Name: Un dimensionale Turing-Like test stretta di mano per il motore di intelligence (Video) | JoVE Journal
Uploaded: 2010-12-15T15:45:00.000+00:00
Duration: 14 min 5 s
Description: Scopri il test Turing-like per la stretta di mano utilizzando un sistema telerobotico per valutare la somiglianza tra modelli artificiali e umani. Questo metodo aiuta a distinguere le interazioni naturali da quelle robotiche.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

AK ringrazia Gerry Loeb per utili discussioni sulla proposta come test di Turing-stretta di mano. AK e IN desidero ringraziare Nathaniel Leibowitz e Lior Botzer che hanno contribuito alla progettazione della primissima versione di questo nuovo protocollo nel 2007. Questa ricerca è stata sostenuta dalla Israel Science Foundation (concessione n ° 1018-1008). SL è supportato da una borsa di studio post-dottorato Kreitman Fondazione. IN è sostenuto dalla Fondazione Kreitman e il programma di borse di studio Clore.

1. Preparazione del sistema <ol><li> Requisiti hardware: <ul><li> Due robot desktop PHANTOM da SensAble Technologies, Inc. </li><li> 2 schede in parallelo. </li><li> Requisiti minimi di sistema: Intel o AMD basati su PC, Windows 2000/XP, 250 MB di spazio su disco. </li></ul></li><li> Requisiti software: <ul><li> Driver- Scarica i driver dal sito SensAble tecnologie <a href="http://www.sensable.com">http://www.sensable.com</a> in base al sistema operativo del computer. </li><li> H3DAPI- Scaricare il codice sorgente H3DAPI ed installare seguendo le istruzioni visualizzate nella sezione installazione walkthrough in <a href="http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation">http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation</a> Abbiamo aggiornato il codice per soddisfare le nostre esigenze che non sono state soddisfatte nel codice esistente. I file aggiornati possono essere scaricati dal sito web del torneo stretta di mano <a href="http://www.bgu.ac.il/~akarniel/HANDSHAKE//index.html">http://www.bgu.ac.il/ ~ akarniel / STRETTA DI MANO / / index.html</a> Ogni file deve essere posizionato nella cartella appropriata, come descritto nel sito di cui sopra. Dopo aver eseguito le modifiche, CMake scaricare e compilare il codice. Le istruzioni di compilazione si possono trovare in <a href="http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation">http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation</a> </li><li> X3D e pitone <ul><li> Scarica python 2.5 dal <a href="http://www.python.org/download/releases/2.5.5/">http://www.python.org/download/releases/2.5.5/</a> </li><li> Scarica il codice python e x3d dal sito stretta di mano e posizionare il file di codice in una directory dedicata, ad esempio: "C: \ codeDirectory" </li><li> Ogni modello forza stretta di mano deve essere scritta in un file separato pitone. Vedere la Figura 1 per un esempio di un modello di forza della molla. </li></ul></li><li> psignifit toolbox per Matlab versione 2.5.6, disponibile sul sito <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. Funzione della forza in python. Un esempio di un modello di forza della molla per una stretta di mano 2. Protocollo sperimentale <ul><li> Aprire la finestra di comando e passare alla directory codice python e x3d digitando: cd c: \ codeDirectory. </li><li> Creare una cartella con i nomi dei soggetti 'in C: \ codesDirectory. </li><li> Al fine di eseguire il tipo di esperimento: h3dload code_name.x3d. </li><li> Creare un nuovo file casuale digitando: random_file_name.txt. Il file casuale definisce l'ordine in cui appaiono le strette di mano diverse. </li><li> Inserire i nomi dei soggetti 'esattamente come nella cartella creata in precedenza. </li><li> Seguendo il concetto originale del test di Turing classica, ogni esperimento è costituito da 3 soggetti: un essere umano, un computer e un inquisitore. Due soggetti (umane e interrogatore) ogni tenere premuto lo stilo di un dispositivo aptico Phantom e generare movimenti stretta di mano. Essi sono invitati a seguire le istruzioni che appaiono sullo schermo (ad esempio,: "premere Page Up per la prima stretta di mano"), per le forze stretta di mano da applicare. In tutti i metodi seguenti, ogni prova è costituito da 2 strette di mano, ei soggetti sono tenuti a confrontare tra di loro. Il computer è un modello simulato stretta di mano che genera un segnale di forza in funzione del tempo e la posizione della mano dimensionale e dei suoi derivati. (1) modello F (t) = Φ [x (t), t] 0 ≤ t ≤ T F [x, t] sta per qualsiasi operatore causale, per esempio, non lineari tempo-varianti modello meccanico del movimento unidimensionale stilo, e T è la durata della stretta di mano. Nel T studio = 5 secondi. </li></ul><ol><li> Effettuato la verifica "puro" e calcolando il grado umano somiglianza modello MHLG p L'esperimento inizia con 12 prove pratiche in cui tutte le strette di mano (n = 24) sono esseri umani, in modo che i soggetti semplicemente stringere la mano uno con l'altro attraverso il sistema telerobotica. Lo scopo di queste prove pratiche è quello di consentire ai partecipanti di conoscere con una stretta di mano umana nel sistema. Nell'esperimento, mettiamo a confronto quattro modelli del computer. Ogni blocco sperimentale è costituito da 4 studi in cui mettiamo a confronto i 4 modelli testati per una stretta di mano umana. Una delle strette di mano in ogni prova è una interazione con una forza generata da uno dei quattro modelli (un computer), e l'altro è con un essere umano (il secondo soggetto). Pertanto, i soggetti funzione sia come esseri umani e gli interrogatori. L'ordine delle prove all'interno di ogni blocco è casuale e predeterminato. Ogni esperimento è composto da 10 blocchi, in modo che ogni stretta di mano computer è ripetuto 10 volte. Un BLO iniziale non analizzatick è aggiunto per la conoscenza generale del sistema e il compito. Per ogni modello, la percentuale di strette di mano in cui il soggetto sceglie il modello di stretta di mano oltre la stretta di mano umana più umana-come si calcola, per fornire un valore pari a 0,5 quando il modello è indistinguibile da un essere umano. Moltiplichiamo