Summary
Nós apresentamos um teste de Turing Handshake-like administrado através de um sistema telerobóticos em que o interrogador está segurando uma caneta robótica e interagindo com uma outra parte (humano ou artificial). Usamos um método de escolha forçada, e extrair uma medida para a semelhança do modelo artificial de um aperto de mão humana.
Abstract
No teste de Turing, um modelo de computador é considerado a "pensar inteligentemente", se ele pode gerar respostas que não são distinguíveis das de um ser humano. No entanto, este teste é limitado aos aspectos lingüísticos da inteligência da máquina. A função mais salientes do cérebro é o controle do movimento, eo movimento da mão humana é uma manifestação sofisticada desta função. Assim, propomos um teste de Turing aperto de mão-like, para a inteligência do motor da máquina. Nós administramos o teste através de um sistema telerobóticos em que o interrogador está engajado em uma tarefa de realizar uma stylus robótica e interagindo com uma outra parte (humano ou artificial). Em vez de pedir o interrogador se a outra parte é uma pessoa ou um programa de computador, nós empregamos uma alternativa de dois método de escolha forçada e perguntar qual dos dois sistemas é mais semelhante à humana. Extraímos uma nota quantitativa para cada modelo de acordo com a sua semelhança com o movimento aperto de mão humana com o nome "Modelo Grade Humanos Semelhança" (MHLG). Nós apresentamos três métodos para estimar o MHLG. (I) Ao calcular a proporção de respostas dos sujeitos que o modelo é mais semelhante à humana do que os humanos; (ii) da comparação de duas somas ponderadas de apertos de mão humanos e de modelos que se encaixam uma curva psicométricas e extrair o ponto de igualdade subjetiva (PSE ), (iii) Ao comparar um determinado modelo com uma soma ponderada dos sinais humanos e aleatória, nos encaixamos uma curva psicométricos para as respostas do interrogador e extrair o PSE para o peso do ser humano na soma ponderada. Ao todo, oferecemos um protocolo para testar modelos computacionais do aperto de mão humana. Acreditamos que a construção de um modelo é um passo necessário para a compreensão de qualquer fenômeno e, neste caso, na compreensão dos mecanismos neurais responsáveis pela geração do aperto de mão humana.
Protocol
1. Preparando o sistema de
- Requisitos de hardware:
- PHANTOM dois robôs desktop SensAble Technologies, Inc.
- 2 placas paralelas.
- Requisitos mínimos do sistema: Intel ou AMD baseada em PCs; Windows 2000/XP, 250 MB de espaço em disco.
- Requisitos de software:
- Driver-
Download de drivers da SensAble tecnologias website http://www.sensable.com acordo com o sistema operacional do computador. - H3DAPI-
Baixe o código fonte H3DAPI e instalar de acordo com as instruções exibidas na seção passo a passo de instalação em http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation
Nós atualizamos o código para atender nossas exigências que não foram preenchidas no código existente. Os arquivos atualizados podem ser baixados no site do torneio handshake http://www.bgu.ac.il/ ~ akarniel / APERTO / / index.html
Cada arquivo deve ser colocado na pasta apropriada, como descrito no site acima.
Depois de realizar as mudanças, download CMake e compilar o código. As instruções de compilação pode ser encontrada em http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation - X3D e python
- Download python 2.5 a partir http://www.python.org/download/releases/2.5.5/
- Baixe o código python e X3D a partir do site aperto de mão e colocar os arquivos de código em um diretório dedicado, por exemplo: "C: \ codeDirectory"
- Cada modelo de força de aperto de mão deve ser escrito em um arquivo python separado. Veja a Figura 1 para um exemplo de um modelo de força da mola.
- psignifit toolbox versão 2.5.6 para Matlab, disponível em http://www.bootstrap-software.org/psignifit/
- Driver-
Figura 1. Força função em python. Um exemplo de um modelo de força de mola para um aperto de mão
2. Protocolo Experimental
- Abra a janela de comando e mude para o diretório de código python e X3D digitando: cd C: \ codeDirectory.
- Crie uma pasta com os nomes dos sujeitos em C: \ codesDirectory.
- , A fim de executar o tipo de experiência: h3dload code_name.x3d.
- Criar um novo arquivo aleatório, digitando: random_file_name.txt. O arquivo aleatório define a ordem em que os apertos de mão diferentes aparecem.
- Digite os nomes dos sujeitos, exatamente como na pasta criada anteriormente.
