Name: Motor İstihbarat Bir Boyutlu Turing Gibi El Sıkışma Testi (Video) | JoVE Journal
Uploaded: 2010-12-15T15:45:00.000+00:00
Duration: 14 min 5 s
Description: Öğrenin, telerobotik sistem kullanarak Turing benzeri el sıkışma testiyle yapay modellerin insan el sıkışmasına benzerliğini nasıl değerlendireceğinizi. Bu yöntem, insan benzerliği için zorunlu seçim paradigması uygular.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

AK Gerry Loeb önerilen Turing gibi bir el sıkışma testi hakkında yararlı tartışmalar için teşekkür etmek istemektedir. AK ve inç ilk versiyonu 2007 yılında bu protokol arka tasarımına katkıda Nathaniel Leibowitz ve Lior Botzer teşekkür etmek istiyorum. Bu araştırma, İsrail Bilim Vakfı (hibe No 1018-1008) tarafından desteklendi. SL Kreitman Vakfı doktora sonrası burs tarafından desteklenmektedir. IN Kreitman vakıf ve Clore Burs Programı tarafından desteklenmektedir.

1. Sistem Hazırlama <ol><li> Donanım gereksinimleri: <ul><li> İki PHANTOM masaüstü robotlar SensAble Technologies, Inc. </li><li> 2 Paralel kart. </li><li> Minimum Sistem Gereksinimleri: Intel veya AMD tabanlı PC'ler, Windows 2000/XP, 250 MB disk alanı. </li></ul></li><li> Yazılım gereksinimleri: <ul><li> Driver- SensAble teknolojileri web sitesinden sürücüleri <a href="http://www.sensable.com">http://www.sensable.com</a> bilgisayar işletim sistemine göre. </li><li> H3DAPI- Adım adım yükleme bölümünde görüntülenen talimatlara göre H3DAPI kaynak kodunu indirin ve kurun <a href="http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation">http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation</a> Biz varolan kodu karşılanmadığını gereksinimlerine uymak için kod güncellendi. Güncelleştirilmiş dosyaları el sıkışma turnuva web sitesinden indirebilirsiniz <a href="http://www.bgu.ac.il/~akarniel/HANDSHAKE//index.html">http://www.bgu.ac.il/ ~ akarniel / ELSIKIŞMA / / index.html</a> Her dosya, yukarıdaki web sitesinde açıklandığı gibi uygun klasörde yer almalıdır. Değişiklikleri yaptıktan sonra, CMake indirmek ve kodu derlemek. Derleme talimatları bulunabilir <a href="http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation">http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation</a> </li><li> X3D ve python <ul><li> Download Python 2.5 <a href="http://www.python.org/download/releases/2.5.5/">http://www.python.org/download/releases/2.5.5/</a> </li><li> El sıkışma web sitesinden indirin ve python ve X3D kodları, örneğin özel bir dizin kod dosyaları, yeri: "C: \ codeDirectory" </li><li> Her el sıkışma gücü modeli ayrı bir python dosyası yazılmalıdır. Bir bahar kuvvet modelinin bir örnek için Bkz: Şekil 1. </li></ul></li><li> mevcut Matlab psignifit araç sürüm 2.5.6, <a href="http://www.bootstrap-software.org/psignifit/">http://www.bootstrap-software.org/psignifit/</a> </li></ul></li></ol><img src="/files/ftp_upload/2492/2492fig1.jpg" alt="Şekil 1" data-altupdatedat="1787634011000" data-alt="Şekil 1"> Şekil 1 python Kuvvet fonksiyonu. Bir el sıkışma bir yay kuvveti modeli bir örnek 2. Deneysel Protokolü <ul><li> Yazarak komut penceresi açın ve python ve X3D kod dizini değiştirin: cd C: \ codeDirectory. </li><li> C deneklerin isimleri ile bir klasör oluşturun: \ codesDirectory. </li><li> H3dload code_name.x3d: Deneme türünü çalıştırmak için. </li><li> Yazarak rasgele yeni bir dosya oluşturun: random_file_name.txt. Rasgele bir dosya farklı el sıkışma göründükleri sırasını tanımlar. </li><li> Konular tam olarak önceden oluşturulmuş bir klasör adlarını girin. </li><li> Bir insan, bir bilgisayar ve sorgulayıcı bir klasik Turing testi orijinal kavramı takiben, her bir deney 3 varlıklar oluşur. İki kişi (insan ve sorgulayıcı) her bir Phantom haptik cihaz kalemi tutun ve el sıkışma hareketleri oluşturur. Ekranda beliren yönergeleri takip etmek istenir (örneğin, "ilk el sıkışma için basın"), el sıkışma güçleri uygulanacak. Aşağıdaki yöntemlerden her deneme 2 el sıkışma oluşur ve konular aralarında karşılaştırmak için gerekli olan. Bilgisayar, zamanın bir