questo valore per due al fine di ottenere il p MHLG, tale che MHLG = 0 è chiaramente non umani, come e MHLG = 1 significa che la stretta di mano testato è indistinguibile dalla stretta di mano umana. </li><li> Effettuazione della "ponderato uomo-modello" di prova e il calcolo del modello umano somiglianza grado MHLG w In questo protocollo, vi è un solo soggetto interrogatori. Le funzioni di altro soggetto come entità umana in strette di mano. L'esperimento inizia con 30 prove pratiche in cui l'interrogante proprie esperienze umane stretta di mano e una stretta di mano del computer in ogni prova. Alla fine del processo viene chiesto di scegliere quale dei 2 strette di mano è stata la stretta di mano umana. Se ci riusciranno, lo schermo visualizza "Esatto!", E se non ha scelto la stretta di mano destra, un "Sbagliato!" messaggio. Dopo il blocco pratica l'esperimento è condotto come segue: Una prova è costituito da due strette di mano. In una delle strette di mano, lo stimolo - l'interrogante interagisce con una combinazione di forze che viene dal umane e un modello di stretta di mano computer. (2) F = α stimolo • F umano + (1-α stimolo) • F stimulusModel stimolo α è ugualmente distribuito da 0 a 1, ad esempio: stimolo α = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1} La stretta di mano di altri - il riferimento - è una combinazione fissa di forze generate dalla umano e un modello di riferimento: (3) F = α riferimento • F umano + (1-α di riferimento) • F referenceModel; riferimento α = 0,5 Alla fine di ogni prova l'interrogante è richiesto di scegliere la stretta di mano che si sentiva più simili all'uomo. In ogni esperimento si confrontano due modelli di prova e un modello di base. Ogni blocco sperimentale è costituito da 24 studi clinici comprendenti ciascuna delle combinazioni lineari dello stimolo e l'umano (eq. 2) per ciascuno dei 3 le combinazioni: <img src="/files/ftp_upload/2492/2492model1.jpg" alt="Model 1" data-altupdatedat="1787634011000" data-alt="Modello 1"> L'ordine delle prove all'interno di ogni blocco è casuale e predeterminato. Ogni esperimento è composto da 10 blocchi, in modo tale che ogni combinazione si ripete 10 volte. Un blocco iniziale non analizzati è aggiunto per conoscenza generale con il sistema e il compito. Noi adattare una funzione logistica psicometrico 1 alle risposte del interrogatore utilizzando la versione 2.5.6 psignifit toolbox per Matlab, disponibile all'indirizzo <a href="http://www.bootstrap-software.org/psignifit/">http://www.bootstrap-software.org/psignifit/</a> , con un metodo vincolato massima verosimiglianza per la stima della i parametri, e trovare gli intervalli di confidenza con il bias-corretto e accelerata (BCA) metodo bootstrap. La curva indica la probabilità di interrogatorio per rispondere a una stretta di mano che lo stimolo è più simili all'uomo, come una funzione di stimolo α - α di riferimento. Il punto di eguaglianza soggettiva (PSE) viene estratto dal 0,5 al livello di soglia della curva psicometrica, che indica la differenza tra lo stimolo e riferimento α α per i quali vengono percepite le strette di mano per essere altrettanto umana come. Il PSE è utilizzato per il calcolo del w MHLG in base a: (4) MHLG w = 0.5-PSE Un modello che viene percepito di essere il più simile a quella umana, come il modello di riferimento produce il valore MHLG w 0,5. I modelli che vengono percepiti come meno o più di tipo umano possibile, resa MHLG w valori di 0 o 1, rispettivamente. </li><li> Effettuazione della "aggiunge rumore" di prova e il calcolo del modello umano somiglianza grado MHLG n Analogamente alla ponderata modello umano di prova, vi è un solo soggetto interrogatori. Le funzioni di altro soggetto come entità umana in strette di mano. Il blocco pratica è anche la stessa come nel metodo precedente. Dopo la pratica, in una delle due strette di mano - lo stimolo - l'interrogante interagisce con una stretta di mano modello di computer. La stretta di mano di altri - il riferimento - è una forza generata da una combinazione di rumore umano e nero con una gamma di frequenza filtrati in base alle frequenze che compaiono nella stretta di mano umana. (5) F = α • F umano + (1-α) • F rumore; α è ugualmente distribuito da 0 a 1, ad esempio: α = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1} Alla fine di ogni prova l'interrogante è richiesto di scegliere la stretta di mano che si sentiva più simili all'uomo. L'esperimento è stato costruito nello stesso modo la media ponderata del model-umano prova di cui sopra è costruito. Tuttavia, mentre la calibrazione nel ponderato uomo-modello di test viene eseguita confrontando diverse combinazioni di un modello base di una combinazione fissa di se stessa, in questo esperimento il modello base è sostituto dal rumore. Il PSE è estratta dalla curva psicometrica e definisce il n MHLG (6) MHLG n = 1-PSE I modelli che vengono percepiti come meno o più di tipo umano possibile, resa MHLG n valori di 0 o 1, rispettivamente. </li></ol> 3. Rappresentante dei risultati: La Figura 2 mostra i risultati di un soggetto per ciascuno dei 3 metodi. I modelli testati in tutti e tre gli esperimenti sono 2 modelli-KB1 viscoelastico: molla K = 50 N / m, ammortizzatore B = 2 Ns / m; KB2: molla K = 20 N / m, ammortizzatore B = 1,3 Ns / m. Nel ponderata modello umano di prova, la w MHLG viene valutata confrontando ciascuno dei modelli testati per il modello base elastica K = 50 N / m. <img src="/files/ftp_upload/2492/2492fig2.jpg" alt="Figura 2" data-altupdatedat="1787634011000" data-alt="Figura 2"> Figura 2. MHLG I valori di due modelli viscoelastici secondo il protocollo "puro" di prova (a), il "ponderato modello umano protocollo" (b) e il "rumore aggiunto" protocollo (c). Le barre di errore a (b) e (c) rappresentano gli intervalli di confidenza delle curve psicometrici '. Le barre nere rappresentano i gradi MHLG per i modelli, e le barre grigie rappresentano quelle del modello base a (b) e il rumore (c). I risultati dimostrano che il modello viscoelastico KB2 è percepito come più umano come quello KB1 altro modello viscoelastico con tutti e tre i metodi di valutazione.

<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>

Nessun conflitto di interessi dichiarati.

Abbiamo presentato un nuovo protocollo per una scelta forzata, come test di Turing-stretta di mano somministrato tramite un semplice sistema di telerobotica. Questo protocollo è una piattaforma per confrontare i modelli stretta di mano artificiale, piuttosto che una piattaforma per la determinazione assoluta somiglianza umana. Questo protocollo è stato presentato in un paio di conferenze 2-5 Abbiamo mostrato che questo test è utile per trovare i parametri delle caratteristiche di movimento passivo che forniscono la maggior parte di tipo umano sentimento. Può essere utilizzato in ulteriori studi per sviluppare un modello per una stretta di mano, che sarà tanto simile a quella umana possibile. Ci si avvarrà di questa piattaforma nel primo Turing-stretta di mano come il torneo che si svolgerà nell&#39;estate 2011 [[ <a href="http://www.bgu.ac.il/~akarniel/HANDSHAKE/index.html">http://www.bgu.ac.il/ ~ akarniel / STRETTA DI MANO / index.html</a> ]], dove i modelli in gara saranno classificati per la loro somiglianza umana. Il modello finale dovrebbe probabilmente prendere in considerazione la non linearità e variabile nel tempo la natura umana di impedenza 21, adattamento reciproco con l&#39;interrogante e molti altri aspetti di una stretta di mano umana naturale che dovrebbe essere testato e classificato utilizzando questa scelta forzata, come test di Turing-stretta di mano. Il test proposto è unidimensionale ed eseguito tramite un&#39;interfaccia telerobotica, ed è quindi limitata: si nasconde molti aspetti della stretta di mano, come le informazioni tattili, temperatura, umidità, e le forze di afferrare. Tuttavia, in diversi studi di un&#39;interfaccia telerobotica è stato utilizzato per esplorare le strette di mano 6-11 e altre forme di uomo-uomo 12 interazione. Inoltre, in questa versione del test, non abbiamo considerato la durata della stretta di mano, l&#39;avvio e tempi di rilascio, la sua natura multi-dimensionale e le traiettorie mano prima e dopo il contatto fisico. Ci sono anche molti tipi di strette di mano a seconda del sesso e la cultura della persona 13-14 e, pertanto, non si può aspettare di generare una singola ottimale umano-come modello stretta di mano. Tuttavia, crediamo che la semplicità del test proposto è un vantaggio, almeno in questa fase preliminare dello studio. Una volta che le caratteristiche chiave di tale stretta di mano uno dimensionali sono adeguatamente caratterizzati possiamo passare a considerare queste limitazioni ed estendere il test di conseguenza. Va notato che un simile test di Turing stretta di mano potrebbe essere invertita, con il computer al posto della persona che ha chiesto circa l&#39;identità della controparte. In questo contesto, consideriamo la seguente ipotesi inversa stretta di mano: lo scopo di una stretta di mano è quello di sondare la mano scossa, secondo l&#39;ipotesi inversa stretta di mano, l&#39;algoritmo ottimale stretta di mano - nel senso che sarà indistinguibile da una stretta di mano umana - si meglio facilitare la discriminazione tra persone e macchine. In altre parole, il modello darà la migliore stretta di mano in modo tale che un classificatore opportunamente regolato può distinguere tra l&#39;uomo e strette di mano macchina. Se l&#39;ipotesi inversa stretta di mano è infatti corretto che produce una applicazione clinica per il nostro test: identificare deficit motori nelle persone affette da varie neurologico motore disturbi correlati, come la paralisi cerebrale (CP). Studi precedenti hanno mostrato differenze nei parametri cinematica tra pazienti in CP e soggetti sani durante l&#39;esecuzione di movimenti di raggiungere 15-16. Abbiamo recentemente dimostrato che le caratteristiche dei movimenti differiscono tra individui sani e soggetti con PCI, quando stringe la mano attraverso un sistema a 4 telerobotica. Questi risultati rafforzare la nostra pretesa che le persone con disabilità motore può essere distinto da persone sane, esaminando ed esplorare il movimento stretta di mano di ogni individuo. Si dovrebbe anche notare che il test viene fatto riferimento è un test percettivo e recenti studi distinguere tra percezione e azione 17-20. Studi futuri dovrebbero esaminare le tre versioni del test al fine di valutare con precisione la natura dell&#39;essere umano di tipo stretta di mano: (1) un test psicometrici della somiglianza percepita, (2) un test di comportamento motorio (test motormetric) che esplorerà il motore reazione del interrogatore che possono differire dal suo / sua somiglianza cognitivamente percepito; (3) un discriminatore finale ottimale che tenta di distinguere tra strette di mano uomo e macchina basata sulla forza e le traiettorie di posizione. In termini generali, possiamo affermare che la comprensione del sistema di controllo motore è una condizione necessaria per la comprensione della funzione del cervello, e che tale comprensione può essere dimostrata con la costruzione di un robot umanoide indistinguibile da un essere umano. Il presente studio si concentra sulle strette di mano tramite un sistema di telerobotica. Noi affermiamo che dalla classifica le ipotesi prevalente scientifiche circa la natura del controllo umano con il movimento della mano proposto come test di Turing-stretta di mano, abbiamodovrebbe essere in grado di estrarre le proprietà salienti del controllo motorio umano, o almeno le proprietà salienti richiesti per costruire un&#39;appendice artificiale è indistinguibile da un braccio umano.

<table><tbody><tr><td>Due robot desktop PHANTOM</td><td>SensAble, Geomagic</td><td></td><td>2 schede parallele&lt;br/&gt;Requisiti minimi di sistema: PC basati su Intel o AMD; Windows 2000/XP, 250 MB di spazio su disco</td></tr><tr><td>Driver 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>Codice sorgente 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>Prodotti 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>codici x3d</td><td></td><td></td><td></td></tr><tr><td>toolbox psignifit versione 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 dimensionale turing-like test stretta di mano per il motore di intelligence

One Dimensional Turing-Like Handshake Test for Motor Intelligence

Nel test di Turing, un modello al computer si ritiene che &quot;pensare in modo intelligente&quot;, se può generare risposte che non sono distinguibili da quelli di un essere umano. Tuttavia, questo test è limitata agli aspetti linguistici della macchina intelligente. Una funzione salienti del cervello è il controllo del movimento, e il movimento della mano umana è una dimostrazione sofisticata di questa funzione. Pertanto, proponiamo un test di Turing, come stretta di mano, per l&#39;intelligenza della macchina motore. Gestiamo il test attraverso un sistema telerobotica in cui è impegnata l&#39;interrogante in un compito di tenere uno stilo robotica e l&#39;interazione con un altro soggetto (umano o artificiale). Invece di chiedere l&#39;interrogatorio se l&#39;altra parte è una persona o un programma per computer, impieghiamo due metodo alternativo scelta obbligata e chiedere quale dei due sistemi è più simili all&#39;uomo. Abbiamo estratto un voto quantitativo per ogni modello in base alla sua somiglianza con il movimento stretta di mano umana e il nome &quot;modello umano somiglianza Grade&quot; (MHLG). Vi presentiamo tre metodi per stimare il MHLG. (I) Calcolando la percentuale di risposte soggetti &#39;che il modello è più umano-come quella umana, (ii) Mettendo a confronto due somme ponderata delle strette di mano umana e modello che forma una curva psicometrica ed estrarre il punto di eguaglianza soggettiva (PSE ), (iii) Mettendo a confronto un dato modello con una somma ponderata dei segnali umana e casuale, si forma una curva psicometrici per le risposte del interrogante ed estrarre il PSE per il peso della persona umana nella somma ponderata. Complessivamente, forniamo un protocollo per testare modelli computazionali della stretta di mano umana. Siamo convinti che la costruzione di un modello è un passo necessario per comprendere qualsiasi fenomeno e, in questo caso, nella comprensione dei meccanismi neurali responsabili della generazione della stretta di mano umana.

Vi presentiamo un simile test di Turing Handshake amministrato attraverso un sistema telerobotica in cui l&#39;interrogante è in possesso di uno stilo robotica e l&#39;interazione con un altro soggetto (umano o artificiale). Noi utilizziamo un metodo di scelta forzata, ed estrarre una misura per la somiglianza del modello artificiale di una stretta di mano umana.

Un dimensionale Turing-Like test stretta di mano per il motore di intelligence

Nel test di Turing, un modello informatico è considerato capace di "pensare intelligentemente" se è in grado di generare risposte che non siano distinguibili da quelle di un essere umano. ...

L'obiettivo generale di questa procedura è determinare quanto un modello informatico di stretta di mano si avvicini alla stretta di mano umana. Questo viene raggiunto presentando innanzitutto ai soggetti coppie di strette di mano, sia umane che generate al computer oppure una combinazione delle due, utilizzando un'interfaccia tele-robotica. Il secondo passaggio della procedura consiste nel chiedere a ciascun soggetto di scegliere, all'interno di ogni coppia, quale delle due strette di mano appaia più simile a quella umana.L'ultimo passaggio della procedura consiste nel calcolare, a partire dalle risposte del soggetto, il grado di somiglianza umana, per il modello di stretta di mano, il grado medio di somiglianza umana, o MHLG. In definitiva, si possono ottenere risultati che mostrano una distinzione significativa tra diversi modelli, MH G, utilizzando il test della stretta di mano simile al test di Turing. Il test di Turing è effettivamente limitato all'intelligenza verbale, dove scienziati e ingegneri hanno osservato un ampio divario tra intelligenza artificiale e naturale nell'aspetto del controllo motorio del comportamento motorio.Molti scienziati hanno riflettuto su questa versione motoria del test della passeggiata, ma solo di recente dispositivi robotici guidabili e autonomi sono stati adottati nei laboratori di ricerca, facilitando l'implementazione di un protocollo semplice e riproducibile per un test di stretta di mano simile alla passeggiata. Questo metodo può aiutare a rispondere a domande fondamentali nel campo dell'interazione uomo-robot, come ad esempio quali siano le caratteristiche principali dei movimenti del braccio umano che forniscono un'esperienza tattile naturalmente umana. Le implicazioni di questa tecnica si estendono alla diagnosi di alterazioni motorie come la paralisi cerebrale.Il passo successivo consiste nel costruire un dispositivo diagnostico robotico in grado di distinguere una stretta di mano umana sana da una compromessa. Una dimostrazione visiva di questo metodo è fondamentale, poiché il movimento della stretta di mano attraverso il sistema tele-robotico non è naturale e richiede tempo ed esercizio per imparare a gestire e interagire con il robot. Seguendo il concetto originale del classico test di Turing, gli esperimenti sulla stretta di mano prevedono tre entità: un essere umano, un computer e un interrogatore.L'interrogatore e l'essere umano sono seduti nella stessa stanza, ma separati da uno schermo, in modo che l'interrogatore non possa vedere se a generare la stretta di mano sia il computer o l'essere umano. Le strette di mano non sono dirette, ma vengono effettuate attraverso un'interfaccia meccanica tele-robotica composta da due robot desktop Phantom nel caso di una stretta di mano tra esseri umani, e da un robot Phantom e un software nel caso di una stretta di mano informatica. Quando la parola "stretta di mano" appare sullo schermo del computer, l'interrogatore e l'essere umano eseguono immediatamente movimenti di stretta di mano spostando lo stilo dell'interfaccia tele-robotica nella direzione verticale.Il compito dell'interrogatore consiste nel confrontare due strette di mano e selezionare quella che appare più umana premendo il tasto Home o F1 per scegliere la prima stretta di mano oppure premendo il tasto End o F2 per scegliere la seconda. I tre protocolli sperimentali illustrati in questo video differiscono tra loro per la composizione delle strette di mano che vengono confrontate. Il primo protocollo è il protocollo del test di Turing puro, con scelte tra una stretta di mano umana e una stretta di mano generata dal computer.Il secondo protocollo include strette di mano che sono composizioni variabili di forze generate dall'uomo e forze generate dal computer. Il terzo protocollo include strette di mano che sono combinazioni variabili di una stretta di mano generata dall'uomo e rumore, oppure forze puramente generate dal computer. Durante l'esperimento, un file casuale viene creato automaticamente al prompt inserire un nome per il file casuale.Se il file esiste già, il sistema utilizza il file esistente. In caso contrario, il sistema genera automaticamente un nuovo file casuale con il nome specificato. Il file casuale definisce l'ordine in cui si verificano le diverse connessioni.Il protocollo puro inizia con 12 prove di pratica, ciascuna composta da due strette di mano, durante le quali l'essere umano e l'interrogatore si stringono la mano 24 volte attraverso il sistema tele-robotico. L'interrogatore sa che in questa fase si sta stringendo la mano con un essere umano. Lo scopo di queste prove di pratica è familiarizzare i partecipanti con l'interfaccia tele-robotica.Dopo il turno di prova, viene eseguito un blocco di quattro prove, ciascuna composta da un singolo tentativo. Una stretta di mano umana viene confrontata con una delle quattro strette di mano generate da modelli informatici in un ordine casuale, come mostrato in questo esempio. Ad esempio, nella prima prova del primo blocco, l'interrogatore stringe la mano due volte.La prima stretta di mano è generata dall'essere umano e la seconda stretta di mano è generata dal computer utilizzando le forze dettate dal modello tre. L'interrogatore sceglie quindi tra la stretta di mano numero uno e la stretta di mano numero due per decidere quale delle due è più simile a quella umana. Ad esempio, se l'interrogatore seleziona la stretta di mano numero uno come più umana, significa che ha scelto la stretta di mano prodotta dall'essere umano.Tuttavia, all'interrogatore non viene detto se ha identificato correttamente la stretta di mano umana nel successivo tentativo. La prima stretta di mano dell'interrogatore avviene con il modello generato dal computer numero due, e la seconda stretta di mano avviene con l'essere umano. L'interrogatore seleziona nuovamente la stretta di mano più simile a quella umana.Vengono effettuate altre due prove in modo analogo. Per testare i due modelli rimanenti, il modello uno e il modello quattro vengono confrontati con la stretta di mano umana. Questo completa un blocco di prove.L'esperimento è composto da 11 blocchi di quattro prove ciascuno, con le quattro strette di mano modello presentate in ordine casuale in ogni blocco. Il blocco iniziale è un blocco di pratica e l'analisi viene effettuata sui restanti 10 blocchi. Dopo aver completato i 10 blocchi dell'esperimento, ciascuno dei quattro modelli di stretta di mano è stato testato 10 volte contro una stretta di mano umana.Al termine dei 11 blocchi sperimentali, viene calcolato un punteggio di somiglianza umana per ciascuno dei quattro modelli testati. L'analisi viene effettuata calcolando la proporzione di strette di mano in cui il soggetto afferma che la stretta di mano del modello è più simile a quella umana rispetto alla stretta di mano reale. Ad esempio, se l'interrogatore sceglie la stretta di mano del modello invece di quella umana in due casi su dieci, la proporzione modello/umano sarà 0,2; moltiplicare questa proporzione per due al fine di ottenere il punteggio di somiglianza umana del modello.Per ogni modello in cui la proporzione è di 0,2, il grado di somiglianza umana del modello sarebbe 0,4. Se il modello tre fosse stato selezionato come più simile a un essere umano in quattro delle dieci prove, allora la sua proporzione sarebbe 0,4 e il suo grado di somiglianza umana del modello sarebbe 0,8. Se un modello è indistinguibile da un essere umano, la proporzione calcolata sarebbe 0,5 e il grado di somiglianza umana del modello sarebbe 1.Se un modello è chiaramente non umano, come il suo modello, il grado di somiglianza umana sarebbe zero. Il MHLG è limitato a uno. In questo protocollo, le strette di mano generate sono distinte dal modello della parte umana, dove la combinazione specifica varia tra prove su una scala che va da una stretta di mano completamente generata al computer a una stretta di mano completamente umana.Pertanto, questo insieme di esperimenti è definito test del modello umano pesato. Il protocollo inizia con un blocco di pratica per aiutare l'interrogatore ad apprendere il riconoscimento di una stretta di mano puramente umana e a familiarizzare con l'apparato. Di conseguenza, il blocco di pratica prevede 30 prove che confrontano una stretta di mano puramente umana con una generata dal computer.Al termine di ogni prova, l'interrogatore sceglie quale delle due strette di mano era più simile a quella umana. Se l'interrogatore identifica correttamente la stretta di mano umana, sullo schermo appare la scritta corretto. Se l'interrogatore non sceglie la stretta di mano corretta, appare un messaggio di errore e l'interrogatore ha la possibilità di ripetere l'ultima prova di pratica.Dopo il blocco di pratica, l'interrogatore inizia una serie di prove per valutare due strette di mano. Le due strette di mano sono una stretta di mano stimolo e una stretta di mano di riferimento, ciascuna delle quali è una combinazione di forze umane e del modello. Nella stretta di mano di riferimento, la stretta percepita dall'interrogatore è una miscela equilibrata delle forze generate dall'essere umano e da un modello generato al computer.In altre parole, mentre il partecipante umano compie un movimento di stretta di mano, tale stretta costituisce solo il 50% della forza percepita dall'interrogatore, mentre la restante metà della forza proviene da un modello presente nella stretta di mano stimolo; la stretta percepita dall'interrogatore è quindi una miscela variabile delle forze generate dall'essere umano e da un modello generato al computer. In alcune delle strette di mano stimolo, la frazione fornita dall'essere umano è superiore alla metà, e quindi maggiore rispetto alla stretta di mano di riferimento. In altre strette di mano stimolo, la frazione fornita dall'essere umano è inferiore alla metà e quindi minore rispetto alla stretta di mano di riferimento.Al termine di ogni prova, all'interrogatore