- Seguindo o conceito original do teste de Turing clássica, cada experimento consiste de três entidades: um ser humano, um computador e um interrogador. Dois sujeitos (humanos e interrogador) cada um mantenha a caneta de um dispositivo háptico Phantom e gerar movimentos aperto de mão. Eles são convidados a seguir as instruções que aparecem na tela (por exemplo: "pressione Page Up para o aperto de mão primeiro"), para as forças de aperto de mão deve ser aplicado. Em todos os métodos a seguir, cada ensaio é composto por 2 apertos de mão, e os sujeitos são obrigados a comparação entre eles. O computador é um modelo simulado handshake que gera um sinal de força em função do tempo ea uma posição da mão dimensional e seus derivados.
(1) modelo F (t) = Φ [x (t), t] 0 ≤ t ≤ T
F [x, t] significa qualquer operador causal, por exemplo, modelo não-linear variante no tempo mecânica do movimento stylus unidimensional, e T é a duração do aperto de mão. No estudo atual T = 5 segundos.
- Realizar o teste "puro" e cálculo do modelo qualidade semelhante aos homens MHLG p
A experiência começa com 12 provas práticas em que todos os apertos de mão (n = 24) são humanos, tal que os sujeitos simplesmente apertar as mãos uns com os outros através do sistema telerobóticos. O objectivo destas provas práticas é permitir aos participantes para se familiarizar com um aperto de mão humana no sistema.
No experimento, comparar quatro modelos de computador. Cada bloco experimental consiste em quatro ensaios em que se compara a quatro modelos testados para um aperto de mão humana. Um dos apertos de mão em cada ensaio é uma interação com uma força gerada a partir de um dos quatro modelos (um computador), ea outra é com um humano (o segundo tema). Portanto, os sujeitos funcionar como seres humanos e os interrogadores. A ordem dos testes dentro de cada bloco é aleatório e pré-determinado. Cada experimento consiste em 10 blocos, de forma que cada aperto de mão de computador é repetido 10 vezes. Um blo inicial não analisadack é adicionado para conhecimento geral com o sistema ea tarefa.
Para cada modelo, a proporção de apertos de mão em que o sujeito escolhe o aperto de mão modelo sobre o aperto de mão humana como mais humana-como é calculado, para fornecer um valor que é 0,5 quando o modelo é indistinguível de um ser humano. Nós multiplicamos este valor por dois, a fim de obter o p MHLG, de tal forma que MHLG = 0 é claramente não-humanos como e MHLG = 1 significa que o aperto de mão testado é indistinguível do aperto de mão humana. - Realização da "ponderada humano-modelo" de teste e cálculo do modelo humano semelhança grau MHLG w
Neste protocolo, há apenas um sujeito interrogador. As outras funções de sujeito como entidade humana nos apertos de mão.
A experiência começa com 30 provas práticas em que o interrogador experiências um aperto de mão humana e um aperto de mão de computador em cada julgamento. No final do julgamento eles são convidados a escolher qual dos dois apertos de mão foi o aperto de mão humana. Se tiverem sucesso, a tela exibe "Correto!", E se eles não escolheram o aperto de mão direita, um "Errado!" mensagem aparece.
Após o bloco de praticar o experimento é conduzido da seguinte forma: Um ensaio consiste em dois apertos de mão. Em um dos apertos de mão-estímulo - o interrogador interage com uma combinação de forças que vem do ser humano e um modelo de handshake computador.
(2) F = α • estímulo F humanos + (1-α estímulo) • F stimulusModel
estímulo α é igualmente distribuída 0-1, por exemplo:
α estímulo = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1}
O aperto de mão outros - a referência - é uma combinação fixa de forças geradas a partir do humano e um modelo de referência:
(3) F = α referência • F humanos + (1-α de referência) • referenceModel F; referência α = 0,5
No final de cada teste o interrogador é solicitado a escolher o aperto de mão que se sentiu mais parecidos com os humanos.
Em cada experimento, comparamos dois modelos de teste e um modelo de base.
Cada bloco experimental é composta por 24 ensaios que compõem cada uma das combinações lineares do estímulo e do humano (eq. 2) para cada uma das três combinações modelo:
A ordem dos testes dentro de cada bloco é aleatório e pré-determinado. Cada experimento consiste em 10 blocos, de modo que cada combinação se repete 10 vezes. Um bloco inicial não analisada é adicionado para conhecimento geral com o sistema ea tarefa.
