Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

Neuroscience

一维类似图灵汽车情报握手测试

doi: 10.3791/2492 Published: December 15, 2010

Summary

我们目前的图灵握手测试,通过telerobotic系统中,读写器是拿着机器人的手写笔,与另一个党(人或人工)交互管理。我们使用一个被迫的选择方法,并为人工模式的相似性,一个人握手中提取的一种措施。

Abstract

在图灵测试,一个计算机模型,被认为是“思考智能”,它可以产生答案,这是不是人类的区分。然而,这项测试是有限的机器智能的语言方面。大脑的一个突出功能是控制运动,运动的人的手是一个复杂的演示此功能。因此,我们提出一个图灵测试握手,机器马达的情报。我们通过telerobotic从事持有机器人与另一方(人类或人工)的手写笔和交互的任务系统中,读写器的测试管理。而不是询问对方是否是一个人或一个计算机程序的审讯中,我们采用两个替代被迫选择方法,并要求两个系统更人性化。我们提取每个模型的定量等级,根据其与人握手的议案,它命名为“示范人似级”(MHLG)。我们介绍三种方法来估计MHLG。 (i)按比例计算的科目的答案,该模型是比人类更类似人类的;(二)通过比较两个加权总结人类和模式握手适合的心理曲线和提取的主观平等点(PSE );(三)通过给定的模型比较了人类和随机信号的加权总和,我们适合审讯的答案的心理曲线和提取的PSE为人类的加权总和重量。总之,我们提供了一个协议来测试计算模型的人握手。我们相信,建立一个模型,是了解任何现象的一个必要步骤,在这种情况下,在理解的神经机制负责的一代人的握手。

Protocol

1。准备系统

  1. 硬件要求:
    • SensAble技术公司的两个幻象桌面机器人
    • 2并行卡。
    • 最低系统要求:英特尔或AMD芯片的PC,Windows 2000/XP中,250 MB的硬盘空间。
  2. 软件要求:

图1
图1。队在Python中的函数。一个握手的弹簧力模型的一个例子

2。实验协议

  • 打开命令窗口,并通过键入Python和X3D的代码目录:CD C:\ codeDirectory。
  • 创建一个科目“名称的文件夹在C:\ codesDirectory。
  • 为了运行实验类型:h3dload code_name.x3d。
  • 通过键入一个新的随机文件:random_file_name.txt。随机文件中定义的顺序出现不同握手。
  • 正是在以前创建的文件夹,输入科目名称。
  • 继经典的图灵测试的原始概念,每个实验由3个实体:一个人,一台电脑,一个审讯。两个科目(人力和读写器)每持有一个幻影触觉装置的手写笔和产生握手的动作。他们要求按照屏幕上显示的指示(例如,:“按页面的第一次握手”),握手的力量应用。在所有下列方法中,每个试验由2握手,并需要比较它们之间的科目。计算机是一个模拟的握手的模型,生成一个时间的函数和一维的手的位置和其衍生物的力量信号。
    (1)F (T)=Φ[X(T),T] 0≤T≤T
    F [X,T代表任何因果关系的运营商,如非线性时变一维的手写笔运动的力学模型,和T是握手的时间。在目前的研究T = 5秒。
  1. 进行“纯粹”的测试和计算模型人类肖像级MHLG p
    实验开始12实践试验,在所有的握手(N = 24)人类,这样的科目根本动摇,通过telerobotic系统相互。这些实践试验的目的是让参加者了解与人类系统中的一个握手。
    在实验中,我们比较4个计算机模型。每一个实验模块包括4项试验中,我们比较测试模型一个人握手。每次试验的握手是一个从四个模型(计算机)之一产生了力的相互作用,和其他与人类(第二个问题)。因此,主体功能为人类和审讯。在每块试验的顺序是随机的,事先确定的。每个实验由10块,每台计算机握手,重复10次。一个初步的未经分析的BLOCK是增加了对系统和任务的一般熟人。
    对于每一个模型,在课题选择更人性化的人力握手模式握手,握手的比例计算,提供了价值为0.5时,该模型是从人类无异。我们这个值乘以2,为了获得MHLG P,这样MHLG = 0显然非人类喜欢和MHLG = 1意味着测试握手是从人类的握手没有什么区别。
  2. 进行“加权人体模型”的测试和计算模型的人体肖像级MHLG瓦特
    在这个协议中,只有一个受审讯。在握手的人类实体的其他主体功能。
    实验开始30实践的试验中,审讯经验一个人握手,并在每次试验中的一台计算机上握手。在审判结束时,他们被要求选择2握手,这是人类的握手。如果他们成功,屏幕上显示“正确!”,如果他们不选择正确的握手,一个“错误!”消息出现。
    经过实践块的实验进行如下:试用两个握手。一个握手,刺激 - 读写器与力量的结合,从人力和一个计算机握手模型进行交互。
    (2)F =α 刺激 •F +(1 -α 刺激 )•F stimulusModel
    α 刺激同样分布从0到1,例如:
    α 刺激 = {0,0.142,0.284,0.426,0.568,0.710,0.852,1}
    其他的握手 - 引用 - 是一个固定的组合,从人力和参考模型产生的力量:
    (3)F =α 参考 •F +(1 -α 参考 )•F referenceModel;α参考 = 0.5
    在每次试验结束时,读写器,请选择握手,感觉更人性化。
    在每次实验中,我们比较了两个试验模型和一个示范基地。
    每一个实验块由24(公式2)3模型组合中的每一个刺激和人类组成的线性组合每个试验:
    模型1
    在每块试验的顺序是随机的,事先确定的。每个实验由10块,这样的组合,每个重复10次。一个初步的未经分析的块被添加系统​​和任务一般熟人。
    我们适合的后勤心理的答案使用Matlab中,在可用的psignifit工具箱2.5.6版本的读写功能 1 http://www.bootstrap-software.org/psignifit/,受约束的最大似然法估计参数的偏差纠正,并加速(BCA)引导的方法,并找到置信区间。该曲线显示的审讯的概率的答案,是一个刺激握手,更与人类类似的α刺激的功能 , - α参考。主观相等点(PSE)的提取0.5阈值水平的心理曲线,表明α 刺激的握手被认为是同样人类一样的α参考之间的差异。 PSE是用于计算MHLG 瓦特根据:
    (4)MHLG W = 0.5 - PSE
    一个被认为是作为参考模型与人类类似的模型得出的MHLG W值0.5。最少的或最类似人类的可能的感知模型,产量MHLG W值0或1,分别。
  3. 补充说:“噪音”的测试和计算模型的人体肖像 MHLG ñ
    同样以加权模型的人体试验中,只有一个读写主题。在握手的人类实体的其他主体功能。实践块也是在前面的方法相同。
    实践后,在2握手 - 刺激 - 读写器交互与计算机握手模型。
    其他的握手 - 引用 - 是与按出现的频率在人类握手过滤频率范围内的人力和白噪声的组合所产生的力量。
    (5)F =α•F +(1 -α)•F 噪声 ;
    α是平均分配从0到1,例如:
    α= {0,0.142,0.284,0.426,0.568,0.710,0.852,1}
    在每次试验结束时,读写器,请选择握手,感觉更人性化。
    实验是建立在以同样的方式加权莫DEL人体试验上述建。然而,尽管在这个实验中,通过比较其自身的修复相结合的基地模式的不同组合进行加权人类模型试验校准的基础模型是由噪声的替代品。
    PSE是从心理曲线中提取和定义MHLG ñ
    (6)MHLG N = 1 - PSE
    最少的或最类似人类的可能的感知模型,产量MHLG ñ的0或1值,分别为。

3。代表性的成果:

图2演示了3种方法的每一个题目的结果。在所有这三个实验的测试模型2粘弹性模型,KB1:弹簧K = 50 N / M,阻尼器乙= 2 NS / M; KB2:春天K = 20牛顿/米,阻尼B = 1.3纳秒/米。在加权模型的人体试验,MHLG W是评估每个测试模型通过比较K = 50 N / m的弹性示范基地

