia de funcionamiento.

El "Motor" motor implícito la secuencia de aprendizaje: tiempo de reacción Serial pie-caminar tarea

Aquí presentamos un protocolo que caracteriza el sentido de agencia desarrollada el control del sensate manos protésicas virtuales o robóticas. Cuestionarios psicofísicos se emplean para capturar la experiencia explícita de la agencia, y estimaciones de intervalo de tiempo (Unión intencional) se emplean para medir implícitamente el sentido de agencia.

Caracterización del sentido de la agencia sobre las acciones de prótesis funciona de interfaz Neural máquina

Este protocolo ofrece una digitalización de porciones de las tareas clínicas tradicionales comúnmente utilizadas para medir la cognición y el control motor en la enfermedad de Parkinson. Las tareas clínicas se digitalizan mientras que los ritmos biofísicos se registran de diferentes niveles funcionales de los sistemas nerviosos, que van desde voluntarios, espontáneos, automáticos a autonómicos.

Biomarcadores Digitales Dinámicos de la Función Motora y Cognitiva en la Enfermedad de Parkinson

El propósito de este estudio es proporcionar una referencia importante para el funcionamiento clínico estándar de la interfaz cerebro-computadora de imágenes motoras (MI-BCI) para la disfunción motora de las extremidades superiores después de un accidente cerebrovascular.

Interfaz cerebro-computadora de imágenes motoras en la rehabilitación de la disfunción motora de las extremidades superiores después de un accidente cerebrovascular

Las imágenes motoras en un entorno de realidad virtual tienen amplias aplicaciones en los sistemas de interfaz cerebro-computadora. Este manuscrito describe el uso de avatares digitales personalizados que se asemejan a los participantes realizando movimientos imaginados por el participante en un entorno de realidad virtual para mejorar la inmersión y el sentido de propiedad del cuerpo.

Rendimiento de imágenes motoras a través de gemelos digitales incorporados en un entorno de interfaz cerebro-computadora habilitado para realidad virtual

En los animales con grandes neuronas identificadas...

Extracelularmente Identificar las neuronas motoras de un músculo en la piscina Motor<em&gt; Aplysia californica</em

Aprende a evaluar modelos de apretón de manos robóticos mediante una prueba tipo Turing unidimensional usando interfaz telerrobótica. Este método permite distinguir entre apretones humanos y generados por computadora.

Unidimensional Turing-Como Apretón de manos de prueba para el motor de Inteligencia

Explorar más videos