15 décembre 2010
Nous présentons un test de Turing Poignée de main-like administré par un système de télérobotique dans lequel l'interrogateur est la tenue d'un stylet robotique et l'interaction avec une autre partie (humain ou artificiel). Nous utilisons une méthode de choix forcé, et d'extraire une mesure de la similitude du modèle artificiel pour une poignée de main humaine.
L’objectif général de cette procédure est de déterminer dans quelle mesure un modèle informatique d’une poignée de main correspond à la poignée de main humaine. Pour ce faire, les sujets doivent d’abord être manipulés par des paires de poignées de main, soit générées par un ordinateur humain, soit une combinaison des deux à l’aide d’une interface robotique télécommandée. La deuxième étape de la procédure consiste à demander à chaque sujet de choisir, au sein de chaque paire, laquelle des deux poignées de main est la plus humaine.
La dernière étape de la procédure consiste à calculer à partir des réponses du sujet le degré de ressemblance humaine, pour le modèle de poignée de main, le degré de ressemblance humaine modèle, ou MHLG. En fin de compte, on peut obtenir des résultats qui montrent une distinction significative entre les différents modèles, MH G utilisant le test de poignée de main de Turing. Le test de Turing est en fait limité à l’intelligence verbale où les scientifiques et les ingénieurs ont observé un grand écart entre l’intelligence artificielle et l’intelligence naturelle dans l’aspect du contrôle moteur du comportement moteur.
De nombreux scientifiques ont pensé à cette version motorisée du test de rotation, mais ce n’est que récemment qu’ils ont soutenu que les dispositifs robotiques pilotables sont abandonnés dans les laboratoires de recherche, facilitant la mise en œuvre d’un protocole simple et reproductible pour un test de poignée de main de type tournée. Cette méthode peut aider à répondre à des questions clés dans le domaine de l’interaction homme-robot, telles que quelles sont les principales caractéristiques des mouvements du bras humain qui offrent une expérience naturelle du toucher humain. Les implications de cette technique s’étendent à notre diagnostic de déficiences motrices telles que la paralysie cérébrale.
La prochaine étape consiste à construire un appareil de diagnostic robotique capable de distinguer une poignée de main humaine saine d’une poignée de main affaiblie. Un. La démonstration visuelle de cette méthode est essentielle car le mouvement de la poignée de main à travers le système robotique télé n’est pas naturel et il faut du temps et de la pratique pour apprendre à manipuler et à interagir avec le robot. Suivant le concept original du test de tournée classique, les expériences de poignée de main se composent de trois entités, un humain, un ordinateur, un interrogateur.
L’interrogateur et l’humain sont assis dans la même pièce mais sont séparés par un écran, de sorte que l’interrogateur ne peut pas voir lequel de ceux de l’ordinateur ou de l’humain génère la poignée de main. Les poignées de main ne sont pas des poignées de main directes, mais sont réalisées par le biais d’une interface télérobotique mécanique composée de deux robots de bureau fantômes dans le cas d’une poignée de main humaine et d’un robot fantôme et d’un logiciel. Dans le cas d’une poignée de main d’ordinateur, lorsque le mot poignée de main apparaît sur l’écran de l’ordinateur, l’interrogateur et l’humain font immédiatement des mouvements de poignée de main en déplaçant le stylet de l’interface télérobotique dans la direction verticale.
Le travail de l’interrogateur consiste à comparer deux poignées de main et à sélectionner celle qui ressemble le plus à l’humain en appuyant sur la touche d’accueil ou F1 pour choisir la première poignée de main ou en appuyant sur Fins ou F deux pour choisir la deuxième poignée de main. Les trois protocoles expérimentaux présentés dans cette vidéo diffèrent les uns des autres par la composition des poignées de main qui sont comparées. Le premier protocole est le protocole de test de Turing pur, mais les choix entre une poignée de main humaine et une poignée de main générée par ordinateur.
Le deuxième protocole comprend des poignées de main qui sont des compositions variables de forces générées par l’homme et par ordinateur. Le troisième protocole comprend les poignées de main qui sont des combinaisons variables d’une poignée de main générée par l’homme et de bruit, ou de forces purement générées par ordinateur. Au cours de l’expérience, un fichier aléatoire est créé automatiquement à l’invite Entrez un nom pour le fichier aléatoire.
Si le fichier existe déjà, le système utilise le fichier existant. Sinon, le système génère automatiquement un nouveau fichier aléatoire portant le nom spécifié. Le fichier aléatoire définit l’ordre dans lequel les différentes poignées de main se produisent.
Le protocole pur commence par 12 essais pratiques de deux poignées de main chacun, au cours desquels l’humain et l’interrogateur se serrent la main 24 fois par le biais du système télé-robotique. L’interrogateur sait que cette étape qu’il serre la main d’un humain. Le but de ces essais pratiques est de familiariser les participants avec l’interface robotique télé.
Après le tour d’entraînement, un bloc de quatre essais est effectué dans chaque essai. Une poignée de main humaine est comparée à l’un des quatre modèles d’ordinateur dans un ordre aléatoire, comme le montre cet exemple. Par exemple, dans le premier procès du premier bloc, l’interrogateur se serre la main à deux reprises.
La première poignée de main est générée par l’humain et la seconde poignée de main est générée par l’ordinateur en utilisant les forces dictées par le modèle trois. L’interrogateur choisit ensuite entre la poignée de main numéro un et la poignée de main numéro deux pour décider quelle poignée de main est la plus humaine. Par exemple, si l’interrogateur choisit la poignée de main numéro un, comme plus humain, l’interrogateur a choisi la poignée de main humaine.
Cependant, l’interrogateur n’est pas informé s’il a correctement identifié la poignée de main humaine lors du prochain essai. La première poignée de main de l’interrogateur se fait avec le modèle deux généré par ordinateur, et la seconde poignée de main est avec l’humain. L’interrogateur choisit à nouveau la poignée de main la plus humaine.
Deux autres essais sont menés de la même manière. Pour tester les deux modèles restants, le modèle un et le modèle quatre contre la poignée de main humaine. Cela complète un bloc d’essais.
L’expérience se compose de 11 blocs de quatre essais, chacun avec les quatre modèles de poignées de main présentés dans un ordre aléatoire dans chaque bloc. Le bloc initial est un bloc d’entraînement et l’analyse se fait sur les 10 blocs restants. Après avoir terminé les 10 blocs de l’expérience, chacun des quatre modèles de poignée de main a été testé 10 fois contre une poignée de main humaine.
Une fois les 11 blocs expérimentaux terminés, un degré de ressemblance humaine est calculé pour chacun des quatre modèles testés. L’analyse se fait en calculant la proportion de poignées de main dans lesquelles le sujet dit que la poignée de main modèle est plus humaine que la poignée de main humaine. Par exemple, si l’interrogateur choisit le modèle de poignée de main un plutôt que la poignée de main humaine dans deux des 10 poignées de main, la proportion du modèle par rapport à l’humain serait de 0,2, multipliez cette proportion par deux afin d’obtenir le degré de ressemblance humaine modèle.
Pour chaque modèle où la proportion est de 0,2, le modèle du modèle, la note de ressemblance humaine serait de 0,4. Si le modèle trois était sélectionné comme étant plus semblable à l’homme dans quatre des 10 essais, alors sa proportion serait de 0,4 et son degré de ressemblance humaine serait de 0,8. Si un modèle est indiscernable d’un humain, sa proportion calculée serait de 0,5 et le degré de ressemblance humaine du modèle serait de un.
Si un modèle est clairement non-humain, comme son modèle, le degré de ressemblance humaine serait de zéro. Le MHLG est plafonné à un. Dans ce protocole, le modèle de poignée de main générée sépare la partie humaine où la combinaison spécifique varie d’un essai à l’autre sur une échelle allant d’une poignée de main purement générée par ordinateur à une poignée de main humaine pure.
Par conséquent, cet ensemble d’expériences est appelé test sur modèle humain pondéré. Le protocole commence par le bloc d’entraînement pour aider l’interrogateur à apprendre à reconnaître une poignée de main purement humaine et à se familiariser avec l’appareil. Par conséquent, le bloc d’entraînement comporte 30 essais qui comparent une poignée de main purement humaine à une poignée de main générée par ordinateur.
À la fin de chaque procès, l’interrogateur choisit laquelle des deux poignées de main était la plus humaine. Si l’interrogateur identifie correctement la poignée de main humaine, l’écran s’affiche correctement. Si l’interrogateur ne choisit pas la bonne poignée de main, un mauvais message apparaît et l’interrogateur a la possibilité de répéter la dernière épreuve d’entraînement.
Après le bloc d’entraînement, l’interrogateur commence une série d’essais pour évaluer deux poignées de main. Les deux poignées de main sont une poignée de main de stimulus et une poignée de main de référence, chacune étant une combinaison de forces humaines et de forces modèles. Dans la poignée de main de référence, la poignée de main ressentie par l’interrogateur est un mélange uniforme des forces générées par l’homme et un modèle généré par ordinateur.
En d’autres termes, alors que le participant humain fait un mouvement de poignée de main, cette poignée de main ne représente que 50 % de la force perçue par l’interrogateur avec les 50 % restants de la force provenant d’un modèle dans la poignée de main stimulus, la poignée de main ressentie par l’interrogateur est un mélange variable des forces générées par l’humain et par un modèle généré par ordinateur. Dans certaines des poignées de main de stimulus, la fraction apportée par l’humain est supérieure à la moitié, et donc supérieure à celle de la poignée de main de référence. Dans d’autres poignées de main de stimulus, la fraction apportée par l’humain est inférieure à la moitié et donc inférieure à celle de la poignée de main de référence.
À la fin de chaque procès, l’interrogateur est invité à choisir la poignée de main qui lui semblait la plus humaine. Cette expérience compare trois modèles, deux modèles de test et un modèle de base. Comme dans le protocole pur, ce protocole commence par un bloc non analysé suivi de 10 blocs expérimentaux.
Chaque bloc expérimental se compose de 24 essais comprenant chacune des huit combinaisons linéaires du modèle et de l’homme pour chacune des trois combinaisons de modèles. À l’issue des 10 blocs expérimentaux, une fonction psychométrique logistique est adaptée aux réponses de l’interrogateur. Comme décrit dans l’article ci-dessous, la courbe résultante affiche la probabilité de l’interrogateur.
Pour répondre à cette question, une poignée de main stimulus est plus humaine que la poignée de main de référence En fonction du stimulus alpha moins la référence alpha, le point d’égalité subjective ou PSE est extrait du seuil 0,5 de la courbe psychométrique indiquant la différence entre le stimulus alpha et la référence alpha pour laquelle les poignées de main sont perçues comme étant tout aussi humaines que le modèle. La cote de ressemblance humaine pour le protocole de modèle humain pondéré est calculée en soustrayant le PSE de 0,5, les modèles qui sont perçus comme le modèle de rendement le moins ou le plus humain possible, les valeurs de note de ressemblance humaine de zéro ou de un respectivement. Le protocole final compare un modèle de poignée de main à une poignée de main mi-humaine, mi-bruit aléatoire.
Dans ce protocole, la poignée de main stimulus est une poignée de main générée par ordinateur et basée sur un modèle. L’autre poignée de main, la poignée de main de référence, est une force générée à partir de diverses combinaisons de la poignée de main humaine et du bruit blanc avec une force absolue maximale de deux N filtrée à l’aide du filtre Lowpass Butterworth d’ordre cinq à une fréquence maximale de deux sur pi. À la fin de chaque procès, l’interrogateur est invité à choisir la poignée de main qui lui semblait la plus humaine.