fonksiyonu ve tek boyutlu bir el pozisyonu ve türevleri olarak bir güç sinyali üretir simüle el sıkışma modeli. (1) F modeli (t) = Φ [x (t), t] 0 ≤ t ≤ T F herhangi bir nedensel operatörü, tek boyutlu kalemi hareket örneğin, non-lineer zamanla değişen mekanik modeli, ve T el sıkışma süresi [x, t] duruyor. Bu çalışmada T = 5 saniye. </li></ul><ol><li> "Saf" testi yapılması ve p MHLG model insan benzerlik notu hesaplanırken 12 el sıkışma (n = 24) olduğu konuların sadece tele-robot sistemi aracılığıyla birbirleriyle tokalaşıp insan, bu tür pratik çalışmalarda deney ile başlar. Bu pratik çalışmaların amacı, katılımcıların, sisteme bir insan el sıkışma ile tanışmış olmasını sağlamak için. Deneyde, dört bilgisayar modelleri karşılaştırın. Her deneysel blok, bir insan el sıkışma 4 test modelleri karşılaştırmak olan 4 çalışmaların oluşur. Her çalışmada el sıkışma biri dört model (bilgisayar) birinde üretilen bir kuvvet ile bir etkileşim ve diğer insan (ikinci bir konu). Bu nedenle, hem insan ve sorgulama gibi konularda çalışır. Her blok içinde çalışmaların sırası rastgele ve önceden belirlenmiş. Her deney, 10 blok, her bilgisayara el sıkışma 10 kez tekrarlanır oluşur. Bir ilk unanalyzed block sistemi ve görev ile genel tanıdığı için eklenir. Her model için, model bir insan ayırt edilemeyen 0.5 bir değer sağlamak için, bu konuda daha fazla insan gibi insan el sıkışma üzerinde model el sıkışma seçer el sıkışma oranı hesaplanır. Biz MHLG p, bu tür MHLG = 0 gibi insan dışı ve MHLG = 1 anlamına gelir test edilen el sıkışma insan el sıkışma ayırt edilemez olduğunu açıkça elde etmek için bu iki değeri çarpın </li><li> "Ağırlıklı insan modeli" test yapılması ve model insan benzerlik notu MHLG w hesaplanırken Bu protokol, yalnızca tek bir sorgulayıcı konu var. Diğer bir konu, insan bir varlık olarak el sıkışma fonksiyonları. Sorgulayıcı, her deneme bir insan el sıkışma ve bir bilgisayar el sıkışma deneyimleri olan 30 pratik çalışmalarda deney ile başlar. Yargılama sonunda insan el sıkışma 2 el sıkışma seçmeleri istenmiştir. Eğer başarırlarsa, ekranda "Doğru" görüntüler ve sağ el sıkışma, bir seçim olmasaydı "Yanlış!" mesajı görünür. Uygulama blok sonra deney şu şekilde yapılır: Bir deneme iki el sıkışma oluşur. Birinde el sıkışma uyaran sorgulayıcı insan ve bir bilgisayar el sıkışma modeli geliyor güçlerin bir kombinasyonu ile etkileşime girer. (2) F = α uyaran • F insan + (1-α uyaran) • F stimulusModel 0 ile 1, örneğin α uyaran eşit dağıtılır: α uyaran = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1} Diğer el sıkışma - referans - insan ve bir referans modeli oluşturulur kuvvetlerin sabit bir kombinasyonu: (3) F = α referans • F insan + (1-α referans) • F referenceModel α referans = 0.5 Her denemenin sonunda sorgulayıcı, daha fazla insan gibi hissettim "Handshake" seçmek için talep edilir. Her deneyde iki test modelleri ve bir baz modeli karşılaştırın. Her 3 model kombinasyonlarının her biri için uyaran ve insan (Eşitlik 2) lineer kombinasyonları her kapsayan 24 çalışmanın deneysel blok oluşur: <img src="/files/ftp_upload/2492/2492model1.jpg" alt="Model 1" data-altupdatedat="1787634011000" data-alt="Model 1"> Her blok içinde çalışmaların sırası rastgele ve önceden belirlenmiş. Her deney, 10 blok, her kombinasyon, 10 kez tekrarlanır oluşur. Sistemi ve görev ile genel tanıdığı için bir başlangıç ​​unanalyzed blok eklenir. Matlab, mevcut psignifit araç sürümü 2.5.6 kullanarak sorgulayıcı cevaplar lojistik psikometrik fonksiyonu 1 uygun <a href="http://www.bootstrap-software.org/psignifit/">http://www.bootstrap-software.org/psignifit/</a> , tahmini için kısıtlı bir maksimum olabilirlik yöntemi ile , parametreler ve önyargı düzeltilmiş ve hızlandırılmış (BCa) bootstrap yöntemi ile güven aralıkları bulmak. Α referans eğrisi, sorgulayıcı bir uyarıcı el sıkışma α uyaran bir fonksiyonu olarak, daha insan gibi cevap olasılık gösterir . Α uyarıcı ve el sıkışma gibi eşit insan olarak algıladıkları için α referans arasındaki farkı gösteren subjektif eşitlik (PSE), psikometrik