Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

Neuroscience

モーター知能一次元チューリングライクハンドシェイクテスト

doi: 10.3791/2492 Published: December 15, 2010

Summary

我々は、質問器は(人間や人工的な)ロボットスタイラスを保持し、別の相手とやり取りされている遠隔操作型ロボットのシステムを介して投与するチューリングのようなハンドシェイクのテストを提示する。我々は、強制選択法を使用し、そして人間の握手に人工的なモデルの類似性のために尺度を抽出する。

Abstract

チューリングテストでは、コンピュータモデルは、それが人間のものとの区別はありません答えを生成できる場合は、"インテリジェント考える"とみなされる。しかし、このテストは、マシンの知能の言語的な側面に限定されます。脳の顕著な機能は、運動の制御であり、そして人間の手の動きは、この機能の洗練されたデモです。したがって、我々は機械のモーターの知能については、チューリングのようなハンドシェイクのテストを提案する。私たちは、尋問がロボットスタイラスを保持し、別の当事者(人間または人工)との対話のタスクに従事されている遠隔操作型ロボットのシステムを介してテストを実施する。代わりに他の当事者は、人またはコンピュータプログラムであるかどうか尋問を尋ねるので、我々は2つ​​の代替強制選択法を採用し、より人間に近いですつのシステムのどの尋ねる。私たちは、人間のハンドシェイクの動作に似ているに応じて各モデルの定量的なグレードを抽出し、それを"モデルヒューマン肖像グレード"(MHLGを)という名前を付けます。我々はMHLGを推定する3つの方法を提示する。 (i)のモデルは、より人間に近い人間よりであることを、被験者の回答の割合を計算し、(ⅱ)我々は心理測定曲線にフィットし、主観的等価点を抽出し、ヒトと​​モデルハンドシェイクの2つの重み付き和(PSEを比較することにより)こと、(iii)人間とのランダムな信号の重み付け和で与えられるモデルを比較することで、我々は、尋問の答えに心理測定曲線をフィットし、加重和の人間の重さのためにPSEを抽出する。完全に、我々は人間の握手の計算モデルをテストするためのプロトコルを提供しています。我々は、モデルを構築しても現象と、このケースでは、人間のハンドシェイクの世代を担う神経機構を理解する上での理解に必要なステップであると考えています。

Protocol

1。システムの準備

  1. ハードウェア要件:
    • SensAble Technologies社による二PHANTOMデスクトップロボット
    • 2パラレルカード。
    • 最小システム要件:IntelまたはAMDベースのPC、Windows 2000/XPの場合、ディスク容量の250メガバイト
  2. ソフトウェア要件:
    • ドライバ -
      SensAble Technologiesのウェブサイトからダウンロードドライバhttp://www.sensable.comコンピュータのオペレーティングシステムに応じて。
    • H3DAPI -
      のインストールのウォークスルーセクションに表示される指示に従ってH3DAPIのソースコードをダウンロードし、インストールhttp://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation
      我々は、既存のコードで満たされていない我々の要件に合うようにコードを更新。更新されたファイルは、ハンドシェイクのトーナメントのウェブサイトからダウンロードすることができますhttp://www.bgu.ac.il/〜akarniel /ハンドシェーク/ / index.htmlを
      上記ウェブサイトで説明したように各ファイルは適切なフォルダに配置する必要があります。
      変更を実行した後、CMakeをダウンロードしてコードをコンパイルします。コンパイル命令はで見つけることができますhttp://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation
    • X3DとPython
      • からのダウンロードはPython 2.5 http://www.python.org/download/releases/2.5.5/
      • ハンドシェイクのウェブサイトからpythonとX3Dのコードをダウンロードし、例えば、専用のディレクトリにコードファイルを配置します:"C:\ codeDirectory"
      • 各ハンドの力のモデルは別のpythonファイルに記述する必要があります。バネの力のモデルの例については、図1を参照してください。
    • で入手可能なMatlabのためのpsignifitツールボックスバージョン2.5.6、 http://www.bootstrap-software.org/psignifit/