图2
图2:两个粘弹性模型MHLG值根据的“纯粹”的测试协议(一),“加权模型人的协议”(二),并补充说:“噪音”协议(C) 。误差线(b)及(三)代表的“心理曲线的置信区间。黑网吧代表模型MHLG档次,和灰色条示范基地的代表在(b)和(c)中的噪声。

结果表明,粘弹性模型被认为是更喜欢使用所有三个评价方法比其他的粘弹性模型KB1人类KB2。

Discussion

我们提出一个新的协议,通过一个简单的telerobotic系统管理的一个被迫选择图灵握手测试。此协议是一个比较人工握手模式,而不是一个平台,为确定人类绝对肖像平台。此协议是在2-5几个会议提出

在这里我们已经表明,这个测试是在寻找运动的被动特性,提供最人性般的感觉参数很有帮助。它可以用来进一步研究,以制定一个握手将尽可能与人类类似的模型。我们将采用这个平台http://www.bgu.ac.il/〜akarniel /握手/ index.html的 ],竞争车型将在第一图灵握手,比赛将在2011年夏天的地方[分级为他们的人类肖像。终极模式也许应该考虑人类阻抗21日 ,与读写器和许多其他人的自然握手,应进行测试和使用这个图灵被迫选择像握手测试排名方面的相互适应的非线性和时变性质。

建议的测试是一维,并通过一个telerobotic接口进行的,因此是有限的:它隐藏了许多方面的触觉信息,温度,水分和把握力,如握手。然而,在几个研究telerobotic接口用于探索“ 握手 6-11”和其他形式的人的互动12。此外,在这个版本的测试中,我们没有考虑之前和之后的身体接触握手,启动和释放时间,其多面性和手轨迹的时间。 13-14人,因此,性别和文化上取决于握手也有多种类型,不能指望以产生一个单一的最优与人类类似的握手模式。不过,我们相信,建议测试的简单性是一个优势,至少在这个研究的初步阶段,。一旦这种一维握手的主要功能是正确的特点,我们可以考虑这些限制,并相应地延长测试。

应该指出的握手图灵测试计算机,而不是被人问对方的身份,可以逆转。在此框架下,我们认为以下的反向握手假说:握手的目的是探测动摇的手;根据反向握手假说,最佳的握手算法 - 在某种意义上说,它会从一个人握手区别 - 最有效地促进人与机器之间的歧视。换句话说,该模型将产生最佳的握手等,适当调整分类可以区分人类和机器的握手。

如果反向握手假说确实是正确的,它产生了我们的测试的临床应用:确定人患有各种神经马达相关的疾病,如脑性麻痹(CP),电机障碍。以往的研究表明执行达到运动15-16时的CP患者和正常人之间的运动学参数的差异。我们最近发现,运动健康与CP的个人和个人之间的特点晃动手中通过telerobotic系统4时有所不同。这些结果加强了我们的索赔电机障碍的人可以从健康的人区分开来研究和探索的每一个人握手运动。我们还应该注意,这里讨论的测试是一个感性的测试,最近的研究区分的感知和行动17-20。未来的研究应探讨三个版本的测试,以准确地评估了与人类类似的握手的性质:(1)感知的相似性的心理测试(2)电机行为测试(motormetric测试),将探讨电机读写器可能不同于他/她的认知感知的相似性反应;(3)最终的最佳鉴别试图区分的力量和位置轨迹为基础的人力和机握手。

总体而言,我们主张,了解电机控制系统,是为了解大脑功能的必要条件,并证明这样的认识,可以通过建设一个人形机器人,从一个人没有什么区别。目前的研究侧重于通过telerobotic制度的握手。我们断言,排名当时提出的图灵测试握手,我们人类的手部动作控制性质的科学假说应该能够提取人类的马达控制或显着的属性至少需要建立一个人造的附属物,是从一个人的手臂无异的突出特性。