eğrisinin 0.5 eşik seviyesi elde edilir. PSE MHLG w göre hesaplamak için kullanılır: (4) MHLG w = 0.5-PSE Referans modeli olarak insan gibi algılanan bir model MHLG w değeri 0.5 verir. En az ve en çok insan gibi olası olarak algılanan modelleri, 0 veya 1, w değerleri sırasıyla MHLG verim. </li><li> Ekledi: "gürültü" testi yapılması ve model insan benzerlik notu MHLG n hesaplanması Benzer ağırlıklı model-insan testi, sadece tek bir sorgulayıcı konu vardır. Diğer bir konu, insan bir varlık olarak el sıkışma fonksiyonları. Uygulama bloğu da önceki yöntem aynı. Pratikten sonra, 2 el sıkışma uyaran sorgulayıcı, bir bilgisayar el sıkışma modeli ile etkileşim. Diğer el sıkışma - referans - insan el sıkışma görünen frekanslara göre filtrelenmiş bir frekans aralığı ile insan ve beyaz gürültü bir kombinasyonu elde edilen bir güçtür. (5) F = α • F insan + (1-α) • F gürültü; α eşit örneğin, 0 ile 1 arasında dağıtılır: a = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1} Her denemenin sonunda sorgulayıcı, daha fazla insan gibi hissettim "Handshake" seçmek için talep edilir. Deney ağırlıklı ay aynı şekilde inşa edilmiştirYukarıda belirtilen del insan test inşa edilmiştir. Ancak, ağırlıklı insan modeli test kalibrasyon Bu deneyde, kendisi bir düzeltme kombinasyonu bir baz modeli farklı kombinasyonları karşılaştırarak baz model gürültü yerini tutamaz. PSE psikometrik eğrisi çıkarılır ve MHLG n tanımlar (6) MHLG n = 1-PSE En az ve en çok insan gibi olası olarak algılanan modelleri, sırasıyla, 0 veya 1 MHLG n değerleri verir. </li></ol> 3. Temsilcisi Sonuçlar: Şekil 2, 3 yöntemlerinin her biri için bir konu sonuçları göstermektedir. Üç deneylerde test modelleri 2 viskoelastik modelleri-KB1: bahar K = 50 N / m, amortisör B = 2 Ns / m; KB2: bahar K = 20 N / m, amortisör B = 1.3 Ns / m MHLG w ağırlıklı model insan testi, test edilen modellerin her elastik baz modeli K = 50 N / m karşılaştırılarak değerlendirilir. <img src="/files/ftp_upload/2492/2492fig2.jpg" alt="Şekil 2" data-altupdatedat="1787634011000" data-alt="Şekil 2"> Şekil 2 "saf" bir test protokolü (a) göre iki viskoelastik modeller MHLG değerler "ağırlıklı modeli insan protokolü" (b) ve ekledi: "gürültü" protokolü (c). Bu hata çubukları (b) ve (c) psikometrik eğrileri 'güven aralıkları temsil eder. Modeller için siyah çubuklar MHLG notları temsil ve gri çubukları, (b) ve (c) gürültü baz modelin bu temsil eder. Sonuçları viskoelastik modeli KB2 gibi her üç değerlendirme yöntemleri kullanarak diğer viskoelastik modeli KB1 daha fazla insan olarak algılanan olduğunu göstermektedir.

<ol><li>Wichmann, F., Hill, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+psychometric+function%3A+I.+Fitting%2C+sampling%2C+and+goodness+of+fit%5BTitle%5D)+AND+%22Perception+%26+Psychophysics%22%5BJournal%5D)">The psychometric function: I. Fitting, sampling, and goodness of fit.</a> Perception & Psychophysics. 63, 1293-1293 (2001).</li>
<li>Avraham, G., Levy-Tzedek, S., Karniel, A. Computational Motor Control Workshop, Be'er-Sheva, , (2009).</li>
<li>Avraham, G., Levy-Tzedek, S., Karniel, A. Neural Control of Movement, Florida, USA, , (2010).</li>
<li>Avraham, G., Levy-Tzedek, S., Peles, B. C., Bar-Haim, S., Karniel, A. Computational Motor Control Workshop, Be'er-Sheva, , (2010).</li>
<li>Karniel, A., Nisky, I., Avraham, G., Peles, B. C., Levy-Tzedek, S. EuroHaptics, Amsterdam, Netherlands, , (2010).</li>
<li>Jindai, M., Watanabe, T., Shibata, S., Yamamoto, T. The 15th IEEE International Symposium on Robot and Human Interactive Communication, Hatfield, UK, , (2006).</li>
<li>Kasuga, T., Hashimoto, M. Internatioanl Conference on Robotics and Automation, Barcelona, Spain, , IEEE. (2005).</li>
<li>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).</li>
<li>Bailenson, J., Yee, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Virtual+interpersonal+touch+and+digital+chameleons%5BTitle%5D)+AND+%22Journal+of+Nonverbal+Behavior%22%5BJournal%5D)">Virtual interpersonal touch and digital chameleons.</a> Journal of Nonverbal Behavior. 31, 225-242 (2007).</li>
<li>Miyashita, T., Ishiguro, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Human-like+natural+behavior+generation+based+on+involuntary+motions+for+humanoid+robots%5BTitle%5D)+AND+%22Robotics+and+Autonomous+Systems%22%5BJournal%5D)">Human-like natural behavior generation based on involuntary motions for humanoid robots.</a> Robotics and Autonomous Systems. 48, 203-212 (2004).</li>
<li>Wang, Z., Lu, J., Peer, A., Buss, M. EuroHaptics, Amsterdam, The Netherlands, , (2010).</li>
<li>IiZuka, H., Ando, H., Maeda, T. proceedings of AsiaGraph, , (2010).</li>
<li>Chaplin, W., Phillips, J., Brown, J., Clanton, N., Stein, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Handshaking%2C+gender%2C+personality%2C+and+first+impressions%5BTitle%5D)+AND+%22Journal+of+Personality+and+Social+Psychology%22%5BJournal%5D)">Handshaking, gender, personality, and first impressions.</a> Journal of Personality and Social Psychology. 79, 110-117 (2000).</li>
<li>Stewart, G., Dustin, S., Barrick, M., Darnold, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Exploring+the+handshake+in+employment+interviews%5BTitle%5D)+AND+%22Journal+of+Applied+Psychology%22%5BJournal%5D)">Exploring the handshake in employment interviews.</a> Journal of Applied Psychology. 93, 1139-1146 (2008).</li>
<li>Van Der Heide, J., Fock, J., Otten, B., Stremmelaar, E., Hadders-Algra, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Kinematic+characteristics+of+reaching+movements+in+preterm+children+with+cerebral+palsy%5BTitle%5D)+AND+%22Pediatric+research%22%5BJournal%5D)">Kinematic characteristics of reaching movements in preterm children with cerebral palsy.</a> Pediatric research. 57, 883(2005).</li>
<li>Ronnqvist, L., Rosblad, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Kinematic+analysis+of+unimanual+reaching+and+grasping+movements+in+children+with+hemiplegic+cerebral+palsy%5BTitle%5D)+AND+%22Clinical+Biomechanics-Kidlington%22%5BJournal%5D)">Kinematic analysis of unimanual reaching and grasping movements in children with hemiplegic cerebral palsy.</a> Clinical Biomechanics-Kidlington. 22, 165-175 (2007).</li>
<li>Goodale, M., Milner, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Separate+visual+pathways+for+perception+and+action%5BTitle%5D)+AND+%22Trends+in+neurosciences%22%5BJournal%5D)">Separate visual pathways for perception and action.</a> Trends in neurosciences. 15, 20-25 (1992).</li>
<li>Ganel, T., Goodale, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Visual+control+of+action+but+not+perception+requires+analytical+processing+of+object+shape%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Visual control of action but not perception requires analytical processing of object shape.</a> Nature. 426, 664-667 (2003).</li>
<li>Pressman, A., Nisky, I., Karniel, A., Mussa-Ivaldi, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Probing+Virtual+Boundaries+and+the+Perception+of+Delayed+Stiffness%5BTitle%5D)+AND+%22Advanced+Robotics%22%5BJournal%5D)">Probing Virtual Boundaries and the Perception of Delayed Stiffness.</a> Advanced Robotics. 22, 119-140 (2008).</li>
<li>Nisky, I., Pressman, A., Pugh, C. M., Mussa-Ivaldi, F. A., Karniel, A. EuroHaptics, Amsterdam, Netherlands, , 213-218 (2010).</li>
<li>Karniel, A. Computational Motor Control. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKarniel%2C+A+%22Encyclopedia+of+Neuroscience%22">Encyclopedia of Neuroscience</a>. Binder, M. D., Hirokawa, N., Windhorst, U. , Springer-Verlag. Berlin. 832-837 (2009).</li>
</ol>

Biz basit bir tele-robot sistemi ile yönetilen bir zorunlu seçmeli Turing gibi bir el sıkışma testi için yeni bir protokol var. Bu protokol yerine mutlak insan benzerlik belirlemek için bir platform değil, yapay el sıkışma modelleri karşılaştırmak için bir platform. Bu protokol, birkaç konferans 2-5 sunuldu Bu test, çoğu insan gibi hissediyorum sağlayan pasif hareket özellikleri parametreleri bulma konusunda yardımcı olduğunu göstermiştir. Bu, mümkün olduğunca insan gibi bir el sıkışma için bir model geliştirmek için daha fazla çalışmalarda kullanılabilir. Biz [2011 yazında gerçekleşecek ilk Turing gibi bir el sıkışma turnuva bu <a href="http://www.bgu.ac.il/~akarniel/HANDSHAKE/index.html">platformda çalışan http://www.bgu.ac.il/ ~ akarniel / ELSIKIŞMA</a> / index.html], rakip modellerde olacak nerede kendi insan benzerlik derecelendirildi. Muhtemelen son modeli, doğrusal olmayan ve zamanla değişen yapısı, insan empedansı 21, sorgulayıcı ve bu zorunlu seçmeli Turing gibi bir el sıkışma testi kullanılarak test edilmiş ve sırada olmalıdır doğal bir insan el sıkışma birçok diğer yönleri ile karşılıklı uyum düşünmelisiniz. Önerilen test tek boyutlu ve tele-robot bir arayüz üzerinden yapılan ve bu nedenle sınırlı: dokunsal bilgi, sıcaklık, nem, ve kavrama güçleri gibi el sıkışma birçok yönlerini gizler. Bununla birlikte, bir tele-robot arayüzü, el sıkışma 6-11 ve diğer insan-insan etkileşimi 12 biçimlerini keşfetmek için çeşitli çalışmalarda kullanılmıştır . Buna ek olarak, bu test sürümü, fiziksel temas öncesi ve sonrası el sıkışma, başlangıç ​​ve bırakın saatleri, çok boyutlu doğası ve el yörüngeleri süresi dikkate vermedi. 13-14 kişi ve bu nedenle cinsiyet ve kültür bağlı olarak el sıkışma birçok türleri de vardır, bir tek bir optimal insan gibi bir el sıkışma modeli oluşturmak için beklemeyin. Bununla birlikte, önerilen test sadelik ön çalışmanın bu aşamada, en azından bir avantaj olduğunu inanıyoruz. Tek boyutlu bir el sıkışma gibi temel özellikleri düzgün karakterize sonra bu sınırlamalar göz önünde bulundurun ve buna göre test uzatmak için taşıyabilirsiniz. Turing gibi el sıkışma testi, diğer tarafın kimliği hakkında sorulan kişinin yerine bilgisayar ile tersine olabileceği unutulmamalıdır. Bu çerçevede, şu ters el sıkışma hipotezi göz önünde bulundurun: bir el sıkışma amacı sarsılmış el probu; ters el sıkışma hipotez, optimal el sıkışma algoritması göre bir insan el sıkışma farksız olacağını anlamda en iyi insanlar ve makineler arasında ayrımcılık kolaylaştırmak. Diğer bir deyişle, model, uygun bir şekilde ayarlanmış sınıflandırıcı, insan ve makine handshake&#39;ler arasındaki ayrım, en iyi el sıkışma verecektir. Ters el sıkışma hipotezi gerçekten doğru olup olmadığını test için bir klinik uygulama verir: çeşitli nörolojik motor ile ilgili bozukluklar, Serebral Palsy (CP) muzdarip insanlar motor bozukluk belirlenmesi. Önceki çalışmalar ulaşan hareketleri 15-16 yaparken kinematik parametreleri CP hastalar ve sağlıklı bireyler arasında farklılıklar göstermiştir. Biz son zamanlarda bir tele-robot sistemi 4 ile tokalaşırken hareketlerin özellikleri CP ile sağlıklı bireyler ve bireyler arasında farklılık gösterdi . Bu bulgular, motor bozukluğu olan insanlar, her bireyin el sıkışma hareketi incelemekte ve sağlıklı kişilerden ayırt edilebilir iddiamızı güçlendirmektedir. Bir de burada tartışılan test algısal test ve son çalışmalar, algı ve eylem arasındaki farkı ayırt 17-20 olduğuna dikkat etmelidir . Gelecekteki çalışmalar, insan gibi el sıkışma doğasına doğru değerlendirmek üzere üç versiyonu test keşfetmek gerekir: (1) Bir algılanan benzerlik psikometrik test, motor keşfetmek (2) bir motor davranış testi (motormetric testi) onun bilişsel algılanan benzerlik / farklılık gösterebilir sorgulayıcı reaksiyon; (3), insan ve makine gücü ve konumu yörüngeleri dayalı el sıkışma arasında ayırt etmek için çalışır nihai bir optimal discriminator. Genel anlamda, motor kontrol sistemi anlamak beyin fonksiyonu anlamak için gerekli bir koşul olduğunu iddia ve böyle bir anlayış, bir insan ayırt edilemeyen bir insansı robot bina gösterdiği olabilir. Bu çalışma, tele-robot sistemi üzerinden el sıkışma odaklanır. Biz iddia, önerilen Turing gibi bir el sıkışma testi kullanılarak insan eli hareketlerini kontrol doğası hakkında geçerli bilimsel hipotezler sıralamainsan motor kontrol veya bir insan kolu ayırt edilemeyen bir yapay apendiks oluşturmak için gerekli en az belirgin özellikleri göze çarpan özellikleri elde etmek gerekir.

