Summary
Мы представляем Тьюринга, как рукопожатие теста осуществляется через telerobotic система, в которой следователь проводит роботов стилуса и взаимодействия с другой стороны (человека или искусственные). Мы используем метод вынужденного выбора, и извлечь меру сходства искусственной модели человеческого рукопожатия.
Abstract
В тесте Тьюринга, компьютерная модель считается "думаю, разумно", если он может генерировать ответы, которые не отличаются от таковых у человека. Тем не менее, этот тест ограничивается лингвистические аспекты искусственного интеллекта. Основные функции мозга контролировать движения, а движение руки человека представляет собой сложный демонстрации этой функции. Поэтому мы предлагаем Тьюринга, как рукопожатие тест, для машинного интеллекта двигателя. Мы в проведении теста через telerobotic система, в которой следователь занимается задачей проведения робот стилуса и взаимодействия с другой стороны (человека или искусственные). Вместо того чтобы спрашивать следователь ли другая сторона лица или компьютерной программы, у нас работают два альтернативных вынужденный выбор метода и спросить, какая из двух систем является более человека-как. Мы извлекаем количественные оценки по каждой модели в соответствии с его сходство с человеческой движение рукопожатия и назовите его "Модель Человек-Подобие Grade" (MHLG). Мы представляем три метода для оценки MHLG. (Я) Вычислив соотношение ответов испытуемых, что модель является более человек-как, чем человека, (II) на основе сравнения двух взвешенных сумм человека и модель рукопожатий мы вписываемся психометрических кривой и экстракт точки субъективного равенства (PSE ); (III) При сравнении данной модели с взвешенная сумма человеческого и случайного сигнала, мы вписываемся психометрических кривой ответы следователя и извлекать PSE для веса человека в взвешенная сумма. В общей сложности мы предоставляем протокол для тестирования вычислительных моделей человеческого рукопожатия. Мы считаем, что построение модели является необходимым шагом в понимании какого-либо явления, и в этом случае, в понимании нейронных механизмов, ответственных за генерацию человека рукопожатием.
Protocol
1. Подготовка системы
- Аппаратные требования:
- Два PHANTOM роботов рабочий стол, SensAble Technologies, Inc
- 2 Параллельно карт.
- Минимальные системные требования: процессор Intel или AMD-ПК, Windows 2000/XP, 250 Мб дискового пространства.
- Программные требования:
- Водитель-
Скачать драйверы с сайта SensAble технологий http://www.sensable.com в соответствии с операционной системой компьютера. - H3DAPI-
Загрузить исходный код H3DAPI источник и установить в соответствии с инструкциями отображается в разделе установки руководства в http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation
Мы обновили код, чтобы соответствовать нашим требованиям, которые не были выполнены в существующий код. Обновленные файлы можно загрузить с веб-сайта турнира рукопожатие http://www.bgu.ac.il/ ~ akarniel / рукопожатия / / index.html
Каждый файл должен быть помещен в соответствующую папку, как описано на сайте выше.
После выполнения изменений, скачать CMake и скомпилировать код. Составление инструкций можно найти в http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation - X3D и питон
- Скачать Python 2.5 от http://www.python.org/download/releases/2.5.5/
- Скачать питона и x3d коды от рукопожатия веб-сайт и разместить код файлов в отдельном каталоге, например: "C: \ codeDirectory"
- Каждая модель рукопожатие силы должны быть записаны в отдельном файле питона. См. рисунок 1 для примера модель силу весной.
- psignifit инструментов версии 2.5.6 для Matlab, доступны на http://www.bootstrap-software.org/psignifit/
- Водитель-
Рисунок 1. Силовой функции в питона. Примером модели пружины для рукопожатия
2. Экспериментальный протокол
- Откройте окно командной строки и перейдите в питона и x3d код, введя: CD C: \ codeDirectory.
- Создайте папку с названиями субъектов в C: \ codesDirectory.
- Для того чтобы запустить эксперимент типа: h3dload code_name.x3d.
- Создайте новый случайный файл, набрав: random_file_name.txt. Случайный файл определяет порядок, в котором различные рукопожатия появится.
- Введите имена субъектов в точности, как и в ранее созданную папку.