Disclosures

没有利益冲突的声明。

Acknowledgments

AK希望感谢了有益的讨论有关建议图灵握手测试格里勒布。 AK和IN要感谢纳撒尼尔莱博维茨和利奥尔Botzer本协议于2007年回的第一个版本的设计作出了贡献。这项研究是由以色列科学基金会(批准号:1018年至1008年)的支持。 SL是由Kreitman基金会博士后奖学金的支持。在Kreitman基础和Clore奖学金计划的支持。

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/

DOWNLOAD MATERIALS LIST

References

  1. Wichmann, F., Hill, N. The psychometric function: I. Fitting, sampling, and goodness of fit. Perception & Psychophysics. 63, 1293-1293 (2001).
  2. Avraham, G., Levy-Tzedek, S., Karniel, A. Computational Motor Control Workshop, Be'er-Sheva, (2009).
  3. Avraham, G., Levy-Tzedek, S., Karniel, A. Neural Control of Movement, Florida, USA, (2010).
  4. Avraham, G., Levy-Tzedek, S., Peles, B. C., Bar-Haim, S., Karniel, A. Computational Motor Control Workshop, Be'er-Sheva, (2010).
  5. Karniel, A., Nisky, I., Avraham, G., Peles, B. C., Levy-Tzedek, S. EuroHaptics, Amsterdam, Netherlands, (2010).
  6. Jindai, M., Watanabe, T., Shibata, S., Yamamoto, T. The 15th IEEE International Symposium on Robot and Human Interactive Communication, Hatfield, UK, (2006).
  7. Kasuga, T., Hashimoto, M. Internatioanl Conference on Robotics and Automation, Barcelona, Spain, IEEE. (2005).
  8. 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).
  9. Bailenson, J., Yee, N. Virtual interpersonal touch and digital chameleons. Journal of Nonverbal Behavior. 31, 225-242 (2007).
  10. Miyashita, T., Ishiguro, H. Human-like natural behavior generation based on involuntary motions for humanoid robots. Robotics and Autonomous Systems. 48, 203-212 (2004).
  11. Wang, Z., Lu, J., Peer, A., Buss, M. EuroHaptics, Amsterdam, The Netherlands, (2010).
  12. IiZuka, H., Ando, H., Maeda, T. proceedings of AsiaGraph, (2010).
  13. 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).
  14. Stewart, G., Dustin, S., Barrick, M., Darnold, T. Exploring the handshake in employment interviews. Journal of Applied Psychology. 93, 1139-1146 (2008).
  15. 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).
  16. 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).
  17. Goodale, M., Milner, A. Separate visual pathways for perception and action. Trends in neurosciences. 15, 20-25 (1992).
  18. Ganel, T., Goodale, M. Visual control of action but not perception requires analytical processing of object shape. Nature. 426, 664-667 (2003).
  19. Pressman, A., Nisky, I., Karniel, A., Mussa-Ivaldi, F. Probing Virtual Boundaries and the Perception of Delayed Stiffness. Advanced Robotics. 22, 119-140 (2008).
  20. Nisky, I., Pressman, A., Pugh, C. M., Mussa-Ivaldi, F. A., Karniel, A. EuroHaptics, Amsterdam, Netherlands, 213-218 (2010).
  21. Karniel, A. Computational Motor Control. Encyclopedia of Neuroscience. Binder, M. D., Hirokawa, N., Windhorst, U. Springer-Verlag. Berlin. 832-837 (2009).
一维类似图灵汽车情报握手测试
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Karniel, A., Avraham, G., Peles, B., Levy-Tzedek, S., Nisky, I. One Dimensional Turing-Like Handshake Test for Motor Intelligence. J. Vis. Exp. (46), e2492, doi:10.3791/2492 (2010).More

Karniel, A., Avraham, G., Peles, B., Levy-Tzedek, S., Nisky, I. One Dimensional Turing-Like Handshake Test for Motor Intelligence. J. Vis. Exp. (46), e2492, doi:10.3791/2492 (2010).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter