Jednowymiarowy test uścisku dłoni podobny do Turinga dla inteligencji motorycznej

Podsumowanie

Prezentujemy podobny do Turinga test uścisku dłoni przeprowadzany przez system telerobotyczny, w którym przesłuchujący trzyma robotyczny rysik i wchodzi w interakcję z inną stroną (ludzką lub sztuczną). Używamy metody wymuszonego wyboru i wyodrębniamy miarę podobieństwa sztucznego modelu do ludzkiego uścisku dłoni.

Streszczenie

W teście Turinga, model komputerowy jest uważany za "myślący inteligentnie", jeśli może generować odpowiedzi, które nie są odróżnialne od odpowiedzi człowieka. Test ten jest jednak ograniczony do lingwistycznych aspektów inteligencji maszynowej. Istotną funkcją mózgu jest kontrola ruchu, a ruch ludzkiej ręki jest wyrafinowaną demonstracją tej funkcji. Dlatego proponujemy test uścisku dłoni podobny do testu Turinga dla inteligencji motorycznej maszyny. Test przeprowadzamy za pomocą systemu telerobotycznego, w którym przesłuchujący jest zaangażowany w zadanie trzymania robota rysika i interakcji z drugą stroną (ludzką lub sztuczną). Zamiast pytać przesłuchującego, czy druga strona jest osobą, czy programem komputerowym, stosujemy metodę wymuszonego wyboru dwóch alternatyw i pytamy, który z dwóch systemów jest bardziej podobny do człowieka. Wyodrębniamy ocenę ilościową dla każdego modelu zgodnie z jego podobieństwem do ludzkiego ruchu uścisku dłoni i nazywamy go "Modelową oceną podobieństwa do człowieka" (MHLG). Przedstawiamy trzy metody szacowania MHLG. (i) Obliczając proporcję odpowiedzi badanych, że model jest bardziej podobny do człowieka niż człowiek; (ii) Porównując dwie ważone sumy uścisków dłoni u ludzi i modeli, dopasowujemy krzywą psychometryczną i wyodrębniamy punkt subiektywnej równości (PSE); (iii) Porównując dany model z ważoną sumą sygnałów ludzkich i losowych, dopasowujemy krzywą psychometryczną do odpowiedzi pytającego i wyodrębniamy PSE dla wagi człowieka w sumie ważonej. W sumie dostarczamy protokół do testowania modeli obliczeniowych ludzkiego uścisku dłoni. Wierzymy, że zbudowanie modelu jest niezbędnym krokiem w zrozumieniu każdego zjawiska, a w tym przypadku w zrozumieniu mechanizmów neuronalnych odpowiedzialnych za generowanie ludzkiego uścisku dłoni.

Protokół

1. Przygotowanie systemu

1. Wymagania sprzętowe:
   • Dwa roboty biurkowe PHANTOM firmy SensAble Technologies, Inc.
   • 2 karty równoległe.
   • Minimalne wymagania systemowe: komputery z procesorem Intel lub AMD; Windows 2000/XP, 250 MB miejsca na dysku.
2. Wymagania programowe:
   • Sterownik-
     Pobierz sterowniki ze strony internetowej SensAble technologies http://www.sensable.com zgodnie z systemem operacyjnym komputera.
   • H3DAPI-
     Pobierz kod źródłowy H3DAPI i zainstaluj zgodnie z instrukcjami wyświetlanymi w sekcji przewodnika instalacji w http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation
     Zaktualizowaliśmy kod, aby pasował do naszych wymagań, które nie zostały spełnione w istniejącym kodzie. Zaktualizowane pliki można pobrać ze strony turnieju uzgadniania http://www.bgu.ac.il/~akarniel/HANDSHAKE//index.html
     Każdy plik należy umieścić w odpowiednim folderze, zgodnie z opisem na stronie internetowej powyżej.
     Po wprowadzeniu zmian pobierz narzędzie CMake i skompiluj kod. Instrukcje kompilacji można znaleźć w http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation
   • X3D i Python
     • Pobierz Pythona 2.5 z http://www.python.org/download/releases/2.5.5/
     • Pobierz kody Python i x3d ze strony uzgadniania i umieść pliki kodu w dedykowanym katalogu, na przykład: "C:\codeDirectory"
     • Każdy model siły uzgadniania powinien być zapisany w osobnym pliku Pythona. Na rysunku 1 przedstawiono przykład modelu siły sprężyny.
   • Zestaw narzędzi psignifit w wersji 2.5.6 dla Matlaba, dostępny pod adresem http://www.bootstrap-software.org/psignifit/