viene chiesto di scegliere la stretta di mano che è sembrata più simile a quella umana. Questo esperimento confronta tre modelli, due modelli sperimentali e un modello di base. Come nel protocollo puro, questo protocollo inizia con un blocco non analizzato seguito da 10 blocchi sperimentali.Ogni blocco sperimentale consiste in 24 prove, comprendenti ciascuna delle otto combinazioni lineari di modello e essere umano per ciascuna delle tre combinazioni di modelli. Al termine dei 10 blocchi sperimentali, una funzione psicometrica logistica viene adattata alle risposte dell'interrogatore. Come descritto nell'articolo associato, la curva risultante mostra la probabilità che l'interrogatore risponda in un determinato modo.Per rispondere a ciò, una stretta di mano stimolata è più simile a quella umana rispetto alla stretta di mano di riferimento. In funzione della differenza tra lo stimolo alfa e il riferimento alfa, il punto di uguaglianza soggettiva (PSE) viene estratto dal livello di soglia 0,5 della curva psicometrica, che indica la differenza tra lo stimolo alfa e il riferimento alfa per cui le strette di mano sono percepite come ugualmente simili a quelle umane nel modello. Il grado di somiglianza umana per il protocollo del modello umano pesato viene calcolato sottraendo il PSE da 0,5: i modelli percepiti come minimamente o massimamente simili a quelli umani producono valori del grado di somiglianza umana pari a zero o uno, rispettivamente. Il protocollo finale confronta una stretta di mano del modello con una stretta di mano parzialmente umana e parzialmente composta da rumore casuale.In questo protocollo, la stretta di mano stimolo è una stretta di mano generata al computer basata su un modello. L'altra stretta di mano, la stretta di mano di riferimento, è una forza ottenuta da varie combinazioni della stretta di mano umana e di rumore bianco, con una forza assoluta massima di due N filtrata mediante un filtro passa-basso di Butterworth di ordine cinque a una frequenza massima di due su pi greco. Al termine di ogni prova, all'interrogante viene richiesto di scegliere la stretta di mano che è sembrata più simile a quella umana.Il protocollo ha una struttura simile a quella del precedente test sul modello umano pesato. Dopo un turno di prova e un blocco non analizzato, viene eseguita una serie di 10 blocchi sperimentali come segue. Il PSE viene estratto dalla curva psicometrica come in precedenza e definisce il grado di somiglianza umana del modello per il protocollo con aggiunta di rumore.Questa figura mostra i risultati del protocollo puro e confronta le strette di mano umane con due diverse strette di mano modellizzate. I due punti indicano i valori calcolati del grado di somiglianza umana per due modelli viscoelastici denominati KB uno e KB due. I risultati dimostrano che il modello KB due è percepito come più simile all'uomo rispetto al modello KB uno.Questa figura mostra i risultati del protocollo umano del modello pesato, che ha confrontato un rapporto variabile di strette di mano del modello umano con un rapporto fisso 50 a 50 di strette di mano del modello umano. I marcatori neri rappresentano i punteggi di somiglianza umana dei modelli testati, mentre i marcatori grigi rappresentano quelli del modello di base. Le barre di errore rappresentano le curve psicometriche e gli intervalli di confidenza.Questa figura mostra i risultati del protocollo con rumore aggiunto, che confronta una stretta di mano modello con una stretta di mano con rapporto variabile tra componenti umani e rumore. I marcatori neri rappresentano i punteggi di somiglianza umana del modello, mentre i marcatori grigi rappresentano quelli del rumore. Le barre di errore rappresentano gli intervalli di confidenza della curva psicometrica.Questi risultati dimostrano che il modello viscoelastico KB due è percepito come più simile a un essere umano rispetto al modello viscoelastico KB uno, utilizzando tutti e tre i metodi di valutazione. Durante l'esecuzione di questa procedura, è importante ricordare di interagire correttamente con il dispositivo robotico e cercare di rendere l'interazione il più fluida possibile. Seguendo questo protocollo, è possibile applicare altri metodi, come test volti al riconoscimento delle strette di mano nei disturbi pervasivi dello sviluppo, al fine di rispondere ad ulteriori domande, ad esempio: in che modo i disturbi pervasivi dello sviluppo influenzano la capacità di distinguere gesti umani da quelli non umani? Ora, dopo il suo sviluppo, questa tecnica potrebbe aprire la strada all'uso della stretta di mano come strumento di riconoscimento.Ipotesi che lo scopo del saluto con la mano sia quello di apprendere qualcosa sull'altra persona. Pertanto, la metodologia che proponiamo per lo sviluppo di una stretta di mano simile a quella umana può anche facilitare lo sviluppo di un sistema di classificazione delle strette di mano, in grado di estrarre informazioni sull'altra persona a partire dal suo modo di stringere la mano. Dopo aver visto questo video, si dovrebbe avere una buona comprensione di come eseguire il test della stretta di mano unidimensionale e di come valuteremo i modelli di stretta di mano presentati al primo torneo internazionale del test della stretta di mano unidimensionale.

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

Research

Ricerca

JoVE Journal

Neuroscience

Neuroscienze

Come manualità è una prerogativa soprattutto dei primati, i compiti comportamentali sono stati sviluppati in macachi. Quattro raggiungere e afferrare i compiti prensione, che misura la capacità di manipolazione mano e la forza, permettono di stabilire il recupero funzionale dopo una lesione del sistema nervoso centrale e per testare l'effetto di un trattamento.

La valutazione del comportamento di destrezza manuale in primati non umani

Questo video mostra il test delle scale per valutare la funzione motoria in un ratto emiparkinsoniano con una lesione cerebrale destra. La lesione interrompe la segnalazione della dopamina, compromettendo il controllo della zampa sinistra, il che si traduce in più pellet che rimangono sulle scale sinistre, indicando una disfunzione motoria.

Test delle scale per la valutazione della funzione motoria in un ratto emiparkinsoniano

Descriviamo un'impostazione basata romanzo di realtà virtuale che sfrutta il controllo volontario di una mano per migliorare le prestazioni del motore-abilità in altra mano (non qualificato). Ciò si ottiene fornendo feedback sensoriale basato sul movimento in tempo reale, come se la mano non addestrato è in movimento. Questo nuovo approccio può essere utilizzato per migliorare la riabilitazione di pazienti con emiparesi unilaterale.

Utilizzo di realtà virtuale per trasferire conoscenza motoria da un lato a altro

Questo manoscritto descrive un'attività semi-automatizzata che quantifica la supinazione in ratti. Ratti raggiungono, afferrare e supinazione un manipulandum sferica. Il ratto è stato premiato con un pellet se l'angolo di turno supera un criterio impostato dall'utente. Questa operazione aumenta il throughput, sensibilità alle lesioni e oggettività rispetto ai compiti tradizionali.

L'attività di supinazione manopola: Un metodo semi-automatico per la valutazione della funzione degli arti anteriori in ratti

Introduciamo il piede-stepping compito seriale tempo di reazione (SRT). Questo per volta attività SRT, integrando la SRT classica compito che coinvolge solo il dito-premendo movimento, meglio approssima attività quotidiane sequenziata e permette ai ricercatori di studiare i processi dinamici sottostante misure di risposta discreti e districare il processo esplicito di funzionamento nell'apprendimento di sequenza impliciti.

Il "motore" a motore implicito sequenza di apprendimento: una reazione seriale un passo piede volta compito

Qui presentiamo un protocollo che caratterizza il senso dell'Agenzia ha sviluppato per il controllo delle protesi virtuale o robotizzato sensate di mano. Questionari psico-fisico sono impiegati per catturare l'esperienza esplicita dell'Agenzia, e le stime di intervallo di tempo (associazione intenzionale) sono impiegate per misurare in modo implicito il senso dell'Agenzia.

Caratterizzazione del senso dell'Agenzia sulle azioni della protesi operati interfaccia neurale-macchina

Questo protocollo offre una digitalizzazione di porzioni di compiti clinici tradizionali comunemente utilizzati per misurare la cognizione e il controllo motorio nella malattia di Parkinson. I compiti clinici sono digitalizzati mentre i ritmi biofisici sono co-registrati da diversi livelli funzionali del sistema nervoso, che vanno da volontari, spontanei, automatici a autonomici.

Biomarcatori digitali dinamici della funzione motoria e cognitiva nella malattia di Parkinson

Lo scopo di questo studio è fornire un importante riferimento per il funzionamento clinico standard dell'interfaccia cervello-computer (MI-BCI) per la disfunzione motoria degli arti superiori dopo l'ictus.

Interfaccia cervello-computer nella riabilitazione della disfunzione motoria dell'arto superiore dopo l'ictus

L'immaginazione motoria in un ambiente di realtà virtuale ha ampie applicazioni nei sistemi di interfaccia cervello-computer. Questo manoscritto delinea l'uso di avatar digitali personalizzati che assomigliano ai partecipanti che eseguono movimenti immaginati dal partecipante in un ambiente di realtà virtuale per migliorare l'immersione e il senso di proprietà del corpo.

Prestazioni delle immagini motorie attraverso gemelli digitali incorporati in un ambiente di interfaccia cervello-computer abilitato alla realtà virtuale

Negli animali con grandi neuroni identificati...

Extracellulare Identificazione neuroni motori per un pool di motore muscolare in<em&gt; Aplysia californica</em

Scopri il test Turing-like per la stretta di mano utilizzando un sistema telerobotico per valutare la somiglianza tra modelli artificiali e umani. Questo metodo aiuta a distinguere le interazioni naturali da quelle robotiche.

Un dimensionale Turing-Like test stretta di mano per il motore di intelligence

Esplora altri video