- После первоначальной концепции классического теста Тьюринга, каждый эксперимент состоит из 3 лиц: человек, компьютер, и следователя. Два предмета (человека и следователя) каждый удерживайте перо одного устройства тактильной Phantom и создания рукопожатие движений. Их просят следовать инструкциям, появляющимся на экране (например, в: "нажмите Page Up для первого рукопожатия"), для рукопожатия сил, которые должны применяться. Во всех перечисленных ниже способов в каждом испытании состоит из 2 рукопожатия, и предметы, необходимые для сравнения между ними. Компьютер моделирования модель рукопожатие, который генерирует силу сигнала в зависимости от времени и одномерной положение рук и его производных.
(1) F модель (т) = Φ [х (т), т] 0 ≤ T ≤ T
F [х, г] обозначает какой-либо причинной оператора, например, нелинейные нестационарные механическая модель одномерного движения стилуса, а Т длительность рукопожатия. В текущем исследовании T = 5 секунд.
- Проведение «чистый» тест и расчета модели человеческого класса подобию MHLG р
Эксперимент начинается с 12 практикой испытаний, в которых все рукопожатия (п = 24) являются человеческими, так, что субъекты просто пожать друг другу руки через telerobotic системы. Целью этих испытаний является практикой, чтобы дать возможность участникам ознакомиться с человека рукопожатие в системе.
В эксперименте мы сравним четыре модели компьютера. Каждая экспериментальная блок состоит из 4 РКИ, в которых мы сравним четыре протестированных моделей человеческого рукопожатия. Один из рукопожатия в каждом испытании является взаимодействие с силой полученные от одного из четырех моделей (компьютер), а другой с человека (вторая тема). Таким образом, субъекты функции, как людей, так и следователей. Порядок испытаний в каждом блоке является случайным и предопределено. Каждый эксперимент состоит из 10 блоков, таких, что каждый компьютер, рукопожатие повторяется 10 раз. Начальная непроанализированных Блоск добавляется для общего знакомства с системой и задачи.
Для каждой модели, доля рукопожатия, в которых субъект может выбрать подходящую модель рукопожатие над человеческой рукопожатие, как более понятные человеку, как рассчитывается, чтобы обеспечить значение, которое составляет 0,5, когда модель ничем не отличается от человеческого. Умножим это число на два, чтобы получить р MHLG, например, что MHLG = 0, очевидно, не-человека, и MHLG = 1 означает, что испытания рукопожатие ничем не отличается от человеческого рукопожатия. - Проведение "взвешенный человек-модель" тест и расчета модели человеческого подобию класса MHLG W
В этом протоколе есть только один следователь тему. Других функций субъекта как человека лицом в рукопожатиями.
Эксперимент начинается с 30 практикой испытаний, в которых следователь опыт одного человека рукопожатием и одного компьютера рукопожатие в каждом испытании. В конце исследования они попросили выбрать, какой из 2 рукопожатия было человека рукопожатием. Если им это удастся, на экране отображается "Правильно!", И если они не избрали право рукопожатие, "Неправильно!" появляется сообщение.
После практики блок Эксперимент проводился следующим образом: судебный процесс состоит из двух рукопожатиями. В одном из рукопожатия-стимул - следователь взаимодействует с комбинации сил, что исходит от человека и компьютерной модели рукопожатие.
(2) F = α стимул • F человека + (1-α стимул) • F stimulusModel
α стимул равномерно распределяется от 0 до 1, например:
α стимул = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1}
Другие рукопожатия - ссылка - будет фиксированной комбинации сил, возникающих от человека и эталонной модели:
(3) F = α ссылку • F человека + (1-α ссылка) • F referenceModel; α = 0,5 ссылки
В конце каждого испытания следователь предлагается выбрать рукопожатие, что чувствовал себя более человека-как.
В каждом эксперименте мы сравним два тестовых моделей и одной базовой модели.
Каждая экспериментальная блок состоит из 24 испытаний, входящих в каждый из линейных комбинаций стимулов и человека (уравнение 2) для каждого из 3 комбинации модели:
Порядок испытаний в каждом блоке является случайным и предопределено. Каждый эксперимент состоит из 10 блоков, таких, что каждая комбинация повторяется 10 раз. Начальная непроанализированных блок добавляется для общего знакомства с системой и задачи.
Мы подходим логистических психометрические функции с 1 по ответам следователю использованием версии 2.5.6 psignifit инструментов для Matlab, доступны на http://www.bootstrap-software.org/psignifit/ , с ограниченным методом максимального правдоподобия для оценки параметров, и найти доверительные интервалы на предвзятость коррекцией и ускоренной (ДСС) загрузки метод. Кривая отображает вероятность следователь ответить на этот стимул рукопожатие больше человеческих-как, в зависимости от стимула α - α ссылки. Точки субъективное равенство (PSE) извлекается из 0,5 пороговый уровень психометрического кривой, что указывает на разницу между стимулом α и α ссылки, для которых рукопожатий, как считается, в равной степени, как человека. PSE используется для расчета MHLG Вт в зависимости от:
(4) MHLG W = 0,5-PSE
Модель, которая воспринимается как человек, как-как, как эталонная модель дает значение MHLG ш 0,5. Модели, которые воспринимаются как наименее или наиболее деятельностью человека, как возможно, выход MHLG ш значения 0 или 1, соответственно. - Проведение "добавленный шум" испытаний и расчета модели человеческого подобию класса MHLG н
Как и взвешенной модели человеческого тест, есть только один следователь тему. Других функций субъекта как человека лицом в рукопожатиями. Практике блок также как и в предыдущем методе.
После практики, в одном из 2 рукопожатия - стимул - следователь взаимодействует с моделью рукопожатия компьютер.
Другие рукопожатия - ссылки - это сила, от сочетания человеческих и белого шума с диапазоном частот фильтруются в соответствии с частотами, которые появляются в организме человека рукопожатием.
(5) F = α • F человека + (1-α) • F шума;
α равномерно распределяется от 0 до 1, например:
α = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1}
В конце каждого испытания следователь предлагается выбрать рукопожатие, что чувствовал себя более человека-как.
Эксперимент строится таким же образом, взвешенное движениедель-тест человека выше построен. Однако, в то время калибровки в весовом человека-модели тест проводится путем сравнения различных комбинаций базовых моделей, чтобы исправить сочетание само по себе, в этом эксперименте Базовая модель заменить на шум.
PSE извлекается из психометрических кривой и определяет MHLG н
(6) MHLG п = 1-PSE
Модели, которые воспринимаются как наименее или наиболее деятельностью человека, как возможно, выход MHLG н значения 0 или 1, соответственно.
3. Представитель Результаты:
На рисунке 2 показаны результаты одного предмета для каждого из 3 методов. Протестированных моделей во всех трех экспериментов 2 вязкоупругих моделей-KB1: весна K = 50 Н / м, заслонки B = 2 нс / м; KB2: весна K = 20 Н / м, заслонки B = 1,3 Ns / м. В взвешенная модель человека-тест, MHLG W оценивается путем сравнения каждого из протестированных моделей упругой базовой модели К = 50 Н / м.
Рисунок 2. MHLG значения двух моделей вязкоупругих в соответствии с "чистой" протокол испытаний (), "взвешенная модель человека-протокол" (б) и "добавить шум" протокол (с). Погрешности в (б) и (с) представляют собой интервалы психометрические кривые доверия. Черные полосы представляют MHLG сортов для моделей, и серые полосы совпадает с точкой зрения базовой модели в (б) и шум в (с).
Результаты показывают, что KB2 вязкоупругой модели воспринимаются как более человека, как, чем другие KB1 модель вязкоупругого используя все три метода оценки.
Discussion
Мы представили новый протокол для принудительного выбора Тьюринга, как рукопожатие теста вводят через простой telerobotic системы. Этот протокол представляет собой платформу для сравнения искусственных моделей рукопожатие, а не платформой для определения абсолютных человеческих подобию. Этот протокол был представлен в нескольких конференциях 2-5
Мы показали здесь, что этот тест может помочь в нахождении параметров пассивных характеристик движения, которые предоставляют большинство человеческих подобные чувства. Он может быть использован в дальнейших исследованиях с целью разработки модели для рукопожатия, которая будет, как человек-как это возможно. Мы будем использовать эту платформу в первую Тьюринга, как рукопожатие турнир, который состоится летом 2011 года [[ http://www.bgu.ac.il/ ~ akarniel / рукопожатие / index.html ]], где конкурирующие модели будут градуированных их человеческого подобия. Конечная модель, вероятно, следует рассматривать нелинейностями и изменяющихся во времени природу человеческого сопротивления 21, взаимной адаптации со следователем и многие другие аспекты естественного человеческого рукопожатия, которые должны быть проверены и ранжируются с помощью этого принудительного выбора Тьюринга, как рукопожатие тест.
Предлагается тест одномерных и осуществляется через telerobotic интерфейс, и, следовательно, ограничена: она скрывает множество аспектов, таких как рукопожатие тактильную информацию, температуры, влажности, и ухватившись сил. Тем не менее, в ряде исследований telerobotic интерфейс был использован для изучения рукопожатия 6-11 и другие формы человеческого взаимодействия человека-12. Кроме того, в этой версии теста, мы не рассматривали длительность рукопожатия, инициирование и спада, его многогранный характер, и стороны траектории до и после физического контакта. Есть также много типов рукопожатий в зависимости от пола и культуры 13-14 человек и, следовательно, нельзя ожидать, что для создания единого оптимального человека, как рукопожатие модели. Тем не менее, мы считаем, что простота предлагаемого теста преимущество, по крайней мере на этом предварительном этапе исследования. После ключевых особенностей таких одномерных рукопожатие правильно охарактеризовать мы можем перейти к рассмотрению этих ограничений и расширить тест соответственно.
Следует отметить, что Тьюринг-тест, как рукопожатие может быть обращена вспять, с компьютера, а не человек просят о личности другой стороны. В этом контексте мы рассматриваем следующую обратную гипотезу рукопожатие: Цель рукопожатия, чтобы исследовать потряс руку, в соответствии с гипотезой обратной рукопожатие, оптимальный алгоритм рукопожатие - в том смысле, что она будет неотличима от человеческой рукопожатие - будет наилучшим образом способствовать дискриминации между людьми и машинами. Другими словами, эта модель даст лучшее рукопожатие, что надлежащим настроенный классификатор может различать между человеком и машиной рукопожатиями.
Если обратная гипотеза рукопожатие, действительно, правильное оно дает клиническое применение для нашего теста: выявление моторных нарушений у людей, страдающих от различных неврологических моторных расстройств, таких как церебральный паралич (ДЦП). Предыдущие исследования показали различия в кинематические параметры между СР больных и здоровых людей при выполнении движений достижении 15-16. Недавно мы показали, что характеристики движения отличаются от здоровых людей и пациентов с CP, когда рукопожатие через telerobotic 4 системы. Эти выводы укрепить наше утверждение, что люди с моторных нарушений можно отличить от здоровых людей, изучая и исследуя рукопожатие движение каждого отдельного человека. Следует также отметить, что тест обсуждается здесь, тест восприятия и недавние исследования различия между восприятием и действием 17-20. В будущих исследованиях следует изучить три версии теста для того, чтобы точно оценить характер человека, как рукопожатие: (1) психометрический тест воспринимаемого сходства, (2) испытание двигателя поведения (motormetric тест), который будет исследовать двигателя Реакция следователя которая может отличаться от его / ее когнитивно воспринимается сходство, (3) конечная оптимального дискриминатора, который пытается провести различие между человеком и машиной рукопожатия на основе силы и позиции траектории.
В общих чертах, мы утверждаем, что понимание системы управления двигателем является необходимым условием для понимания функции мозга, и что такое понимание может быть продемонстрировано с помощью здания робот-гуманоид неотличима от человеческой. Данное исследование фокусируется на рукопожатия через telerobotic системы. Мы утверждаем, что путем ранжирования преобладающих научных гипотез о природе человека контролировать движение рукой, используя предлагаемые Тьюринга, как рукопожатие теста мыдолжны быть в состоянии извлечь важные свойства человеческой управления двигателем или, по крайней мере основные свойства, необходимые для создания искусственного придаток которая не отличается от человеческой руки.
Disclosures
Нет конфликта интересов объявлены.
Acknowledgments
АК выражает благодарность Джерри Леб за полезные обсуждения о предлагаемом Тьюринга, как рукопожатие тест. В АК и хотели бы поблагодарить Натаниэль Лейбовиц и Лиор Botzer, кто внес вклад в разработку самой первой версии этого протокола в 2007 году. Это исследование было поддержано Израиль научного фонда (грант № 1018/08). SL поддерживается Kreitman Фонд докторской стипендии. В поддерживается Kreitman фундамент и Программа стипендий Клор.