Rysunek 1. Wymuś funkcję w Pythonie. Przykład modelu siły sprężyny dla uścisku dłoni

2. Protokół eksperymentalny

• Otwórz okno poleceń i przejdź do katalogu kodu python i x3d, wpisując: cd C:\codeDirectory.
• Utwórz folder z nazwami tematów w folderze C:\codesDirectory.
• W celu przeprowadzenia eksperymentu wpisz: h3dload code_name.x3d.
• Utwórz nowy losowy plik, wpisując: random_file_name.txt. Plik losowy określa kolejność, w jakiej pojawiają się różne uściski dłoni.
• Wprowadź nazwy tematów dokładnie tak, jak w wcześniej utworzonym folderze.
• Zgodnie z pierwotną koncepcją klasycznego testu Turinga, każdy eksperyment składa się z 3 jednostek: człowieka, komputera i przesłuchującego. Dwie osoby badane (człowiek i przesłuchujący) trzymają rysik jednego urządzenia dotykowego Phantom i generują ruchy uścisku dłoni. Są proszeni o postępowanie zgodnie z instrukcjami, które pojawiają się na ekranie (np.: "naciśnij Page Up, aby wykonać pierwszy uścisk dłoni"), aby zastosować siły uścisku dłoni. We wszystkich poniższych metodach każda próba składa się z 2 uścisków dłoni, a badani są zobowiązani do porównania między nimi. Komputer jest symulowanym modelem uścisku dłoni, który generuje sygnał siły w funkcji czasu oraz jednowymiarowej pozycji ręki i jej pochodnych.
  (1)_{Model F}(t) = Φ[x(t),t] 0 ≤ t ≤ T
  F[x,t] oznacza dowolny operator przyczynowy, np. nieliniowy, zmienny w czasie mechaniczny model jednowymiarowego ruchu rysika, a T to czas trwania uścisku dłoni. W obecnym badaniu T=5 sekund.

1. Przeprowadzenie "czystego" testu i obliczenie modelowej oceny podobieństwa do człowieka MHLG_p
   Eksperyment rozpoczyna się od 12 prób praktycznych, w których wszystkie uściski dłoni (n = 24) są ludzkie, tak że badani po prostu podają sobie ręce za pośrednictwem systemu telerobotycznego. Celem tych prób praktycznych jest umożliwienie uczestnikom zapoznania się z ludzkim uściskiem dłoni w systemie.
   W eksperymencie porównujemy cztery modele komputerowe. Każdy blok eksperymentalny składa się z 4 prób, w których porównujemy 4 testowane modele do ludzkiego uścisku dłoni. Jeden z uścisków dłoni w każdej próbie to interakcja z siłą wygenerowaną przez jeden z czterech modeli (komputer), a drugi z człowiekiem (drugi badany). W związku z tym podmioty funkcjonują zarówno jako ludzie, jak i przesłuchujący. Kolejność prób w każdym bloku jest losowa i z góry ustalona. Każdy eksperyment składa się z 10 bloków, tak że każdy uścisk dłoni komputera jest powtarzany 10 razy. Początkowy, nieanalizowany blok jest dodawany w celu ogólnego zapoznania się z systemem i zadaniem.
   Dla każdego modelu obliczana jest proporcja uścisków dłoni, w których badany wybiera uścisk dłoni modelu zamiast uścisku dłoni człowieka, ponieważ jest on bardziej podobny do człowieka, aby uzyskać wartość 0,5, gdy model jest nie do odróżnienia od człowieka. Mnożymy tę wartość przez dwa, aby uzyskać_{MHLG p}, tak że MHLG=0 jest wyraźnie niepodobne do ludzkiego, a MHLG=1 oznacza, że badany uścisk dłoni jest nie do odróżnienia od uścisku dłoni człowieka.
2. Przeprowadzenie testu "ważony człowiek-model" i obliczenie stopnia podobieństwa do człowieka MHLG_w
   W tym protokole jest tylko jeden podmiot przesłuchujący. Drugi podmiot funkcjonuje jako istota ludzka w uściskach dłoni.
   Eksperyment rozpoczyna się od 30 prób praktycznych, w których przesłuchujący doświadcza jednego uścisku dłoni człowieka i jednego uścisku dłoni komputera w każdej próbie. Pod koniec próby są proszeni o wybranie, który z 2 uścisków dłoni był ludzkim uściskiem dłoni. Jeśli im się to uda, na ekranie pojawi się komunikat "Poprawnie!", a jeśli nie wybrali właściwego uścisku dłoni, pojawi się komunikat "Nietak!".
   Po bloku ćwiczeniowym eksperyment jest przeprowadzany w następujący sposób: Próba składa się z dwóch uścisków dłoni. W jednym z uścisków dłoni - bodźcu - przesłuchujący oddziałuje z kombinacją sił, która pochodzi od człowieka i komputerowego modelu uścisku dłoni.
   (2) F =_bodziec α• F_człowiek + (_bodziec 1-α)•_{Bodziec FModel}
   α_{bodziec rozkłada} się równomiernie od 0 do 1, np.:
   α_bodziec = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1}
   Drugi uścisk dłoni - odniesienie - to stała kombinacja sił generowanych przez człowieka i model referencyjny:
   (3) F =_{α odniesienie}• F_człowiek + (_{1-α odniesienie})•_{F odniesienieModel} ; α_odniesienie=0.5
   Pod koniec każdej próby przesłuchujący jest proszony o wybranie uścisku dłoni, który wydaje się bardziej podobny do ludzkiego.
   W każdym eksperymencie porównujemy dwa modele testowe i jeden model podstawowy.
   Każdy blok eksperymentalny składa się z 24 prób obejmujących każdą z liniowych kombinacji bodźca i człowieka (równanie 2) dla każdej z 3 kombinacji modeli:
   
   Kolejność prób w każdym bloku jest losowa i z góry ustalona. Każdy eksperyment składa się z 10 bloków, tak aby każda kombinacja była powtarzana 10 razy. Początkowy, nieanalizowany blok jest dodawany w celu ogólnego zapoznania się z systemem i zadaniem.
   Dopasowujemy logistyczną funkcję psychometryczną¹ do odpowiedzi pytającego, korzystając z zestawu narzędzi psignifit w wersji 2.5.6 dla Matlaba, dostępnego pod adresem http://www.bootstrap-software.org/psignifit/ , z metodą ograniczonego maksymalnego prawdopodobieństwa do oszacowania parametrów i znajdujemy przedziały ufności za pomocą metody bootstrap z korekcją błędu systematycznego i przyspieszonym (BCa). Krzywa przedstawia prawdopodobieństwo, że pytający odpowie, że uścisk dłoni w postaci bodźca jest bardziej podobny do ludzkiego, w funkcji_bodźca α_{- α odniesienie}. Punkt subiektywnej równości (PSE) jest wyodrębniany z poziomu progowego 0,5 krzywej psychometrycznej, co wskazuje na różnicę między_bodźcem α a_odniesieniem, α którym uściski dłoni są postrzegane jako równie ludzkie. PSE służy do obliczania MHLG_w według:
   (4) MHLG_w =0,5-PSE
   Model, który jest postrzegany jako równie podobny do ludzkiego jak model referencyjny, daje wartość MHLG_{w 0,5}. Modele, które są postrzegane jako najmniej lub najbardziej podobne do człowieka, dają wartości MHLG_w wynoszące odpowiednio 0 lub 1.
3. Przeprowadzenie testu "dodatkowego hałasu" i obliczenie klasy modelowego podobieństwa do człowieka MHLG_n
   Podobnie jak w teście ważonym model-człowiek, badany jest tylko jeden przesłuchujący. Drugi podmiot funkcjonuje jako istota ludzka w uściskach dłoni. Blok ćwiczeń jest również taki sam jak w poprzedniej metodzie.
   Po ćwiczeniu, w jednym z 2 uścisków dłoni - bodźca - przesłuchujący wchodzi w interakcję z komputerowym modelem uścisku dłoni.
   Drugi uścisk dłoni - odniesienie - to siła generowana z połączenia ludzkiego i białego szumu o zakresie częstotliwości filtrowanym zgodnie z częstotliwościami, które pojawiają się w ludzkim uścisku dłoni.
   (5) F = α • F_człowiek + (1-α)•_{F hałas};
   α jest równomiernie rozłożone od 0 do 1, np.:
   α = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1}
   Na koniec każdej próby przesłuchujący jest proszony o wybranie uścisku dłoni, który wydaje się bardziej podobny do ludzkiego.
   Eksperyment jest zbudowany w taki sam sposób, w jaki zbudowany jest ważony test model-człowiek, o którym mowa powyżej. Jednakże, podczas gdy kalibracja w ważonym teście modelu ludzkiego jest wykonywana poprzez porównanie różnych kombinacji modelu podstawowego z ustaloną kombinacją samego siebie, w tym eksperymencie model podstawowy jest zastępowany przez szum.
   PSE jest wyodrębniany z krzywej psychometrycznej i definiuje MHLG_n
   (6) MHLG_n = 1-PSE
   Modele, które są postrzegane jako najmniej lub najbardziej podobne do człowieka, dają wartości_{MHLG n} wynoszące odpowiednio 0 lub 1.

3. Reprezentatywne wyniki:

Rysunek 2 pokazuje wyniki jednego przedmiotu dla każdej z 3 metod. Testowane modele we wszystkich trzech eksperymentach to 2 modele lepkosprężyste – KB1: sprężyna K=50 N/m, amortyzator B=2 Ns/m; KB2: sprężyna K=20 N/m, amortyzator B=1,3 Ns/m. W ważonym teście model-człowiek, MHLG_w jest oceniane poprzez porównanie każdego z badanych modeli z elastycznym modelem bazowym K=50 N/m.

Rysunek 2. Wartości MHLG dwóch modeli lepkosprężystych zgodnie z "czystym" protokołem badania (a), "protokołem model ważony-człowiek" (b) i protokołem "dodanego hałasu" (c). Słupki błędów w (b) i (c) reprezentują przedziały ufności krzywych psychometrycznych. Czarne słupki reprezentują stopnie MHLG dla modeli, a szare paski reprezentują stopnie modelu podstawowego w (b) i szum w (c).

Wyniki pokazują, że model lepkosprężysty KB2 jest postrzegany jako bardziej ludzki niż inny model lepkosprężysty KB1 przy użyciu wszystkich trzech metod oceny.

Dyskusja

Zaprezentowaliśmy nowy protokół dla wymuszonego testu uścisku dłoni podobnego do Turinga, przeprowadzanego za pomocą prostego systemu telerobotycznego. Protokół ten jest platformą do porównywania modeli sztucznego uścisku dłoni, a nie platformą do określania absolutnego podobieństwa do człowieka. Protokół ten został zaprezentowany na kilku konferencjach^2-5

Wykazaliśmy tutaj, że test ten jest pomocny w znalezieniu parametrów pasywnych cech ruchu, które zapewniają najbardziej ludzkie odczucia. Może być wykorzystany w dalszych badaniach w celu opracowania modelu uścisku dłoni, który będzie jak najbardziej podobny do ludzkiego. Wykorzystamy tę platformę w pierwszym turnieju uścisku dłoni podobnym do Turinga, który odbędzie się latem 2011 roku [[http://www.bgu.ac.il/~akarniel/HANDSHAKE/index.html]], gdzie rywalizujące modele będą oceniane pod kątem ich ludzkiego podobieństwa. Ostateczny model powinien prawdopodobnie uwzględniać nieliniowość i zmienną w czasie naturę ludzkiej impedancji²¹, wzajemną adaptację z przesłuchującym i wiele innych aspektów naturalnego ludzkiego uścisku dłoni, które powinny być testowane i klasyfikowane za pomocą tego wymuszonego wyboru testu uścisku dłoni Turinga.

Proponowany test jest jednowymiarowy i wykonywany za pośrednictwem interfejsu telerobotycznego, a zatem jest ograniczony: ukrywa wiele aspektów uścisku dłoni, takich jak informacje dotykowe, temperatura, wilgotność i siły chwytania. Niemniej jednak w kilku badaniach wykorzystano interfejs telerobotyczny do zbadania uścisków dłoni^6-11i innych form interakcji człowiek-człowiek¹². Ponadto w tej wersji testu nie wzięliśmy pod uwagę czasu trwania uścisku dłoni, czasu inicjacji i zwolnienia, jego wielowymiarowej natury oraz trajektorii dłoni przed i po kontakcie fizycznym. Istnieje również wiele rodzajów uścisków dłoni w zależności od płci i kultury osoby w^{wieku 13-14} lat, dlatego nie można oczekiwać, że wygenerujesz jeden optymalny model uścisku dłoni podobny do ludzkiego. Niemniej jednak uważamy, że prostota proponowanego testu jest zaletą, przynajmniej na tym wstępnym etapie badania. Gdy kluczowe cechy takiego jednowymiarowego uścisku dłoni zostaną odpowiednio scharakteryzowane, możemy przejść do rozważenia tych ograniczeń i odpowiednio rozszerzyć test.