Nos encaixamos uma função logística psicométricas 1 para as respostas do interrogador usando a caixa de ferramentas psignifit versão 2.5.6 para Matlab, disponível em http://www.bootstrap-software.org/psignifit/ , com um método de máxima verossimilhança restrita para a estimativa de os parâmetros, e encontrar os intervalos de confiança pelo viés corrigido método bootstrap e acelerado (BCA). A curva mostra a probabilidade de o interrogador a resposta que um aperto de mão estímulo é mais parecidos com os humanos, como uma função de estímulo α - α referência. O ponto de igualdade subjetiva (PSE) é extraído do limiar 0,5 da curva psicométrica, indicando a diferença entre o estímulo e referência α α para os quais os apertos de mão são percebidos como igualmente humanos como. O PSE é usado para o cálculo da w MHLG de acordo com:
(4) MHLG w = 0.5-PSE
Um modelo que é percebido para ser tão parecidos com os humanos como o modelo de referência produz o MHLG valor w 0,5. Os modelos que são percebidos como menos ou mais humano-como possível, o rendimento MHLG valores w de 0 ou 1, respectivamente. - Realização da ", acrescentou ruído" de teste e cálculo do modelo humano semelhança grau MHLG n
À semelhança do modelo humano ponderada de teste, há apenas um sujeito interrogador. As outras funções de sujeito como entidade humana nos apertos de mão. O bloco de prática também é o mesmo que no método anterior.
Após a prática, em um dos dois apertos de mão - o estímulo - o interrogador interage com um aperto de mão modelo de computador.
O aperto de mão outros - a referência - é uma força gerada a partir de uma combinação do ruído humanos e branco com uma faixa de freqüência filtrados de acordo com as freqüências que aparecem no aperto de mão humana.
(5) F = α • F humanos + (1-α) • F ruído;
α é igualmente distribuída 0-1, por exemplo:
α = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1}
No final de cada teste o interrogador é solicitado a escolher o aperto de mão que se sentiu mais parecidos com os humanos.
O experimento é construído da mesma forma que o mo ponderadadel-humanas teste mencionado acima é construído. No entanto, enquanto a calibração no teste humano-modelo ponderada é realizada comparando-se diferentes combinações de um modelo de base para uma combinação fixa de si mesmo, neste experimento o modelo básico é substituir pelo ruído.
O PSE é extraída a partir da curva psicométricas e define o n MHLG
(6) MHLG n = 1-PSE
Os modelos que são percebidos como menos ou mais humano-como possível, o rendimento MHLG n valores de 0 ou 1, respectivamente.
3. Resultados representativos:
A Figura 2 demonstra os resultados de um assunto para cada um dos três métodos. Os modelos testados em todos os três experimentos são dois modelos-KB1 viscoelástico: mola K = 50 N / m, amortecedor B = 2 Ns / m; traseiro KB2: mola K = 20 N / m, amortecedor B = 1,3 Ns / m. No teste ponderada modelo humano, o w MHLG é avaliada comparando cada um dos modelos testados para o modelo de base elástica K = 50 N / m.
Figura 2. Os valores MHLG de dois modelos viscoelásticos de acordo com o protocolo de teste "pura" (a), o "modelo-humano ponderada protocolo" (b) eo "ruído acrescentado" protocolo (c). As barras de erro em (b) e (c) representam intervalos das curvas psicométricas 'confiança. As barras pretas representam os graus MHLG para os modelos, e as barras em cinza representam as do modelo base em (b) e do ruído em (c).
Os resultados demonstram que o traseiro KB2 modelo viscoelástico é percebida como mais humanos, como que a KB1 outros viscoelástico modelo usando os três métodos de avaliação.
Discussion
Nós apresentamos um novo protocolo para um teste de escolha forçada handshake Turing-like administrado através de um sistema simples telerobóticos. Este protocolo é uma plataforma para a comparação de modelos de aperto de mão artificial, em vez de uma plataforma para determinar semelhança humana absoluta. Este protocolo foi apresentado em algumas conferências 05/02
Nós mostramos aqui que este teste é útil para encontrar os parâmetros das características de movimento passivo, que fornecem a maior parte do sentimento humano-like. Ele pode ser usado em outros estudos, a fim de desenvolver um modelo para um aperto de mão que será tão humano-como possível. Vamos empregar essa plataforma no torneio handshake primeiro Turing-like, que terá lugar no Verão de 2011 [[ http://www.bgu.ac.il/ ~ akarniel / APERTO / index.html ]], onde os modelos concorrentes serão classificados pela sua semelhança humana. O modelo final deve provavelmente considerar as não-linearidades e variáveis no tempo a natureza da impedância humano 21, adaptação mútua com o interrogador e muitos outros aspectos de um aperto de mão natural do ser humano que deve ser testado e classificado usando esta escolha forçada teste handshake Turing-like.