Le protocole a une conception similaire à celle du précédent test sur modèle humain pondéré. Après un tour d’entraînement et un bloc non analysé, une série de 10 blocs expérimentaux est exécutée comme suit. Le PSE est extrait de la courbe psychométrique comme précédemment et définit le niveau de ressemblance humaine du modèle pour le protocole de bruit ajouté.
Cette figure montre les résultats du protocole pur et compare les poignées de main humaines à deux modèles différents. Les deux points montrent les valeurs de degré de ressemblance humaine calculées pour deux modèles viscoélastiques nommés KB un et KB deux. Les résultats démontrent que le modèle KB deux est perçu comme plus humain que le modèle KB 1.
Cette figure montre les résultats du protocole humain de modèle pondéré, qui a comparé un rapport variable de poignées de main de modèle humain à un rapport fixe de 50 50 de poignées de main de modèle humain. Les marqueurs noirs représentent les notes de ressemblance humaine du modèle pour les modèles de test, et les marqueurs gris représentent ceux du modèle de base. Les barres d’erreur représentent les courbes psychométriques, les intervalles de confiance.
Cette figure montre les résultats du protocole de bruit ajouté, qui compare un modèle de poignée de main à une poignée de main avec un rapport variable entre les composantes humaines et sonores. Les marqueurs noirs représentent les notes de ressemblance humaine du modèle pour les modèles et les marqueurs gris représentent ceux du bruit. Les barres d’erreur représentent les intervalles de confiance de la courbe psychométrique.
Ces résultats démontrent que le modèle viscoélastique KB deux est perçu comme plus humain que le modèle viscoélastique KB 1, en utilisant les trois méthodes d’évaluation Lors de la tentative de cette procédure, il est important de se rappeler d’interagir correctement avec le dispositif robotique et d’essayer de rendre l’interaction aussi fluide que possible Après cette procédure. D’autres méthodes telles que les tests, la reconnaissance des poignées de main humaines dans les troubles envahissants du développement peuvent être effectuées afin de répondre à des questions supplémentaires telles que, comment les troubles envahissants du développement affectent-ils la capacité de distinguer les gestes humains des gestes non humains ? Aujourd’hui, après son développement, cette technique peut ouvrir la voie à l’utilisation de la poignée de main comme outil de reconnaissance.
Nous émettons l’hypothèse que le but de la poignée de main est d’apprendre quelque chose sur l’autre personne. Par conséquent, la méthodologie que nous proposons pour développer une poignée de main de type humain peut également faciliter le développement d’un système de classification de poignée de main, qui peut extraire des informations sur l’autre personne à partir de sa poignée de main. Après avoir regardé cette vidéo, il devrait avoir une bonne compréhension de la façon d’effectuer le tour unidimensionnel comme le test de poignée de main et comment nous allons évaluer les modèles de poignée de main soumis au premier tournoi international comme le test de poignée de main.
Cette étude présente un test de poignée de main de type Turing utilisant un système télérobotique pour évaluer la similarité des modèles de poignées de main artificielles aux poignées de main humaines. La méthode implique un paradigme de choix forcé où les sujets comparent des poignées de main et évaluent leur ressemblance humaine.
Assessing motor intelligence in computational models addresses a critical gap in human-robot interaction, particularly for applications requiring naturalistic motor behavior such as rehabilitation robotics and assistive devices. The Turing-like handshake test provides a quantitative framework to evaluate model fidelity to human motor patterns, supporting mechanistic de-risking in preclinical model development. This enables predictive confidence in target validation for neuromotor pathways and informs go/no-go decisions in early discovery stages focused on motor function restoration.
The method integrates into the discovery continuum by informing hypothesis testing in motor control pathways, enabling assay readiness through standardized motor output, and supporting analytics-driven comparisons of model performance against human benchmarks.