Należy zauważyć, że test uścisku dłoni podobny do testu Turinga może być odwrócony, z komputerem zamiast osoby pytanej o tożsamość drugiej strony. W tym kontekście rozważamy następującą hipotezę odwróconego uścisku dłoni: celem uścisku dłoni jest zbadanie uściskanej dłoni; Zgodnie z hipotezą odwróconego uścisku dłoni, optymalny algorytm uścisku dłoni - w tym sensie, że będzie nie do odróżnienia od ludzkiego uścisku dłoni - najlepiej ułatwi rozróżnienie między ludźmi a maszynami. Innymi słowy, model zapewni najlepszy uścisk dłoni, tak aby odpowiednio dostrojony klasyfikator mógł odróżnić uściski dłoni człowieka od maszyny.

Jeśli hipoteza odwróconego uścisku dłoni jest rzeczywiście prawdziwa, daje to kliniczne zastosowanie dla naszego testu: identyfikacji zaburzeń motorycznych u osób cierpiących na różne zaburzenia neurologiczne związane z motoryką, takie jak porażenie mózgowe (CP). Wcześniejsze badania wykazały różnice w parametrach kinematycznych między pacjentami z MPD a osobami zdrowymi podczas wykonywania ruchów dosięgniętych^15-16. Niedawno wykazaliśmy, że charakterystyka ruchów różni się między osobami zdrowymi a osobami z MPD podczas uścisku dłoni za pomocą systemu telerobotycznego⁴. Wyniki te wzmacniają nasze twierdzenie, że osoby z upośledzeniem ruchowym można odróżnić od osób zdrowych, badając i badając ruch uścisku dłoni każdej osoby. Należy również zauważyć, że omawiany tutaj test jest testem percepcyjnym, a ostatnie badania rozróżniają percepcję i działanie^17-20. Przyszłe badania powinny zbadać trzy wersje testu, aby dokładnie ocenić naturę uścisku dłoni podobnego do ludzkiego: (1) test psychometryczny postrzeganego podobieństwa; (2) test zachowania motorycznego (test motoryczny), który zbada reakcję motoryczną przesłuchującego, która może różnić się od jego/jej poznawczego postrzeganego podobieństwa; (3) Ostateczny optymalny dyskryminator, który próbuje odróżnić uściski dłoni człowieka od maszyny na podstawie trajektorii siły i pozycji.

Ogólnie rzecz biorąc, twierdzimy, że zrozumienie systemu kontroli motorycznej jest warunkiem koniecznym do zrozumienia funkcji mózgu i że takie zrozumienie można wykazać poprzez zbudowanie humanoidalnego robota nieodróżnialnego od człowieka. Obecne badanie koncentruje się na uściskach dłoni za pośrednictwem systemu telerobotycznego. Twierdzimy, że poprzez uszeregowanie dominujących hipotez naukowych na temat natury kontroli ruchu ludzkiej ręki za pomocą proponowanego testu uścisku dłoni podobnego do Turinga, powinniśmy być w stanie wyodrębnić istotne właściwości ludzkiej kontroli motorycznej lub przynajmniej istotne właściwości wymagane do zbudowania sztucznego wyrostka, który jest nie do odróżnienia od ludzkiego ramienia.

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
Dwa roboty biurkowe PHANTOM	SensAble, Geomagic		2 Karty równoległe Minimalne wymagania systemowe: Komputery z procesorem Intel lub AMD; Windows 2000/XP, 250 MB miejsca na dysku
Technologie SensAble Sterowniki	SensAble, Geomagic		http://www.sensable.com
H3DAPI kod źródłowy	H3DAPI		a href="http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation">http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation
Python 2.5	Produkty		Pythonahttp://www.python.org/download/releases/2.5.5/
x3d kody
psignifit toolbox wersja 2.5.6	Matlab		http://www.bootstrap-software.org/psignifit/