O teste proposto é unidimensional e realizada através de uma interface telerobóticos e, portanto, é limitado: ele esconde muitos aspectos do aperto de mão, como informações táteis, temperatura, umidade, e as forças de agarramento. No entanto, em vários estudos uma interface telerobóticos foi usado para explorar handshakes 11/06 e outras formas de humano-humano 12 interação. Além disso, nesta versão do teste, não consideramos a duração do aperto de mão, o início e os tempos de liberação, sua natureza multi-dimensional e as trajetórias mão antes e depois do contato físico. Há também muitos tipos de apertos de mão em função do sexo e da cultura da pessoa 13-14 e, portanto, não se pode esperar para gerar um modelo único aperto de mão ideal humano-like. No entanto, acreditamos que a simplicidade do teste proposto é uma vantagem, pelo menos nesta fase preliminar do estudo. Uma vez que as principais características de um aperto de mão, tais dimensões são devidamente caracterizados podemos passar a considerar essas limitações e ampliar o teste de conformidade.
Note-se que um teste de Turing handshake semelhante poderia ser revertida, com o computador em vez de a pessoa ser perguntado sobre a identidade da outra parte. Neste quadro, consideramos a hipótese de handshake seguintes inverso: o propósito de um aperto de mão é para sondar a mão agitada, de acordo com a hipótese inversa aperto de mão, o algoritmo optimal aperto de mão - no sentido de que seja indistinguível de um aperto de mão humana - será melhor facilitar a discriminação entre pessoas e máquinas. Em outras palavras, o modelo trará os melhores aperto de mão de tal forma que um classificador devidamente sintonizado pode distinguir entre humanos e apertos de mão máquina.
Se a hipótese inversa aperto de mão é realmente correta, produz uma aplicação clínica para o nosso teste: identificação de deficiências motoras em pessoas que sofrem de motor-neurológicas relacionadas com várias doenças, como paralisia cerebral (CP). Estudos anteriores mostraram diferenças nos parâmetros cinemáticos entre pacientes e indivíduos saudáveis CP ao executar movimentos atingindo 15-16. Recentemente, mostrou que as características dos movimentos diferem entre indivíduos saudáveis e indivíduos com CP quando apertando as mãos através de um sistema de 4 telerobóticos. Esses achados reforçam nossa afirmação de que pessoas com deficiências motoras podem ser distinguidos de pessoas saudáveis, examinando e explorando o movimento aperto de mão de cada indivíduo. Deve-se notar também que o teste aqui discutidos é um teste de percepção e estudos recentes distinguir entre percepção e ação 17-20. Estudos futuros deverão explorar três versões do teste, a fim de avaliar com precisão a natureza do aperto de mão humana-como: (1) um teste psicométrico da semelhança percebida, (2) um teste de comportamento motor (teste motormetric) que irá explorar o motor reação do interrogador que pode diferir do seu / sua semelhança cognitivamente percebido; (3) discriminador um ótimo final, que tenta distinguir entre apertos de mão e máquina humana baseada na força e trajetórias posição.
Em termos gerais, podemos afirmar que a compreensão do sistema de controle motor é uma condição necessária para a compreensão da função cerebral, e que tal entendimento pode ser demonstrado através da construção de um robô humanóide indistinguível de um ser humano. O presente estudo centra-se em apertos de mão através de um sistema telerobóticos. Afirmamos que pelo ranking das hipóteses predominantes científica sobre a natureza do controle humano mão movimento utilizando o teste de Turing propôs handshake-like, quedeve ser capaz de extrair propriedades salientes do controle motor humano ou, pelo menos, as propriedades salientes necessário para construir um apêndice artificial que é indistinguível de um braço humano.
Disclosures
Não há conflitos de interesse declarados.
Acknowledgments
AK deseja agradecer Gerry Loeb para discussões úteis sobre o teste de Turing propôs aperto de mão-like. AK e IN desejam agradecer Nathaniel Leibowitz e Lior Botzer que contribuíram para a concepção da primeira versão deste protocolo de volta em 2007. Esta pesquisa foi apoiada pela Fundação Ciência Israel (concessão n º 1018-1008). SL é apoiado por uma bolsa da Fundação Kreitman pós-doutorado. IN é suportado pela fundação Kreitman e do Programa Bolsa Clore.
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).