<table><tbody><tr><td>İki adet PHANTOM masaüstü robotu</td><td>SensAble, Geomagic</td><td></td><td>2 Paralel kart&lt;br/&gt;Minimum sistem gereksinimleri: Intel veya AMD tabanlı PC'ler; Windows 2000/XP, 250 MB disk alanı</td></tr><tr><td>SensAble technologies Sürücüleri</td><td>SensAble, Geomagic</td><td></td><td>&lt;a href=&quot;http://www.sensable.com">http://www.sensable.com&lt;/a&gt;</td></tr><tr><td>H3DAPI kaynak kodu</td><td>H3DAPI</td><td></td><td>&lt;a href=&quot;http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation">http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation&lt;/a&gt;</td></tr><tr><td>Python 2.5</td><td>Python Products</td><td></td><td>&lt;a href=&quot;http://www.python.org/download/releases/2.5.5/">http://www.python.org/download/releases/2.5.5/&lt;/a&gt;</td></tr><tr><td>x3d kodları</td><td></td><td></td><td></td></tr><tr><td>psignifit araç kutusu versiyon 2.5.6</td><td>Matlab</td><td></td><td>&lt;a href=&quot;http://www.bootstrap-software.org/psignifit/">http://www.bootstrap-software.org/psignifit/&lt;/a&gt;</td></tr></tbody></table>

motor İstihbarat bir boyutlu turing gibi el sıkışma testi

One Dimensional Turing-Like Handshake Test for Motor Intelligence

Turing testi, bir bilgisayar modeli bir insan ayırt cevaplar üretebilir &quot;akıllıca düşünüyorum&quot; sayılır. Ancak, bu test makine istihbarat dil yönlerine sınırlıdır. Beynin dikkat çeken bir işlevi hareket kontrolü ve insan eli hareketinin bu fonksiyonu sofistike bir gösterisidir. Bu nedenle, makine motor istihbarat Turing gibi, bir el sıkışma testi öneriyoruz. Biz sorgulayıcı bir robot kalemi tutarak ve başka bir parti ile etkileşim (insan ya da yapay) bir görev meşgul olduğu bir tele-robot sistemi aracılığıyla test yönetmek. Sorgulayıcı, diğer tarafın bir kişi veya bir bilgisayar programı olmadığını sormak yerine, biz, iki alternatif zorunlu seçim yöntemi istihdam ve daha fazla insan gibi iki sistem hangi sormak. Biz insan el sıkışma hareketi ile benzerlik göre her model için niceliksel bir not özü ve &quot;Model İnsan Likeness Grade&quot; (MHLG) adı. MHLG tahmin etmek için üç yöntem mevcut. (I) modeli gibi insan daha fazla insan olduğunu, deneklerin cevapları oranı hesaplanırken, (ii) bir psikometrik eğrisi uyum ve subjektif eşitlik noktası ayıklamak iki insan ve model el sıkışma ağırlıklı toplamları (PSE karşılaştırarak ), (iii) belirli bir model insan ve rasgele sinyal ağırlıklı toplamı ile karşılaştırarak, sorgulayıcı cevapları bir psikometrik eğrisi uyum ve ağırlıklı toplam insan ağırlığının PSE ayıklamak. Özet olarak, biz insan el sıkışma hesaplama modelleri test etmek için bir protokol sağlar. Biz insan el sıkışma nesil sorumlu sinir mekanizmalarının anlaşılması, bu durumda herhangi bir fenomenin anlaşılması gerekli adım ve, bir model inşa olduğuna inanıyoruz.

Biz, sorgulayıcı bir robot kalemi tutan ve başka bir parti (insan ya da yapay) ile etkileşim olduğu bir tele-robot sistemi ile yönetilen bir Turing gibi Handshake testi sunuyoruz. Biz zorunlu bir seçim yöntemi kullanın ve yapay model bir insan el sıkışma benzerlik için bir ölçü ayıklamak.

Motor İstihbarat Bir Boyutlu Turing Gibi El Sıkışma Testi

Turing testinde, bir bilgisayar modeli, bir insanın verdiklerinden ayırt edilemeyecek yanıtlar üretebiliyorsa "zeki bir şekilde düşündüğü" kabul edilir. ...

Bu prosedürün genel amacı, bir el sıkışma bilgisayar modelinin insan el sıkışmasıyla ne kadar yakından eşleştiğini belirlemektir. Bu, öncelikle deneklere; insan kaynaklı, bilgisayar tarafından oluşturulmuş veya bir telerobotik arayüz kullanılarak her ikisinin kombinasyonundan oluşan el sıkışma çiftleri sunularak gerçekleştirilir. Prosedürün ikinci adımı ise, her deneğin her çift içinden hangi el sıkışmanın daha insan benzeri olduğunu seçmesini istemektir.Prosedürün son adımı, deneğin cevaplarından el sıkışma modeli için insan benzerliği derecesini veya model insan benzerliği derecesini (MHLG) hesaplamaktır. Sonuç olarak, Turing benzeri el sıkışma testi kullanılarak elde edilen MH G'ler aracılığıyla farklı modeller arasında anlamlı bir ayrım gösteren sonuçlar elde edilebilir. Turing testi aslında sözel zeka ile sınırlıdır; bilim insanları ve mühendisler, motor davranışının motor kontrol yönünden yapay ve doğal zeka arasında büyük bir boşluk olduğunu gözlemlemişlerdir.Birçok bilim insanı Turing testinin bu motor versiyonu üzerine düşünmüş olsa da, ancak yakın zamanda araştırma laboratuvarlarında basit ve tekrarlanabilir bir Turing