図1
図1:Pythonでの関数を強制的に。ハンドシェイクのためのバネの力のモデルの例

2。実験的なプロトコル

  • コマンドウィンドウを開き、次のように入力して、PythonとX3Dコードのディレクトリに変更します:cd C:\ codeDirectory。
  • \ codesDirectory:Cにおける被験者の名前を持つフォルダを作成します。
  • h3dload code_name.x3d:実験の種類を実行するために。
  • 次のように入力して、新しいランダムなファイルを作成します。random_file_name.txt。ランダムファイルは、別のハンドシェイクが表示される順序を定義します。
  • 以前に作成したフォルダのように正確に被験者の名前を入力してください。
  • 人間、コンピュータ、および尋問者:古典的なチューリングテストのオリジナルのコンセプトを踏襲し、各実験は3エンティティで構成されています。 2つの科目(人間とインテロゲータ)各一ファントムの力覚デバイスのスタイラスを保持し、ハンドシェイクの動きを生成する。これらは、画面に表示される指示に従うことが求められます(例えば、:"最初の握手のためにページをアップ押し")、ハンドシェイクの力が適用されるため。次の方法のすべてでは、それぞれの試験は2ハンドシェイクで構成され、被験者はそれらの間で比較するために必要とされています。コンピュータは、時間の関数と1次元の手の位置やその誘導体などの力の信号を生成するシミュレートされたハンドシェイクのモデルです。
    (1)F モデル (T)=Φ[x(t)、t]0≤T≤T
    F一次元スタイラスの動きのいずれかの因果関係演算子の[x、t]のスタンド、例えば、非線形時変力学モデルは、Tはハンドシェイクの持続時間である。現在の研究のTの= 5秒。
  1. "純粋な"テストを実施し、人間の肖像グレードMHLG Pモデルを計算する
    実験は、すべてのハンドシェイク(N = 24)被験者が単に遠隔操作型ロボットのシステムを介して互いに握手をするような、人間である、12の練習試験から始まります。これらの実践試験の目的は、参加者は、システム内の人間のハンドシェイクに精通できるようにすることです。
    実験では、我々は4つのコンピュータモデルを比較する。各実験のブロックは、我々は人間の握手に4テストモデルを比較した試験4で構成されています。各試験におけるハンドシェイクの一つは、4つのモデルのいずれか(コンピュータ)から発生する力との相互作用であり、もう一つは人間の(第2主題)となります。したがって、被験者は人間と尋問の両方として機能する。各ブロック内の臨床試験の順序はランダムと所定です。各実験は、各コンピュータのハンドシェイクが10回繰り返されるような10ブロックで構成されています。初期分析されていないBLOCKは、システムとタスクの一般的な知人のために追加されます。
    各モデルの場合、被写体がより人間に近いような人間のハンドシェイクを介してモデルのハンドシェイクを選択するハンドシェイクの割合は、モデルが人間と区別できないときに0.5の値を提供するために、計算されます。我々は、MHLG pを得るために2で= 0をMHLGようにこの値を乗算明確のような非人間であり、テストハンドシェイクが人間のハンドシェイクと区別できないこと= 1を意味しますMHLG。
  2. "重み人間モデル"のテストを実施し、モデル人間の肖像グレードMHLG wを計算する
    このプロトコルでは、1つの尋問の対象があります。握手の人間の実体のような他の主題の機能。
    実験では、尋問では、各試行で一人の人間のハンドシェイク、1台のコンピュータのハンドシェイクを経験する中で30の練習試験から始まります。試験の終わりに彼らは人間の握手した2ハンドシェイクのかを選択するよう求められます。彼らが成功した場合、画面には"!正しい"が表示され、彼らは右のハンドシェイク、選択しなかった場合は、"間違った!"メッセージが表示されます。
    実際のブロックの後に実験は、以下のように実施される:試験は2つのハンドシェイクで構成されています。のいずれかの握手 - 刺激 - 尋問は、人間とコンピュータのハンドシェイクのモデルから来る力の組み合わせと相互作用する。
    (2)F =α 刺激 •F 人間 +(1 -α 刺激 )•F stimulusModel
    αの刺激は等しく、例えば、0から1に配布されます。
    α 刺激 = {0、0.142、0.284、0.426、0.568、0.710、0.852、1}
    他のハンドシェイク - 参照は - 人間と参照モデルから生成された力の一定の組み合わせです。
    (3)F =α リファレンス •F 人間 +(1 -α 参照 )•F referenceModel、αリファレンス = 0.5
    各試験の終了時に質問器は、より人間に近い感じハンドシェークを選択することが要求されます。
    各実験では、2つのテストモデルとつのベースモデルを比較する。
    各実験のブロックは、3モデルの組み合わせの各々の刺激と人間の(式2)の線形結合のそれぞれを構成する24の試験で構成されています。
    モデル1
    各ブロック内の臨床試験の順序はランダムと所定です。各実験は、それぞれの組み合わせが10回繰り返されるように10ブロックで構成されています。初期分析されていないブロックは、システムとタスクの一般的な知人のために追加されます。
    我々は入手可能、Matlabのためのpsignifitツールボックスのバージョン2.5.6を使用して尋問の答えにロジスティック精神測定関数1を合わせhttp://www.bootstrap-software.org/psignifit/の推定のための制約付き最尤法で、パラメータ、およびバイアス補正と加速(BCA)ブートストラップ法による信頼区間を見つける。 αの参照 -曲線は、刺激のハンドシェイクは、α 刺激の関数として、より人間に近いであることを答えるために尋問の確率が表示されます。主観的等価点(PSE)は、α 刺激とハンドシェイクが同じように等しく人間であることが認識されるためにα 参照との違いを示し、心理測定曲線の0.5閾値レベルから抽出されます。 PSEはに従ってMHLG wを計算するために使用されます。
    (4)MHLG W = 0.5 - PSE
    参照モデルとしての人間のようにあると思われているモデルはMHLG wの値0.5が得られます。少なくともまたはそれぞれ0または1、ほとんどの人間のような可能性、歩留まりMHLG wの値として認識されているモデル。
  3. "付加ノイズ"のテストを実施し、人間の肖像グレードMHLG n個のモデルを計算する
    同様に加重モデルヒト試験に、唯一の尋問の対象があります。握手の人間の実体のような他の主題の機能。練習のブロックは、以前の方法と同じです。
    練習の後、2ハンドシェイクのいずれかで - 刺激 - 尋問者は、コンピュータのハンドシェイクのモデルと対話します。
    他のハンドシェイク - 参照は - 人間のハンドシェイクに表示される周波数に応じてフィルタリングされた周波数範囲を持つ人間とホワイトノイズの組み合わせから生成される力である。
    (5)F =α•F 人間 +(1 -α)•F ノイズ ;
    αは等しく、例えば、0から1に配布されます。
    α= {0、0.142、0.284、0.426、0.568、0.710、0.852、1}
    各試験の終了時に質問器は、より人間に近い感じハンドシェークを選択することが要求されます。
    実験は、加重MOと同じ方法で構築されています上記デルヒト試験が組み込まれています。しかし、加重人間モデル試験におけるキャリブレーションは、それ自体の修正の組み合わせに、ベースモデルの異なる組み合わせを比較することによって実行されている間、この実験では、ベースモデルは、ノイズによって代用です。
    PSEは、心理測定曲線から抽出され、MHLG nを定義しています
    (6)MHLG のn = 1 - PSE
    少なくともまたはほとんどの人間のような可能性として認識されるモデルは、それぞれ、MHLG nは 0または1の値が得られる。

3。代表的な結果:

図2は、3つの方法のそれぞれに1つの被験者の結果を示しています。すべての3つの実験でテストされたモデルは、2つの粘弾性モデル- KB1です:スプリングK = 50 N / mのダンパーB = 2 nsの/ M、KB2:春K = 20 N / mのダンパーB = 1.3 NS / mの加重モデルヒト試験では、MHLG wは弾性ベースモデルK = 50 N / mにテストされたモデルのそれぞれを比較することによって評価される

図2
図2。"純粋な"テストのプロトコル()に従って、2つの粘弾性モデルのMHLG値、"重み付きモデルヒトプロトコル"(B)と"付加ノイズ"プロトコル(C)。のエラーバー(b)と(c)心理測定曲線の信頼区間を表しています。黒いバーは、モデルのMHLG等級を表し、グレーのバーは、(b)と(c)におけるノイズのベースモデルのものを表しています。

結果は、粘弾性モデルのKB2がすべての3つの評価方法を使用して、他の粘弾性モデルのKB1以上のような、より人間として認識されていることを示している。

Discussion

我々は単純な遠隔操作型ロボットのシステムを介して投与強制選択のチューリングのようなハンドシェイクのテストのために新しいプロトコルを提示している。このプロトコルは、人工的なハンドシェイクのモデルを比較するためのプラットフォームではなく、絶対的な人間の肖像を決定するためのプラットフォームです。このプロトコルは、いくつかの会議2-5に発表された

我々は、このテストは、ほとんどの人間のような感覚を提供する運動の受動的特性のパラメータを見つけるのに有用であることがここに示されている。それは可能な限り人間のようになるハンドシェイクのためのモデルを開発するために更なる研究に使用することができます。我々は、[[2011年夏に行われる最初のチューリングのようなハンドシェイクのトーナメントでこのプラットフォームを採用しますhttp://www.bgu.ac.il/〜akarniel /ハンドシェーク/ index.htmlに ]]、競合モデルがあるところ彼らの人間の類似のために等級分け。究極のモデルは、おそらく非線形性と人間のインピーダンス21、質問器とこの強制選択のチューリングのようなハンドシェイクのテストを使用してテストしてランク付けされるべき人間の自然なハンドシェイクの他の多くの側面との相互適応の時間的に変化する性質を考慮する必要があります。

提案されたテストは、1つの次元と遠隔操作型ロボットのインタフェースを介して行われますので、限られています:それはそのような触覚情報、温度、湿度、および把持力のような握手の多くの側面を隠します。それにもかかわらず、いくつかの研究では遠隔操作型ロボットのインタフェースは、ハンドシェイク6月11日と人間同士の対話12の他の形態を探るために使用された。さらに、テストのこのバージョンでは、我々は物理的に接触する前と後のハンドシェイクの持続時間、開始時間とリリース時間、その多次元自然と手の軌道を考慮していない。 person 13から14、そのための性別や文化に応じて、ハンドシェイクの多くの種類もあり、1つは、単一の最適な人間のようなハンドシェイクのモデルを生成するために期待することはできません。それにもかかわらず、我々は提案された試験のシンプルさは、少なくとも研究のこの予備的段階では、有利であると考えています。そのような一次元ハンドシェイクの主な機能が適切に特徴付けされれば我々はこれらの制限を考慮し、それに応じてテストを拡張する上で移動することができます。

それはチューリングのようなハンドシェイクのテストではなく、他の当事者の身元について質問されている人のコンピュータで、逆にすることに留意すべきである。この枠組みでは、我々は以下の逆のハンドシェイクの仮説を検討してください。ハンドシェイクの目的は、動揺、手を探ることです。リバースハンドシェイクの仮説によれば、最適なハンドシェークアルゴリズム - それは人間の握手と区別がつかないだろうという意味で、 - になります最高の人と機械の間に差別を促進する。言い換えれば、モデルは適切にチューニングされた分類器は、人間と機械のハンドシェイクを区別できるよう最善のハンドシェイクが得られます。

逆ハンドシェイクの仮説が本当に正しいかどうか、それは我々のテストのための臨床応用をもたらします:様々な神経モーター - 関連疾患、そのような脳性麻痺(CP)などに苦しむ人々に運動障害を識別する。到達運動15-16実行するときにこれまでの研究では、CP患者と健常者の間で運動学パラメータの違いを示している。我々は最近、遠隔操作型ロボットのシステム4を介して握手をしたときの動きの特性は、CPと健常者や個人間で異なることを示した。これらの知見は、運動障害を持つ人々がそれぞれ個々のハンドシェイクの動きを調べ、探求することによって健康な人と区別することができるという私たちの主張を強化する。一つは、また、本明細書において議論さテストが知覚テストと最近の研究知覚と行動17から20の間の区別であることに注意してください。今後の研究では、正確に人間のようなハンドシェイクの性質を評価するために、テストの3つのバージョンを探る必要があります:知覚の類似性(1)精神測定テスト、モーターを探求する(2)モーターの動作テスト(motormetricテスト)彼/彼女の認知的知覚の類似性とは異なる場合があります尋問の反応、力と位置の軌跡に基づいて、人間と機械握手を区別しようとする(3)究極の最適なディスクリミネータ。

一般的な用語で、我々は、モータ制御システムを理解する脳の機能を理解するために必要な条件であることを表明し、そのような理解は、人間と区別がつかない人間型ロボットを構築することによって実証される可能性があります。現在の研究では、遠隔操作型ロボットのシステムを介してハンドシェイクに焦点を当てています。我々は、提案されたチューリングのようなハンドシェイクのテストを使用して、人間の手の動きの制御の性質についての有力な科学的な仮説をランク付けすることによって我々のことを主張するヒトの運動制御や人間の腕から区別がつかない人工付加物を構築するために必要な最低でも顕著な特性の顕著な特性を抽出することができるはずです。

Disclosures

利害の衝突は宣言されません。

Acknowledgments

AKは、提案されたチューリングのようなハンドシェイクの試験に関する有益な議論のためにジェリーローブを感謝したい。 AKとINは2007年にこのプロトコルの後ろの非常に最初のバージョンの設計に貢献ナサニエルレイボビッツとLior Botzerに感謝したい。この研究は、イスラエル科学財団(助成番号1018から1008)によってサポートされていました。 SLはKreitman財団ポスドクでサポートされています。 INはKreitman基礎とクロアの奨学金プログラムによってサポートされています。

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).
モーター知能一次元チューリングライクハンドシェイクテスト
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