Name: Un test de Turing-dimensionnelle Poignée de main comme pour le moteur de renseignement (Vidéo) | JoVE Journal
Uploaded: 2010-12-15T15:45:00.000+00:00
Duration: 14 min 5 s
Description: Découvrez un test de type Turing pour évaluer la similarité entre une poignée de main robotique et humaine à l'aide d'un système télémécanique. Cette méthode permet de calculer le grade de ressemblance humaine (MHLG) et d'améliorer l'interaction homme-robot.

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 tient à remercier Gerry Loeb pour des discussions utiles sur le test de Turing handshake-comme proposé. AK et EN tiens à remercier Nathaniel Leibowitz et Lior Botzer qui ont contribué à la conception de la toute première version de ce protocole de retour en 2007. Cette recherche a été soutenue par la Fondation des sciences d&#39;Israël (subvention n ° 1018-1008). SL est soutenu par une bourse de la Fondation Kreitman postdoctoraux. IN est soutenu par la fondation Kreitman et le Programme de bourses Clore.

1. Préparation du système <ol><li> Matériel requis: <ul><li> Deux robots bureau Phantom par SensAble Technologies, Inc </li><li> 2 cartes en parallèle. </li><li> Configuration minimale requise: Processeur Intel ou AMD à base PC, Windows 2000/XP, 250 Mo d'espace disque. </li></ul></li><li> Logiciel requis: <ul><li> Driver- Télécharger les drivers sur le site Web des technologies SensAble <a href="http://www.sensable.com">http://www.sensable.com</a> selon le système d'exploitation informatique. </li><li> H3DAPI- Téléchargez le code source H3DAPI et installer en suivant les instructions affichées dans la section solution d'installation dans <a href="http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation">http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation</a> Nous avons actualisé le code pour répondre à nos exigences qui ne sont pas remplies dans le code existant. Les fichiers mis à jour peuvent être téléchargées à partir du site du tournoi handshake <a href="http://www.bgu.ac.il/~akarniel/HANDSHAKE//index.html">http://www.bgu.ac.il/ ~ akarniel / HANDSHAKE / / index.html</a> Chaque fichier doit être placé dans le dossier approprié tel que décrit dans le site Web ci-dessus. Après avoir effectué les changements, téléchargez CMake et compiler le code. Les instructions de compilation peuvent être trouvés dans <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 et python <ul><li> Télécharger python 2.5 à partir <a href="http://www.python.org/download/releases/2.5.5/">http://www.python.org/download/releases/2.5.5/</a> </li><li> Télécharger les codes python et X3D sur le site poignée de main et placer les fichiers de code dans un répertoire dédié, par exemple: "C: \ codeDirectory" </li><li> Chaque modèle de force poignée de main doit être écrite dans un fichier séparé python. Voir Figure 1 pour un exemple d'un modèle de force de printemps. </li></ul></li><li> psignifit boîte à outils pour Matlab Version 2.5.6, disponible à <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="Figure 1" data-altupdatedat="1787634011000" data-alt="Figure 1"> Figure 1. Fonction de force en python. Un exemple d'un modèle de force de printemps pour une poignée de main 2. Protocole expérimental <ul><li> Ouvrez la fenêtre de commande et passez dans le répertoire du code python et X3D en tapant: cd C: \ codeDirectory. </li><li> Créez un dossier avec les noms des sujets dans C: \ codesDirectory. </li><li> Afin d'exécuter le type expérience: h3dload code_name.x3d. </li><li> Créez un nouveau fichier en tapant au hasard: random_file_name.txt. Le fichier aléatoire définit l'ordre dans lequel apparaissent les poignées de main différente. </li><li> Entrez les noms des sujets exactement comme dans le dossier précédemment créé. </li><li> Après le concept original de l'épreuve classique de Turing, chaque expérience se compose de trois entités: un homme, un ordinateur, et un interrogateur. Deux sujets (humains et interrogateur) détiennent chacun le stylet d'un dispositif haptique Phantom et de générer des mouvements poignée de main. Ils sont invités à suivre les instructions qui s'affichent à l'écran (par exemple,: "appuyez sur Page Up pour la première poignée de main»), pour les forces de poignée de main à être appliqué. Dans toutes les méthodes suivantes, chaque essai se compose de deux poignées de main, et les sujets sont tenus de comparer entre eux. L'ordinateur est un modèle de poignée de mains simulées qui génère un signal de force en fonction du temps et de la position d'une part dimensionnelle et ses dérivés. (1) modèle F (t) = Φ [x (t), t] 0 ≤ t ≤ T F [x, t] est synonyme de tout opérateur de causalité, par exemple, non-linéaires variant dans le temps modèle mécanique de celui stylet mouvement dimensionnel, et T est la durée de la poignée de main. Dans la présente étude T = 5 secondes. </li></ul><ol><li> Mener des «purs» de test et calcul de la note la ressemblance modèle humain MHLG p L'expérience commence avec 12 essais pratique dans laquelle toutes les poignées de main (n = 24) sont des humains, telles que les sujets simplement serrer la main les uns aux autres à travers le système télérobotique. Le but de ces essais pratique est de permettre aux participants de se familiariser avec une poignée de main humaine dans le système. Dans l'expérience, nous comparons quatre modèles d'ordinateur. Chaque bloc expérimental se compose de 4 essais dans lesquels on compare les quatre modèles testés pour une poignée de main humaine. L'une des poignées de main dans chaque procès est une interaction avec une force générée par l'un des quatre modèles (un ordinateur), et l'autre est avec un homme (le deuxième sujet). Par conséquent, les sujets fonctionner comme les humains et les interrogateurs. L'ordre des essais au sein de chaque bloc est aléatoire et prédéterminée. Chaque expérience se compose de 10 blocs, de sorte que chaque poignée de main ordinateur est répété 10 fois. Un blo initiales non analyséesck est ajouté pour la connaissance générale du système et de la tâche. Pour chaque modèle, la proportion des poignées de main dans laquelle le sujet choisit la poignée de main modèle sur la poignée de main humaine comme plus humain est calculé, pour fournir une valeur qui est de 0,5 lorsque le modèle est indiscernable d'un humain. Nous multiplions cette valeur par deux afin d'obtenir le p MHLG, telle que MHLG = 0 est clairement non-humains aiment et MHLG = 1 signifie que la poignée de main testé est indiscernable de la poignée de main humaine. </li><li> Mener la "pondération homme-modèle" test et le calcul du modèle humain à la ressemblance de grade MHLG w Dans ce protocole, il ya un seul sujet d'interrogation. Les fonctions autre sujet que l'entité humaine dans les poignées de main. L'expérience commence avec 30 essais de pratique où l'interrogateur d'expériences une poignée de mains humaines et une poignée de mains ordinateur dans chaque essai. À la fin du procès, ils sont invités à choisir lequel des deux poignées de main était la poignée de main humaine. S'ils réussissent, l'écran affiche "Correct!", Et si elles ne choisissent pas la poignée de main droite, un "Faux!" message apparaît. Après le bloc de la pratique de l'expérience se déroule comme suit: Un essai est constitué de deux poignées de main. Dans l'une des poignées de main-stimulus - l'interrogateur interagit avec une combinaison de forces qui vient de l'être humain et un modèle de poignée de mains ordinateur. (2) F = α relance • F humaines + (1-α de relance) • F stimulusModel relance α est également distribué à partir 0 à 1, par exemple: relance α = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1} La poignée de main d'autres - la référence - est une association fixe de forces générées par l'homme et un modèle de référence: (3) F = α référence • F humaines + (1-α de référence) • F referenceModel; de référence α = 0,5 A la fin de chaque essai de l'interrogateur est demandé de choisir la poignée de main qui se sentaient plus comme un humain. Dans chaque expérience on compare deux modèles de test et un modèle de base. Chaque bloc expérimental se compose de 24 épreuves comprenant chacune des combinaisons linéaires de la stimulation et l'humain (eq. 2) pour chacune des trois combinaisons de modèle: <img src="/files/ftp_upload/2492/2492model1.jpg" alt="Modèle 1" data-altupdatedat="1787634011000" data-alt="Modèle 1"> L'ordre des essais au sein de chaque bloc est aléatoire et prédéterminée. Chaque expérience se compose de 10 blocs, de telle sorte que chaque combinaison est répétée 10 fois. Un bloc initial non analysée est ajouté pour la connaissance générale du système et de la tâche. Nous équipons une fonction logistique psychométriques une des réponses de l'interrogateur utilisant la version 2.5.6 psignifit boîte à outils pour Matlab, disponible à <a href="http://www.bootstrap-software.org/psignifit/">http://www.bootstrap-software.org/psignifit/</a> , avec une méthode du maximum de vraisemblance pour l'estimation des contraintes les paramètres, et de trouver des intervalles de confiance par le biais corrigé méthode bootstrap et accéléré (BCA). La courbe affiche la probabilité de l'interrogateur de répondre à cette poignée de main de relance est plus humain-comme, en fonction de la relance α - α de référence. Le point d'égalité subjective (PES) est extraite à partir du niveau seuil de 0,5 de la courbe psychométrique, indiquant la différence entre le stimulus et la référence α α pour laquelle les poignées de main sont perçus comme étant tout aussi humains comme. L'ESP est utilisé pour calculer le w MHLG selon: (4) MHLG w = 0,5-PSE Un modèle qui est perçu pour être aussi humain-comme le modèle de référence de la valeur des rendements MHLG w 0.5. Les modèles qui sont perçus comme moins ou le plus humain-comme possible, le rendement MHLG valeurs w de 0 ou 1, respectivement. </li><li> Mener le «bruit ajouté" test et en calculant le modèle humain à la ressemblance de grade MHLG n Comme pour le modèle humain de test pondérée, il ya un seul sujet d'interrogation. Les fonctions autre sujet que l'entité humaine dans les poignées de main. Le bloc de pratique est également le même que dans la méthode précédente. Après la pratique, dans l'une des deux poignées de main - le stimulus - l'interrogateur interagit avec un modèle de poignée de mains ordinateur. La poignée de main d'autres - la référence - est une force générée par une combinaison du bruit humain et blanc avec une gamme de fréquences filtrées selon les fréquences qui apparaissent dans la poignée de main humaine. (5) F = α • F humaines + (1-α) • F bruit; α est également distribué à partir 0 à 1, par exemple: α = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1} A la fin de chaque essai de l'interrogateur est demandé de choisir la poignée de main qui se sentaient plus comme un humain. L'expérience est construite de la même manière la moyenne pondérée des model-humain essai mentionné ci-dessus est construite. Cependant, alors que l'étalonnage de la moyenne pondérée par l'homme modèle de test est effectué en comparant différentes combinaisons d'un modèle de base d'une combinaison fixe de lui-même, dans cette expérience le modèle de base est remplacer par le bruit. L'ESP est extraite de la courbe psychométrique et définit le n MHLG (6) MHLG n = 1-PSE Les modèles qui sont perçus comme moins ou le plus humain-comme possible, le rendement MHLG n valeurs de 0 ou 1, respectivement. </li></ol> 3. Les résultats représentatifs: La figure 2 montre les résultats d'un sujet pour chacune des trois méthodes. Les modèles testés dans les trois expériences sont deux modèles viscoélastiques-KB1: printemps K = 50 N / m, amortisseur B = 2 Ns / m; KB2: printemps K = 20 N / m, amortisseur B = 1,3 Ns / m. Dans le test pondérée modèle humain, le w MHLG est évaluée en comparant chacun des modèles testés pour le modèle de base élastiques K = 50 N / m. <img src="/files/ftp_upload/2492/2492fig2.jpg" alt="Figure 2" data-altupdatedat="1787634011000" data-alt="Figure 2"> Figure 2. Les valeurs MHLG de deux modèles viscoélastiques selon le protocole de test "pur" (a), le «modèle humain pondérée protocole" (b) et le «bruit ajouté" protocole (c). Les barres d'erreur dans (b) et (c) représentent les intervalles de confiance des courbes psychométriques. Les barres noires représentent les qualités MHLG pour les modèles, et les barres grises représentent ceux du modèle de base en (b) et le bruit en (c). Les résultats démontrent que le modèle viscoélastique KB2 est perçu comme plus humain, comme que le modèle viscoélastique KB1 autre en utilisant les trois méthodes d'évaluation.

<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>

Nous avons présenté un nouveau protocole pour un test à choix forcé handshake Turing-like administré via un système simple télérobotique. Ce protocole est une plate-forme pour comparer les modèles handshake artificielle, plutôt que d&#39;une plate-forme pour la détermination absolue à la ressemblance humaine. Ce protocole a été présenté à quelques conférences 2-5 Nous avons montré ici que ce test est utile pour trouver les paramètres des caractéristiques passives de mouvement qui fournissent le plus humain-comme sentiment. Il peut être utilisé dans d&#39;autres études afin d&#39;élaborer un modèle pour une poignée de main qui sera aussi humain-comme possible. Nous utiliserons cette plate-forme dans le tournoi handshake Turing-comme première qui aura lieu à l&#39;été 2011 [[ <a href="http://www.bgu.ac.il/~akarniel/HANDSHAKE/index.html">~ http://www.bgu.ac.il/ akarniel / HANDSHAKE / index.html</a> ]], où les modèles concurrents seront classés par leur ressemblance humaine. Le modèle final devrait probablement considérer les non-linéarités et variable dans le temps la nature humaine d&#39;impédance de 21, l&#39;adaptation mutuelle avec l&#39;interrogateur et de nombreux autres aspects de la poignée de main humaine naturelle, qui doivent être testés et classés en utilisant ce test à choix forcé handshake Turing-like. Le test proposé est unidimensionnel et effectué via une interface télérobotique, et est donc limité: il cache de nombreux aspects de la poignée de main telles que les informations tactiles, la température, l&#39;humidité, et les forces de préhension. Néanmoins, dans plusieurs études une interface télérobotique a été utilisé pour explorer les poignées de main 6-11 et d&#39;autres formes d&#39;interaction homme-12 humaine. En outre, dans cette version de l&#39;épreuve, nous ne considérons pas la durée de la poignée de main, l&#39;initiation et le temps de relâchement, de son caractère multidimensionnel et les trajectoires des mains avant et après le contact physique. Il ya aussi de nombreux types de poignées de main selon le sexe et la culture de la personne 13-14 et par conséquent, on ne peut s&#39;attendre à générer un seul modèle optimal handshake humain-comme. Néanmoins, nous pensons que la simplicité du test proposé est un avantage, au moins à ce stade préliminaire de l&#39;étude. Une fois les principales caractéristiques de cette catégorie un handshake dimensions sont correctement caractérisés, nous pouvons passer à l&#39;examen de ces limites et d&#39;étendre le test en conséquence. Il est à noter qu&#39;un test de Turing handshake-like pourrait être inversée, avec l&#39;ordinateur au lieu de la personne étant interrogé sur l&#39;identité de l&#39;autre partie. Dans ce cadre, nous considérons l&#39;hypothèse suivante handshake inverse: le but d&#39;une poignée de main est de sonder la main ébranlée; selon l&#39;hypothèse de handshake inverse, l&#39;algorithme handshake optimale - dans le sens où il sera impossible de distinguer une poignée de main humaine - sera mieux faciliter la discrimination entre hommes et machines. En d&#39;autres termes, le modèle donnera le meilleur handshake telle qu&#39;un classificateur convenablement réglée peut distinguer entre l&#39;homme et des poignées de main de la machine. Si l&#39;hypothèse inverse handshake est effectivement correct, il donne une application clinique pour notre test: identifier une déficience motrice chez les personnes souffrant de moteurs liés à divers troubles neurologiques, comme la paralysie cérébrale (PC). Des études antérieures ont montré des différences dans les paramètres cinématiques entre les patients en PC et les sujets sains lors de l&#39;exécution des mouvements atteignant 15-16. Nous avons récemment montré que les caractéristiques des mouvements diffèrent entre les individus sains et des individus avec le CP où se serrant la main à travers un système de télérobotique 4. Ces conclusions de renforcer notre revendication que les personnes ayant des déficiences motrices peuvent être distinguées des personnes en bonne santé en examinant et en explorant le mouvement poignée de main de chaque individu. Il faut également noter que le test décrit ici est un test de perception et de récentes études de distinguer entre la perception et l&#39;action 17-20. Les études futures devraient explorer les trois versions du test afin d&#39;évaluer avec précision la nature de la poignée de main humaine, comme: (1) un test psychométrique de la similitude perçue; (2) un test de comportement moteur (test motormetric) qui explorera le moteur réaction de l&#39;interrogateur qui peuvent différer de son / sa similitude cognitivement perçu; (3) un discriminateur ultime optimale qui tente de faire la distinction entre les poignées de main homme et la machine repose sur la force et les trajectoires de position. En termes généraux, nous affirmons que la compréhension du système de commande du moteur est une condition nécessaire pour la compréhension des fonctions cérébrales, et que cette connaissance pourrait être démontrée par la construction d&#39;un robot humanoïde indiscernable d&#39;un humain. L&#39;étude actuelle se concentre sur les poignées de main via un système de télérobotique. Nous affirmons que par le classement des hypothèses scientifiques qui prévaut sur la nature du contrôle de la main le mouvement humain en utilisant le test de Turing a proposé handshake-like, nousdevrait être capable d&#39;extraire les propriétés saillantes de contrôle moteur humain ou tout au moins les propriétés saillantes nécessaires pour construire un appendice artificiel qui est indiscernable d&#39;un bras humain.

<table><tbody><tr><td>Deux robots de bureau PHANTOM</td><td>SensAble, Geomagic</td><td></td><td>2 cartes parallèles&lt;br/&gt;Exigences minimales du système : PC basé sur Intel ou AMD ; Windows 2000/XP, 250 Mo d'espace disque</td></tr><tr><td>Pilotes 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>Code source 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>Produits 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>codes x3d</td><td></td><td></td><td></td></tr><tr><td>Boîte à outils psignifit 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>

un test de turing-dimensionnelle poignée de main comme pour le moteur de renseignement

One Dimensional Turing-Like Handshake Test for Motor Intelligence

Dans le test de Turing, un modèle informatique est réputé «penser intelligemment» si elle peut générer des réponses qui ne sont pas distinguables de celles d&#39;un humain. Cependant, ce test est limité aux aspects linguistiques de l&#39;intelligence artificielle. Une fonction saillants du cerveau est le contrôle du mouvement, et le mouvement de la main humaine est une démonstration de cette fonction sophistiquée. Par conséquent, nous proposons un test de Turing handshake-like, pour l&#39;intelligence du moteur de la machine. Nous administrer le test à travers un système de télérobotique dans lequel l&#39;interrogateur est engagé dans une tâche de détenir un stylet robotique et l&#39;interaction avec une autre partie (humain ou artificiel). Au lieu de demander à l&#39;interrogateur si l&#39;autre partie est une personne ou un programme informatique, nous utilisons une méthode en deux alternatives de choix forcé et de demander lequel des deux systèmes est plus comme un humain. Nous extrayons une note quantitative pour chaque modèle en fonction de sa ressemblance avec le mouvement handshake humain et nommez-le «modèle de l&#39;homme-ressemblance Grade» (MHLG). Nous présentons trois méthodes pour estimer le MHLG. (I) En calculant la proportion des réponses des sujets que le modèle est plus humain que les humains, (ii) En comparant les deux sommes pondérées des poignées de main humaine et le modèle que nous ajuster une courbe psychométrique et extraire le point d&#39;égalité subjective (PES ), (iii) En comparant un modèle donné par une somme pondérée des signaux humains et aléatoire, nous avons ajusté une courbe psychométriques pour les réponses de l&#39;interrogateur et l&#39;extrait de l&#39;ESP pour le poids de l&#39;homme dans la somme pondérée. Au total, nous fournissons un protocole pour tester des modèles de calcul de la poignée de main humaine. Nous croyons que la construction d&#39;un modèle est une étape nécessaire dans la compréhension de tout phénomène et, dans ce cas, dans la compréhension des mécanismes neuronaux responsables de la génération de la poignée de main humaine.

Nous présentons un test de Turing Poignée de main-like administré par un système de télérobotique dans lequel l&#39;interrogateur est la tenue d&#39;un stylet robotique et l&#39;interaction avec une autre partie (humain ou artificiel). Nous utilisons une méthode de choix forcé, et d&#39;extraire une mesure de la similitude du modèle artificiel pour une poignée de main humaine.

Un test de Turing-dimensionnelle Poignée de main comme pour le moteur de renseignement

Dans le test de Turing, on considère qu'un modèle informatique « pense intelligemment » s'il est capable de générer des réponses indiscernables de celles d'un être humain. ...

L'objectif général de cette procédure est de déterminer dans quelle mesure un modèle informatique de poignée de main correspond à une poignée de main humaine. Cela est réalisé en présentant d'abord aux sujets des paires de poignées de main, soit entièrement humaines, soit générées par ordinateur, soit une combinaison des deux à l'aide d'une interface télé-robotisée. La deuxième étape de la procédure consiste à demander à chaque sujet de choisir, au sein de chaque paire, quelle poignée de main semble 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 du modèle, ou MHLG. En fin de compte, des résultats peuvent être obtenus qui montrent une distinction significative entre différents modèles, MH Gs, à l’aide du test de poignée de main de type Turing. Le test de Turing est en réalité limité à l’intelligence verbale, alors que les scientifiques et ingénieurs ont observé un grand écart entre l’intelligence artificielle et naturelle dans l’aspect du contrôle moteur du comportement moteur.De nombreux scientifiques ont réfléchi à cette version motorisée du test de Turing, mais ce n'est que récemment que des dispositifs robotiques autonomes et pilotables ont été adoptés dans les laboratoires de recherche, facilitant ainsi la mise en œuvre d'un protocole simple et reproductible pour un test de poignée de main similaire au test de Turing. Cette méthode peut aider à répondre à des questions essentielles dans le domaine de l'interaction homme-robot, telles que quelles sont les caractéristiques clés des mouvements du bras humain qui procurent une sensation naturelle de contact humain. Les implications de cette technique s'étendent à notre diagnostic des troubles moteurs tels que la paralysie cérébrale.L'étape suivante consiste à concevoir un dispositif robotique de diagnostic capable de distinguer une poignée de main humaine saine d'une poignée de main altérée. Une démonstration visuelle de cette méthode est essentielle, car le mouvement de poignée de main à travers le système télé-robotisé n'est pas naturel et nécessite du temps et de la pratique pour apprendre à manipuler le robot et interagir avec lui. Suivant le concept original du test de Turing classique, les expériences de poignée de main impliquent trois entités : un humain, un ordinateur et un interrogateur.L'interrogateur et l'humain sont assis dans la même pièce mais séparés par un écran, de sorte que l'interrogateur ne peut pas voir si c'est l'ordinateur ou l'humain qui génère la poignée de main. Les poignées de main ne sont pas directes, mais sont réalisées grâce à une interface télé-robotique mécanique composée de deux robots Phantom Desktop dans le cas d'une poignée de main humaine, et d'un robot Phantom et d'un logiciel dans le cas d'une poignée de main informatique. Lorsque le mot « poignée de main » apparaît à l'écran, l'interrogateur et l'humain effectuent immédiatement des mouvements de poignée de main en déplaçant le stylet de l'interface télé-robotique dans la direction verticale.Le rôle de l'interrogateur consiste à comparer deux poignées de main et à sélectionner celle qui semble le plus humaine en appuyant sur la touche Accueil ou F1 pour choisir la première poignée de main, ou sur la touche Fin ou F2 pour choisir la seconde. Les trois protocoles expérimentaux présentés dans cette vidéo diffèrent par la composition des poignées de main comparées. Le premier protocole correspond au test de Turing pur, opposant une poignée de main humaine à une poignée de main générée par ordinateur.Le deuxième protocole comprend des poignées de main constituées de forces générées par l'homme et par ordinateur en proportions variables. Le troisième protocole comprend des poignées de main combinant de manière variable une poignée de main générée par l'homme et du bruit, ou uniquement des forces générées par ordinateur. Pendant 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. Ce fichier aléatoire définit l'ordre dans lequel se produisent les différents échanges de salutations.Le protocole pur commence par 12 essais d'entraînement comportant chacun deux poignées de main, au cours desquels l'humain et l'interrogateur se serrent la main 24 fois à l'aide du système télé-robotisé. L'interrogateur sait qu'à cette étape, il échange des poignées de main avec un humain. L'objectif de ces essais d'entraînement est de familiariser les participants avec l'interface télé-robotisée.Après le tour d'essai, un bloc de quatre essais est réalisé à chaque essai. Une poignée de main humaine est comparée à l'une des quatre poignées de main générées par modèle informatique, dans un ordre aléatoire comme indiqué dans cet exemple. Par exemple, lors du premier essai du premier bloc, l'interrogateur serre la main deux fois.La première poignée de main est générée par l'humain et la seconde poignée de main est générée par l'ordinateur à l'aide des forces dictées par le modèle trois. L'interrogateur choisit ensuite entre la poignée de main numéro un et la poignée de main numéro deux afin de déterminer laquelle est la plus humaine. Par exemple, si l'interrogateur sélectionne la poignée de main numéro un comme étant la plus humaine, il a alors 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 s'effectue avec le modèle généré par ordinateur numéro deux, et la seconde avec l'humain. L'interrogateur choisit à nouveau la poignée de main la plus humaine.Deux autres essais sont réalisés de manière similaire. Pour tester les deux modèles restants, le modèle un et le modèle quatre sont comparés à la poignée de main humaine. Ceci achève un bloc d'essais.L'expérience comprend 11 blocs de quatre essais chacun, les quatre poignées de main modèles étant présentées dans un ordre aléatoire dans chaque bloc. Le bloc initial est un bloc d'entraînement et l'analyse est effectuée sur les 10 blocs restants. Après avoir complété 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.Après la réalisation des 11 blocs expérimentaux, un indice de ressemblance humaine est calculé pour chacun des quatre modèles testés. L'analyse consiste à déterminer la proportion de poignées de main dans lesquelles le sujet juge que la poignée de main du modèle est plus humaine que celle d’un humain. Par exemple, si l'interrogateur choisit la poignée de main du modèle plutôt que celle de l'humain dans deux cas sur dix, la proportion modèle/humain sera de 0,2 ; cette proportion est ensuite multipliée par deux afin d'obtenir l'indice de ressemblance humaine du modèle.Pour chaque modèle où la proportion est de 0,2, le degré de ressemblance humaine du modèle serait de 0,4. Si le modèle trois était choisi comme étant plus humain dans quatre des dix essais, sa proportion serait de 0,4 et son degré de ressemblance humaine du modèle 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 1.Si un modèle est clairement non humain, comme son modèle, le degré de ressemblance humaine serait nul. Le MHLG est plafonné à un. Dans ce protocole, les poignées de main générées s'échelonnent selon une partie humaine du modèle, où la combinaison spécifique varie d'un essai à l'autre sur une échelle allant de la poignée de main entièrement générée par ordinateur à la poignée de main entièrement humaine.Par conséquent, cet ensemble d'expériences est appelé le test du modèle humain pondéré. Le protocole débute par un bloc d'entraînement permettant à l'interrogateur d'apprendre à reconnaître une poignée de main purement humaine et de se familiariser avec l'appareil. Ainsi, le bloc d'entraînement comprend 30 essais comparant une poignée de main purement humaine à une poignée de main générée par ordinateur.À la fin de chaque essai, l'interrogateur choisit la poignée de main qui lui a semblé la plus humaine parmi les deux. Si l'interrogateur identifie correctement la poignée de main humaine, l'écran affiche « correct ». Si l'interrogateur ne choisit pas la bonne poignée de main, un message d'erreur apparaît et il peut répéter le dernier essai d'entraînement.Après le bloc d'entraînement, l'interrogateur commence une série d'essais afin d'évaluer deux poignées de main. Ces deux poignées de main sont une poignée de main stimulus et une poignée de main de référence, chacune correspondant à une combinaison de forces humaines et modélisées. Dans la poignée de main de référence, la sensation ressentie par l'interrogateur correspond à un mélange équilibré des forces produites par l'humain et par un modèle généré par ordinateur.En d'autres termes, tandis que le participant humain effectue un mouvement de poignée de main, cette poignée de main ne représente que 50 % de la force perçue par l'interrogateur, l'autre moitié de la force provenant d'un modèle informatique dans la poignée de main stimulus ; la poignée de main ressentie par l'interrogateur est donc un mélange variable des forces générées par l'humain et par un modèle informatique. Dans certaines poignées de main stimulus, la fraction fournie 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 stimulus, la fraction fournie 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 essai, l'interrogateur doit choisir la poignée de main qui lui a semblé la plus humaine. Cette expérience compare trois modèles : deux modèles 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 comprend 24 essais, représentant chacune des huit combinaisons linéaires du modèle et de l'humain pour chacune des trois combinaisons de modèles. Une fois les 10 blocs expérimentaux terminés, une fonction psychométrique logistique est ajustée aux réponses de l'interrogateur. Comme décrit dans l'article accompagnant, la courbe obtenue affiche la probabilité de réponse de l'interrogateur.Pour y répondre, un serrage de main de stimulus est perçu comme plus humain que le serrage de main de référence. En fonction de la différence entre l'alpha du stimulus et l'alpha de référence, le point de parité subjective (PSE) est extrait du seuil de 0,5 sur la courbe psychométrique, indiquant la différence entre l'alpha du stimulus et l'alpha de référence pour laquelle les serrages de main sont perçus comme également humains selon le modèle. Le degré de ressemblance humaine pour le protocole du modèle humain pondéré est calculé en soustrayant le PSE de 0,5 : les modèles perçus comme le moins ou le plus humain possible donnent respectivement des valeurs de degré de ressemblance humaine égales à zéro ou à un. Le protocole final compare un serrage de main modèle à un serrage de main composé d'une part humaine et d'une part de 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 produite à partir de diverses combinaisons de poignée de main humaine et de bruit blanc, avec une force absolue maximale de deux N, filtrée à l'aide d'un filtre passe-bas de Butterworth d'ordre cinq à une fréquence maximale de deux sur pi. À la fin de chaque essai, l'interrogateur doit choisir la poignée de main qui lui a semblé la plus humaine.Le protocole présente une conception similaire à celle du test précédent utilisant le modèle humain pondéré. Après un tour d'essai et un bloc non analysé, une série de 10 blocs expérimentaux est réalisée comme suit. Le SEV est extrait de la courbe psychométrique comme précédemment et définit le degré de ressemblance humaine du modèle pour le protocole avec ajout de bruit.Cette figure présente les résultats du protocole pur et compare des poignées de main humaines à deux poignées de main modèles différentes. Les deux points indiquent les valeurs calculées des notes de ressemblance humaine pour deux modèles viscoélastiques nommés KB un et KB deux. Les résultats montrent que le modèle KB deux est perçu comme plus humain que le modèle KB un.Cette figure présente les résultats du protocole humain du modèle pondéré, qui compare un ratio variable de poignées de main du modèle humain à un ratio fixe de 50/50 de poignées de main du modèle humain. Les marqueurs noirs représentent les notes de ressemblance humaine du modèle pour les modèles testés, et les marqueurs gris représentent celles du modèle de référence. Les barres d'erreur représentent les courbes psychométriques et les intervalles de confiance.Cette figure présente les résultats du protocole avec bruit ajouté, qui compare une poignée de main modélisée à une poignée de main comportant un rapport variable entre composantes humaines et composantes de bruit. Les marqueurs noirs représentent les notes de ressemblance humaine des modèles, et les marqueurs gris représentent celles du bruit. Les barres d'erreur indiquent 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 un, selon les trois méthodes d'évaluation. Lors de la mise en œuvre de cette procédure, il est important de bien interagir avec le dispositif robotique et de s'efforcer de rendre l'interaction aussi fluide que possible. En suivant cette procédure, d'autres méthodes, telles que des tests ou la reconnaissance des poignées de main chez les personnes atteintes de troubles envahissants du développement, peuvent être réalisées afin de répondre à des questions supplémentaires, comme : comment les troubles envahissants du développement affectent-ils la capacité à distinguer les gestes humains des gestes non humains ? Désormais, après son développement, cette technique pourrait 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'obtenir des informations sur l'autre personne. Par conséquent, la méthodologie que nous proposons pour développer une poignée de main semblable à celle d'un humain peut également faciliter l'élaboration d'un système de classification des poignées de main, capable d'extraire des informations sur l'autre personne à partir de sa poignée de main. Après avoir visionné cette vidéo, vous devriez bien comprendre comment réaliser le test de poignée de main de type « tour » en une dimension, ainsi que la manière dont nous allons évaluer les modèles de poignée de main soumis au premier tournoi international du test de poignée de main de type « tour ».