benzeri el sıkışma testi protokolünün uygulanmasını kolaylaştıran sürülebilir robotik cihazlar yaygınlaşmıştır. Bu yöntem, insan kol hareketlerinin doğal bir insan dokunma deneyimi sağlayan temel özelliklerinin neler olduğu gibi, insan-robot etkileşimi alanındaki temel soruların yanıtlanmasına yardımcı olabilir. Bu tekniğin etkileri, serebral palsi gibi motor bozuklukların teşhisine kadar uzanmaktadır.Bir sonraki adım, sağlıklı bir insan el sıkışmasını, bozulmuş olanından ayırt edebilen robotik bir tanı cihazı oluşturmaktır. Bu yöntemin görsel demonstrasyonu kritiktir; çünkü tele-robotik sistem üzerinden gerçekleştirilen el sıkışma hareketi doğal değildir ve robotu nasıl kontrol edeceğini ve onunla nasıl etkileşime gireceğini öğrenmek zaman ve uygulama gerektirir. Klasik Turing testinin orijinal kavramına uygun olarak, el sıkışma deneyleri üç unsurdan oluşur: bir insan, bir bilgisayar ve bir sorgulayıcı.Sorgulayıcı ve insan aynı odada oturmaktadır ancak bir ekranla birbirlerinden ayrılmışlardır; bu nedenle sorgulayıcı, el sıkışma hareketini bilgisayarın mı yoksa insanın mı gerçekleştirdiğini göremez. El sıkışmalar doğrudan el sıkışmalar değildir; bunun yerine, insan el sıkışması durumunda iki hayalet masaüstü robottan, bilgisayar el sıkışması durumunda ise bir hayalet robot ve bir yazılımdan oluşan mekanik bir tele-robotik arayüz aracılığıyla gerçekleştirilir. Bilgisayar el sıkışması durumunda, bilgisayar ekranında "handshake" (el sıkışma) kelimesi belirdiğinde, sorgulayıcı ve insan tele-robotik arayüzün kalemini dikey yönde hareket ettirerek hemen el sıkışma hareketleri yaparlar.Sorgulayıcının görevi, iki el sıkışmasını karşılaştırmak ve home veya F1 tuşuna basarak birinci el sıkışmasını veya end veya F2 tuşuna basarak ikinci el sıkışmasını seçerek hangisinin daha insan benzeri olduğunu belirlemektir. Bu videoda gösterilen üç deneysel protokol, karşılaştırılan el sıkışmalarının bileşimine göre birbirinden farklılık göstermektedir. İlk protokol, bir insan el sıkışması ile bilgisayar tarafından oluşturulmuş bir el sıkışması arasındaki seçimlerin yapıldığı saf Turing testi protokolüdür.İkinci protokol, insan tarafından üretilen ve bilgisayar tarafından üretilen kuvvetlerin farklı bileşimlerinden oluşan el sıkışmalarını içerir. Üçüncü protokol, insan tarafından üretilen bir el sıkışma ile gürültünün farklı kombinasyonlarını veya tamamen bilgisayar tarafından üretilen kuvvetleri içeren el sıkışmalarını kapsar. Deney sırasında, "rastgele dosya için bir isim girin" istemiyle otomatik olarak rastgele bir dosya oluşturulur.Dosya halihazırda mevcutsa, sistem mevcut dosyayı kullanır. Aksi takdirde sistem, belirtilen adla otomatik olarak yeni bir rastgele dosya oluşturur. Rastgele dosya, farklı el sıkışmaların gerçekleşme sırasını belirler.Saf protokol, insanın ve sorgulayıcının tele-robotik sistem aracılığıyla 24 kez el sıkıştığı, her biri iki el sıkışmasından oluşan 12 uygulama denemesiyle başlar. Sorgulayıcı, bu aşamada bir insanla el sıkıştığını bilir. Bu uygulama denemelerinin amacı, katılımcıların tele-robotik arayüze alışmasını sağlamaktır.Alıştırma turunun ardından, her denemede dörtlü bir deneme bloğu gerçekleştirilir. Bu örnekte gösterildiği gibi, insan el sıkışması rastgele bir sırayla dört bilgisayar model el sıkışmasından biriyle karşılaştırılır. Örneğin, birinci bloğun birinci denemesinde, sorgulayıcı iki kez el sıkışır.İlk el sıkışma insan tarafından, ikinci el sıkışma ise model üç tarafından belirlenen kuvvetlerin kullanıldığı bilgisayar tarafından gerçekleştirilir. Sorgulayıcı, hangi el sıkışmanın daha insana benzer olduğunu belirlemek için birinci ve ikinci el sıkışma arasında bir seçim yapar. Örneğin, sorgulayıcı daha insana benzer olarak birinci el sıkışmayı seçerse, sorgulayıcı insan el sıkışmasını tercih etmiş olur.Ancak, sorgulayıcıya bir sonraki denemede insan tokalaşmasını doğru şekilde tanımlayıp tanımlamadığı söylenmez. Sorgulayıcının ilk tokalaşması bilgisayar tarafından oluşturulan ikinci modelle, ikincisi ise insanladır. Sorgulayıcı tekrar en insan benzeri tokalaşmayı seçer.Benzer şekilde iki deneme daha yapılır. Geriye kalan iki model olan model bir ve model dört, insan el sıkışmasına karşı test edilir. Böylece bir deneme bloğu tamamlanmış olur.Deney, her blokta dört model el sıkışmasının rastgele sırayla sunulduğu, her biri dört denemeden oluşan 11 bloktan meydana gelmektedir. İlk blok bir alıştırma bloğudur ve analiz kalan 10 blok üzerinden gerçekleştirilir. Deneyin 10 bloğu