Materials
| Name | Company | Catalog Number | Comments |
| Two PHANTOM desktop robots | SensAble, Geomagic | 2 Parallel cards Minimum system requirements: Intel or AMD-based PCs; Windows 2000/XP, 250 MB of disc space |
|
| SensAble technologies Drivers | SensAble, Geomagic | http://www.sensable.com | |
| H3DAPI source code | H3DAPI | http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation | |
| Python 2.5 | Python Products | http://www.python.org/download/releases/2.5.5/ | |
| x3d codes | |||
| psignifit toolbox version 2.5.6 | Matlab | http://www.bootstrap-software.org/psignifit/ |
References
- Wichmann, F., Hill, N. The psychometric function: I. Fitting, sampling, and goodness of fit. Perception & Psychophysics. 63, 1293-1293 (2001).
- Avraham, G., Levy-Tzedek, S., Karniel, A. Computational Motor Control Workshop, Be'er-Sheva, , (2009).
- Avraham, G., Levy-Tzedek, S., Karniel, A. Neural Control of Movement, Florida, USA, , (2010).
- Avraham, G., Levy-Tzedek, S., Peles, B. C., Bar-Haim, S., Karniel, A. Computational Motor Control Workshop, Be'er-Sheva, , (2010).
- Karniel, A., Nisky, I., Avraham, G., Peles, B. C., Levy-Tzedek, S. EuroHaptics, Amsterdam, Netherlands, , (2010).
- Jindai, M., Watanabe, T., Shibata, S., Yamamoto, T. The 15th IEEE International Symposium on Robot and Human Interactive Communication, Hatfield, UK, , (2006).
- Kasuga, T., Hashimoto, M. Internatioanl Conference on Robotics and Automation, Barcelona, Spain, , IEEE. (2005).
- 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).
- Bailenson, J., Yee, N. Virtual interpersonal touch and digital chameleons. Journal of Nonverbal Behavior. 31, 225-242 (2007).
- Miyashita, T., Ishiguro, H. Human-like natural behavior generation based on involuntary motions for humanoid robots. Robotics and Autonomous Systems. 48, 203-212 (2004).
- Wang, Z., Lu, J., Peer, A., Buss, M. EuroHaptics, Amsterdam, The Netherlands, , (2010).
- IiZuka, H., Ando, H., Maeda, T. proceedings of AsiaGraph, , (2010).
- Chaplin, W., Phillips, J., Brown, J., Clanton, N., Stein, J. Handshaking, gender, personality, and first impressions. Journal of Personality and Social Psychology. 79, 110-117 (2000).
- Stewart, G., Dustin, S., Barrick, M., Darnold, T. Exploring the handshake in employment interviews. Journal of Applied Psychology. 93, 1139-1146 (2008).
- Van Der Heide, J., Fock, J., Otten, B., Stremmelaar, E., Hadders-Algra, M. Kinematic characteristics of reaching movements in preterm children with cerebral palsy. Pediatric research. 57, 883 (2005).
- Ronnqvist, L., Rosblad, B. Kinematic analysis of unimanual reaching and grasping movements in children with hemiplegic cerebral palsy. Clinical Biomechanics-Kidlington. 22, 165-175 (2007).
- Goodale, M., Milner, A. Separate visual pathways for perception and action. Trends in neurosciences. 15, 20-25 (1992).
- Ganel, T., Goodale, M. Visual control of action but not perception requires analytical processing of object shape. Nature. 426, 664-667 (2003).
- Pressman, A., Nisky, I., Karniel, A., Mussa-Ivaldi, F. Probing Virtual Boundaries and the Perception of Delayed Stiffness. Advanced Robotics. 22, 119-140 (2008).
- Nisky, I., Pressman, A., Pugh, C. M., Mussa-Ivaldi, F. A., Karniel, A. EuroHaptics, Amsterdam, Netherlands, , 213-218 (2010).
- Karniel, A. Computational Motor Control. Encyclopedia of Neuroscience. Binder, M. D., Hirokawa, N., Windhorst, U. , Springer-Verlag. Berlin. 832-837 (2009).