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

Research

Recherche

JoVE Journal

Neuroscience

Neurosciences

Comme la dextérité manuelle est une prérogative essentiellement des primates, des tâches comportementales ont été développés chez les singes macaques. Quatre atteindre et de saisir des tâches de préhension, mesurant la capacité de manipulation et de la main la force, permettent d'établir la récupération fonctionnelle après une lésion du système nerveux central et de tester l'effet d'un traitement.

Évaluation comportementale de la dextérité manuelle de primates non humains

Cette vidéo montre le test de l’escalier pour évaluer la fonction motrice chez un rat hémiparkinsonien avec une lésion du cerveau droit. La lésion perturbe la signalisation de la dopamine, ce qui nuit au contrôle de la patte gauche, ce qui entraîne une augmentation du nombre de granulés dans l’escalier gauche, ce qui indique un dysfonctionnement moteur.

Test d’escalier pour l’évaluation de la fonction motrice chez un rat hémiparkinsonien

Les auteurs décrivent une nouvelle configuration basée réalité virtuelle qui exploite le contrôle volontaire de la main pour améliorer les performances du moteur dans l’autre main (non formés). Ceci est réalisé en fournissant la rétroaction sensorielle axée sur la circulation en temps réel, comme si la main non formés se déplace. Cette nouvelle approche peut servir à améliorer la réadaptation des patients présentant une hémiparésie unilatérale.

Utilisant la réalité virtuelle à transférer les connaissances de la motricité d’une main à l’autre

Ce manuscrit décrit une tâche semi-automatisé qui quantifie la supination chez les rats. Des rats atteint, saisir et supination une résonnance sphérique. Le rat est récompensé avec une boulette si l’angle de rotation est supérieure à un critère défini par l’utilisateur. Cette tâche augmente le débit, sensibilité à la blessure et de l’objectivité par rapport aux tâches traditionnelles.

La tâche de Supination bouton : Une méthode semi-automatique d’évaluation des fonctions du membre antérieur chez le rat

Nous introduisons le pied-stepping tâche série temps de réaction (SRT). Cette règle modifiée tâche SRT, complétant la TRR classique tâche qui implique seulement mouvement de doigt-pressage, mieux rapproche les activités quotidiennes séquencées et permet aux chercheurs d’étudier les processus dynamiques qui sous-tendent les mesures d’intervention discrète et démêler le processus explicit dans l’apprentissage de séquence implicites.

Le « moteur » moteur implicite de séquences d’apprentissage : une réaction série pied-stepping temps tâche

Nous présentons ici un protocole qui caractérise le sens de l’agence mis au point pour le contrôle de sensorielles mains prothétiques virtuels ou robotiques. Psychophysiques questionnaires sont utilisés pour rendre l’expérience explicite de l’agence, et estimations d’intervalle de temps (liaison intentionnelle) sont employées pour mesurer implicitement le sens de l’Agence.

Caractérisation du sens de l’Agence sur les Actions de Neural-machine Interface commande prothèses

Ce protocole offre une numérisation de portions de tâches cliniques traditionnelles couramment utilisées pour mesurer la cognition et le contrôle moteur dans la maladie de Parkinson. Les tâches cliniques sont numérisées tandis que les rythmes biophysiques sont co-enregistrés à partir de différents niveaux fonctionnels du système nerveux, allant du volontaire, spontané, automatique à autonome.

Biomarqueurs numériques dynamiques de la fonction motrice et cognitive dans la maladie de Parkinson

Le but de cette étude est de fournir une référence importante pour le fonctionnement clinique standard de l’interface cerveau-ordinateur par imagerie motrice (MI-BCI) pour la dysfonction motrice des membres supérieurs après un AVC.

Imagerie motrice Interface cerveau-ordinateur dans la rééducation de la dysfonction motrice des membres supérieurs après un AVC

L’imagerie motrice dans un environnement de réalité virtuelle a de nombreuses applications dans les systèmes d’interface cerveau-ordinateur. Ce manuscrit décrit l’utilisation d’avatars numériques personnalisés qui ressemblent aux participants exécutant des mouvements imaginés par le participant dans un environnement de réalité virtuelle afin de renforcer l’immersion et le sentiment d’appartenance corporelle.

Performance d’imagerie motrice à travers des jumeaux numériques incarnés dans un environnement d’interface cerveau-ordinateur basé sur la réalité virtuelle

Chez les animaux avec de grands neurones identifiés...

Identifier les motoneurones extracellulaire d&#39;un Motor Pool musculaire dans<em&gt; Aplysia californica</em

Découvrez un test de type Turing pour évaluer la similarité entre une poignée de main robotique et humaine à l'aide d'un système télémécanique. Cette méthode permet de calculer le grade de ressemblance humaine (MHLG) et d'améliorer l'interaction homme-robot.

Un test de Turing-dimensionnelle Poignée de main comme pour le moteur de renseignement

Explorer plus de vidéos