Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

Neuroscience

Endimensionella Turing-Som Handshake test för Motor Intelligence

doi: 10.3791/2492 Published: December 15, 2010

Summary

Vi presenterar en Turing-liknande Handslaget testa administreras genom en telerobotic system där förhörsledaren håller en robot penna och interagera med en annan part (mänsklig eller syntetisk). Vi använder en påtvingad val metod, och extrahera ett mått på likheten mellan den konstgjorda modellen till en mänsklig handslag.

Abstract

I Turingtestet är en datormodell som anses "tänka intelligent" om det kan generera svar som inte kan särskiljas från dem som en människa. Detta är dock prov som endast gäller de språkliga aspekterna av maskinens intelligens. En framträdande funktion i hjärnan är kontrollen av rörelse och förflyttning av mänsklig hand är en sofistikerad demonstration av denna funktion. Därför föreslår vi en Turing-liknande handslag test, för maskinens motor intelligens. Vi administrerar testet genom ett telerobotic system där förhörsledaren är engagerad i en uppgift att hålla en robot penna och interagera med en annan part (mänsklig eller syntetisk). Istället för att fråga förhörsledaren om den andra parten är en person eller ett datorprogram, använder vi två alternativ tvingas välja metod och fråga vilket av två system är mer människoliknande. Vi extrahera en kvantitativ betyg för varje modell enligt dess likheter med den mänskliga handslag rörelse och namnge det "Model Human-likhet Grade" (MHLG). Vi presenterar tre metoder för att uppskatta MHLG. (I) Genom att beräkna andelen individer svar att den modellen är mer människolika än det mänskliga, (ii) genom att jämföra två viktade summor av mänskliga och modell handskakningar vi passar en psykometrisk kurva och extrahera den punkt subjektiva jämlikhet (PSE ), (iii) genom att jämföra en viss modell med en viktad summa av mänskliga och slumpmässiga signaler, passar vi en psykometrisk kurva till svaren från förhörsledaren och extrahera PSE för vikten av det mänskliga i den viktade summan. Sammanlagt ger vi ett protokoll för att testa beräkningsmodeller av den mänskliga handslag. Vi tror att bygga en modell är ett nödvändigt steg att förstå något fenomen och, i detta fall, att förstå den neurala mekanismer som ansvarar för generering av den mänskliga handslag.

Protocol

1. Förbereda systemet

  1. Hårdvara krav:
    • Två PHANTOM skrivbordet robotar genom sensibelt Technologies, Inc.
    • 2 Parallell kort.
    • Lägsta systemkrav: Intel eller AMD-baserade datorer, Windows 2000/XP, 250 MB diskutrymme.
  2. Mjukvara krav:

Figur 1
Figur 1. Force funktion i Python. Ett exempel på en fjäderkraft modell för ett handslag

2. Experimentell Protokoll

  • Öppna kommandofönster och ändra till python och X3D kod katalogen genom att skriva: cd C: \ codeDirectory.
  • Skapa en mapp med försökspersonernas namn i C: \ codesDirectory.
  • För att köra experimentet typ: h3dload code_name.x3d.
  • Skapa en ny slumpmässig fil genom att skriva: random_file_name.txt. Den slumpmässiga filen definierar i vilken ordning de olika handslag visas.
  • Skriv in de ämnen namn precis som i tidigare skapade mappen.
  • Efter det ursprungliga konceptet av de klassiska Turingtestet, består varje experiment av 3 enheter: en människa, en dator och en förhörsledare. Två ämnen (mänskliga och förhörsledaren) varje håll pennan på en Phantom haptisk enhet och generera handslag rörelser. De uppmanas att följa de anvisningar som visas på skärmen (t.ex.: "Tryck Page Up för första handskakning") för handskakning krafter skall tillämpas. I samtliga av följande metoder består varje prövning av 2 handslag, och de ämnen som krävs för att jämföra mellan dem. Datorn är en simulerad handskakning modell som genererar en kraft signal som funktion av tid och endimensionella handen ställning och dess derivat.
    (1) F-modellen (t) = Φ [x (t), t] 0 ≤ tT
    F [x, t] står för något orsakssamband operatör, t.ex. icke-linjära tidsvarierande mekanisk modell av en endimensionell pennan rörelse, och T är löptiden för handskakning. I den aktuella studien T = 5 sekunder.
  1. Genomföra den "rena" testa och beräkna den modell mänsklig gestalt klass MHLG p
    Experimentet börjar med 12 praxis prövningar där alla handskakningar (n = 24) är mänskliga, så att försökspersonerna bara skaka hand med varandra genom telerobotic systemet. Syftet med dessa praktiska försök är att möjliggöra för deltagarna att bekanta sig med en människa handslag i systemet.
    I experimentet jämför vi fyra datormodeller. Varje experimentella kvarter består av 4 prövningar där vi jämför de fyra testade modeller till en mänsklig handslag. En av handskakningar i varje rättegång är en interaktion med en kraft som genereras från en av de fyra modeller (en dator), och den andra är med ett mänskligt (det andra motivet). Därför skall fungera som både människor och utfrågare. Ordningen på försök inom varje block är slumpmässig och förutbestämt. Varje experiment består av 10 block, så att varje dator handslag upprepas 10 gånger. En första unanalyzed block läggs för allmän bekantskap med systemet och uppgiften.
    För varje modell, är andelen handslag där motivet kan välja den modell handslag över människorättssituationen handskakningen som mer människoliknande beräknas ge ett värde som är 0,5 när modellen omöjlig att skilja från en människa. Vi multiplicerar detta värde med två för att få MHLG p, så att MHLG = 0 är tydligt icke-mänskliga gillar och MHLG = 1 innebär att de testade handslag är omöjlig att skilja från den mänskliga handskakning.
  2. Genomföra den "viktade människa-modellen" test och beräkning av modell mänsklig gestalt klass MHLG w
    I detta protokoll finns det bara en förhörsledaren ämne. Det andra ämnet fungerar som den mänskliga varelsen i handslag.
    Experimentet börjar med 30 praxis prövningar där förhörsledaren erfarenheter en människa handslag och en dator handslag i varje försök. I slutet av rättegången de ombeds att välja vilken av de 2 handslag var den mänskliga handskakning. Om de lyckas, visar skärmen "Korrekt!", Och om de inte väljer rätt handslag, en "Fel!" visas.
    Efter praktiken blocket experimentet utförs på följande sätt: En studie består av två handslag. I en av handskakningar-stimulans - förhörsledaren interagerar med en kombination av krafter som kommer från människa och en dator handskakning modell.
    (2) F = α stimulans • F mänskliga + (1-α stimulus) • F stimulusModel
    α stimulans är lika distribueras från 0 till 1, t ex:
    α stimulans = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1}
    Den andra handskakning - hänvisningen - är en fast kombination av krafter som genereras från det mänskliga och en förebild:
    (3) F = α referens • F mänskliga + (1-α referens) • F referenceModel, α referens = 0,5
    Vid slutet av varje prövning förhörsledaren uppmanas att välja den handslag som kändes mer människoliknande.
    I varje experiment vi jämför två testmodeller och en bas modell.
    Varje experimentella kvarter består av 24 studier på vart och ett av linjära kombinationer av den stimulans och det mänskliga (eq. 2) för varje 3-modellen kombinationer:
    Modell 1
    Ordningen på försök inom varje block är slumpmässig och förutbestämt. Varje experiment består av 10 block, så att varje kombination upprepas 10 gånger. En första unanalyzed block är till för allmän kännedom om systemet och uppgiften.
    Vi passar en logistisk psykometrisk funktion 1 till svaren från förhörsledaren använder psignifit verktygslådan version 2.5.6 för Matlab, som finns på http://www.bootstrap-software.org/psignifit/ , med en begränsad maximum likelihood-metoden för uppskattning av parametrarna, och hitta konfidensintervall av bias-korrigerade och accelererade (BCA) bootstrap-metoden. Kurvan visar sannolikheten för förhörsledaren att svara på en stimulans handslag är mer människoliknande, som en funktion av α stimulanspaket - α referens. Poängen med subjektiva jämlikhet (PSE) utvinns från 0,5 tröskelnivå av psykometriska kurvan, som visar skillnaden mellan α stimulans och α referens för vilka handskakningar uppfattas vara lika mänsklig ut. PSE används för att beräkna MHLG w enligt:
    (4) MHLG w = 0,5-PSE
    En modell som uppfattas vara så människoliknande som referens-modellen ger den MHLG w värdet 0,5. De modeller som upplevs som minst eller mest människoliknande möjligt, ge MHLG w värdena 0 eller 1, respektive.
  3. Genomföra "läggas brus" testa och beräkna den modell mänsklig gestalt årskurs MHLG n
    I likhet med det vägda modell-mänskliga test, finns det bara en förhörsledaren ämne. Det andra ämnet fungerar som den mänskliga varelsen i handslag. Den praxis blocket är också densamma som i föregående metod.
    Efter praktiken i en av de två handslag - den stimulans - förhörsledaren interagerar med en dator handskakning modell.
    Den andra handskakning - hänvisningen - är en kraft som genereras från en kombination av mänskliga och vitt brus med ett frekvensomfång filtreras enligt de frekvenser som visas i den mänskliga handslag.
    (5) F = α • F mänskliga + (1-α) • F buller;
    α är lika distribueras från 0 till 1, t ex:
    α = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1}
    Vid slutet av varje prövning förhörsledaren uppmanas att välja den handslag som kändes mer människoliknande.
    Experimentet är byggd på samma sätt det vägda MOdel-mänskliga provning som nämns ovan är byggd. Men medan den kalibrering i den vägda människa-modell Testet utförs genom att jämföra olika kombinationer av en bas modell till en fix kombination av sig själv, i detta experiment basmodellen är ersätta av buller.
    PSE extraheras från psykometriska kurvan och definierar MHLG n
    (6) MHLG n = 1-PSE
    De modeller som upplevs som minst eller mest människoliknande möjligt, ge MHLG n värdena 0 eller 1, respektive.

3. Representativa resultat:

Figur 2 visar resultaten av ett ämne för varje 3 metoder. De testade modellerna i samtliga tre experiment 2 viskoelastiska modeller-KB1: våren K = 50 N / m, spjäll B = 2 Ns / m, KB2: våren K = 20 N / m, spjäll B = 1,3 Ns / m. I den viktade modell-mänskliga testet är MHLG w utvärderas genom att jämföra varje testat modeller till den elastiska basmodellen K = 50 N / m.

Figur 2
Figur 2. MHLG värden mellan två viskoelastiska modeller enligt "rena" testprotokoll (a), den "viktade modell-mänskliga protokoll" (b) och "lagt till brus"-protokollet (c). Den felstaplar i (b) och (c) företräda psykometriska kurvor "konfidensintervall. De svarta staplarna representerar MHLG betygen för de modeller och de grå staplarna representerar dem som basmodellen i (b) och ljudet i (c).

Resultaten visar att den viskoelastiska modellen KB2 uppfattas som mer mänskliga vilja än den andra viskoelastiska modellen KB1 använder alla tre utvärderingsmetoder.

Discussion

Vi har presenterat ett nytt protokoll för en forcerad val Turing-liknande handslag testet administreras via ett enkelt telerobotic system. Detta protokoll är en plattform för att jämföra konstgjord handslag modeller, snarare än en plattform för att avgöra absolut mänsklig likhet. Detta protokoll presenterades i ett par konferenser 2-5

Vi har visat här att detta test är till hjälp i att hitta parametrarna för passiva egenskaper av rörelse som ger mest människoliknande känsla. Den kan användas i fortsatta studier för att utveckla en modell för ett handslag, som kommer att vara så människoliknande som möjligt. Vi kommer att använda denna plattform i den första Turing-liknande handslag turnering som äger rum under sommaren 2011 [[ http://www.bgu.ac.il/ ~ akarniel / HANDSKAKNING / index.html ]], där konkurrerande modeller kommer att graderas för deras mänskliga likhet. Den ultimata modellen bör nog överväga olinjäriteter och tidsvarierande natur mänskliga impedans 21, ömsesidig anpassning med förhörsledaren och många andra aspekter av en naturlig mänsklig handslag som bör testas och rangordnas med denna forcerad val Turing-liknande handslag test.

Den föreslagna testet är endimensionell och utförs via ett telerobotic gränssnitt, och därför är begränsad: det döljer många aspekter av handslag som taktil information, temperatur, fukt och gripa krafter. Men i flera studier en telerobotic gränssnitt har använts för att utforska handslag 6-11 och andra former av människa-människa interaktion 12. Dessutom, i denna version av testet gjorde vi betraktar inte den tid handslag, inledandet och tider release, dess flerdimensionella karaktär och banor handen före och efter fysisk kontakt. Det finns också många typer av handskakningar beroende på kön och kultur för den person 13-14 och därför kan man inte förvänta sig att generera en optimal människoliknande handskakning modell. Ändå tror vi att enkelheten i det föreslagna testet är en fördel, åtminstone i detta inledande skede av studien. När de viktigaste funktionerna i en sådan endimensionell handslag är korrekt präglas vi kan gå vidare till dessa begränsningar och utöka testet därefter.

Det bör noteras att en Turing-liknande handslag testet kan vara reversibel, med datorn istället för den person som frågade om vem den andra parten. I detta sammanhang anser vi att följande omvända handskakning hypotes: syftet med ett handslag är att utforska skakat hand, enligt den omvända handslag hypotesen, den optimala handslag algoritm - i den meningen att det kommer att bli omöjlig att skilja från en människa handskakning - kommer bästa underlätta diskriminering mellan människor och maskiner. Med andra ord kommer den modell som ger den bästa handslag så att en korrekt inställd klassificerare kan skilja mellan människa och handslag maskin.

Om det omvända handslag hypotes är verkligen rätta till det ger en klinisk applikation för vår test: identifiera Rörelsehinder hos människor som lider av olika neurologiska motor-relaterade sjukdomar som cerebral pares (CP). Tidigare studier har visat skillnader i kinematiska parametrar mellan CP patienter och friska personer när de utför når rörelser 15-16. Vi visade nyligen att egenskaperna hos rörelser skiljer sig åt mellan friska individer och individer med CP när de skakar hand med hjälp av en telerobotic system 4. Dessa resultat stärker vår hävdar att människor med motoriska funktionsnedsättningar kan skiljas från friska personer genom att undersöka och utforska handslag förflyttning av varje individ. Man bör också notera att testet diskuteras här är en perceptuell test och nya studier skilja mellan uppfattning och handling 17-20. Framtida studier bör undersöka tre versioner av testet för att exakt bedöma vilken typ av människa-gillar handskakning: (1) en psykometriska test av den upplevda likheten, (2) en motor beteende test (motormetric test) som kommer att undersöka motorn reaktion av förhörsledaren, som kan skilja sig från hans / hennes kognitivt upplevda likheten, (3) en ultimat optimal diskriminatorn som försöker att skilja mellan människa och maskin handslag bygger på kraft och banor position.

I allmänna ordalag hävdar vi att förstå systemet motorstyrning är en förutsättning för förståelsen av hjärnans funktion, och att en sådan förståelse skulle kunna påvisas genom att bygga en humanoid robot omöjlig att skilja från en människa. Den aktuella studien fokuserar på handslag via ett telerobotic system. Vi påstår att genom att rangordna den rådande vetenskapliga hypoteser om naturen av mänsklig hand rörelsekontroll hjälp av de föreslagna Turing-liknande handslag test, viska kunna extrahera framträdande egenskaper hos mänskliga motorisk kontroll, eller åtminstone de framträdande egenskaper som krävs för att bygga en konstgjord bihang som är omöjlig att skilja från en mänsklig arm.

Disclosures

Inga intressekonflikter deklareras.

Acknowledgments

AK vill tacka Gerry Loeb till nyttiga diskussioner om den föreslagna Turing-liknande handslag test. AK och IN vill tacka Natanael Leibowitz och Lior Botzer som har bidragit till utformningen av den allra första versionen av detta protokoll redan 2007. Denna forskning stöds av Israels Science Foundation (bidrag nr 1018-1008). SL stöds av en Kreitman stiftelse postdoktorsstipendium. I stöds av Kreitman stiftelsen och Clore stipendieprogram.

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).
Endimensionella Turing-Som Handshake test för Motor Intelligence
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