tamamlandıktan sonra, dört el sıkışma modelinin her biri bir insan el sıkışmasına karşı 10 kez test edilmiş olur.11 deneysel bloğun tamamlanmasının ardından, test edilen dört modelin her biri için model insan benzerliği derecesi hesaplanır. Analiz, deneğin model el sıkışmasının insan el sıkışmasından daha insan benzeri olduğunu söylediği el sıkışmalarının oranının hesaplanmasıyla yapılır. Örneğin, sorgulayıcı 10 el sıkışmadan ikisinde model olan el sıkışmayı insan el sıkışmasına tercih ederse, modelin insana oranı 0,2 olur; model insan benzerliği derecesini elde etmek için bu oranın iki ile çarpımı alınır.Oranın 0,2 olduğu her model için, birinci modelin insan benzerliği derecesi 0,4 olacaktır. Eğer 10 denemenin dördünde üçüncü model daha insanbenzer olarak seçilirse, oranı 0,4 ve model insan benzerliği derecesi 0,8 olur. Bir model insanla ayırt edilemez durumdaysa, hesaplanan oranı 0,5 ve model insan benzerliği derecesi bir olur.Eğer bir model, modeli gibi açıkça insan dışıysa, insan benzerliği derecesi sıfır olur. MHLG bir ile sınırlandırılmıştır. Bu protokolde, üretilen el sıkışmalar, spesifik kombinasyonun denemeler boyunca tamamen bilgisayar tarafından üretilen bir el sıkışmadan tamamen insan el sıkışmasına kadar bir ölçekte değiştiği insan parçası modelinden ayrı olarak oluşturulmuştur.Bu nedenle, bu deney seti ağırlıklı insan model testi olarak adlandırılır. Protokol, sorgulayıcının tamamen insan el sıkışmasını tanımayı öğrenmesine ve aparata aşina olmasına yardımcı olmak için uygulama bloğu ile başlar. Bu doğrultuda uygulama bloğu, tamamen bir insan el sıkışmasını bilgisayar tarafından oluşturulmuş bir el sıkışma ile karşılaştıran 30 denemeden oluşmaktadır.Her denemenin sonunda, sorgulayıcı iki el sıkışmasından hangisinin insana daha çok benzediğini seçer. Sorgulayıcı, insan el sıkışmasını doğru tanımlarsa, ekranda "doğru" ifadesi görünür. Sorgulayıcı doğru el sıkışmasını seçmezse, bir "yanlış" mesajı belirir ve sorgulayıcıya son uygulama denemesini tekrarlama fırsatı verilir.Alıştırma bloğunun ardından sorgulayıcı, iki el sıkışmasını değerlendirmek için bir dizi denemeye başlar. Bu iki el sıkışması, her biri insan ve model kuvvetlerinin bir kombinasyonu olan bir uyaran el sıkışması ve bir referans el sıkışmasıdır. Referans el sıkışmasında, sorgulayıcı tarafından hissedilen el sıkışması, insan tarafından üretilen kuvvetler ile bilgisayar tarafından oluşturulan bir modelin kuvvetlerinin eşit bir karışımıdır.Diğer bir ifadeyle, insan katılımcı el sıkışma hareketi yaparken, bu el sıkışma, sorgulayan kişinin algıladığı kuvvetin yalnızca %50'sini oluştururken, kuvvetin kalan %50'si uyaran el sıkışmasındaki bir modelden gelmekte; sorgulayan kişi tarafından hissedilen el sıkışma, insan tarafından üretilen kuvvetlerin ve bilgisayar tarafından üretilen bir modelin oluşturduğu kuvvetlerin değişken bir karışımıdır. Bazı uyaran el sıkışmalarında, insan tarafından katkıda bulunulan oran yarımdan fazladır ve dolayısıyla referans el sıkışmasına göre daha yüksektir. Diğer uyaran el sıkışmalarında ise, insan tarafından katkıda bulunulan oran yarımdan azdır ve dolayısıyla referans el sıkışmasına göre daha düşüktür.Her denemenin sonunda, sorgulayıcıdan daha insan benzeri hissettiren el sıkışmayı seçmesi istenir. Bu deney üç modeli, iki test modelini ve bir temel modeli karşılaştırır. Saf protokolde olduğu gibi, bu protokol analiz edilmemiş bir blokla başlar ve ardından 10 deneysel blok gelir.Her bir deneysel blok, üç model kombinasyonunun her biri için model ve insanın sekiz doğrusal kombinasyonundan oluşan 24 denemeden meydana gelir. 10 deneysel blok tamamlandığında, sorgulayıcının yanıtlarına lojistik bir psikometrik fonksiyon uydurulur. Ekteki makalede açıklandığı üzere, ortaya çıkan eğri sorgulayıcının olasılığını göstermektedir.Bunu cevaplamak için, bir uyaran el sıkışmasının referans el sıkışmasına göre daha insan benzeri olduğu kabul edilir. Alfa uyaranı eksi alfa referansı fonksiyonu olarak, sübjektif eşitlik noktası veya PSE, psikometrik eğrinin 0,5 eşik seviyesinden çıkarılır; bu nokta, el sıkışmalarının modele göre eşit derecede insan benzeri algılandığı alfa uyaranı ve alfa referansı arasındaki farkı belirtir. Ağırlıklı insan modeli protokolü için insan benzerliği derecesi, PSE'nin 0,5'ten çıkarılmasıyla hesaplanır; en az veya mümkün olan en fazla insan benzeri olarak algılanan modeller sırasıyla sıfır veya bir insan benzerliği derecesi değerleri verir. Nihai protokol, bir model el sıkışmasını, kısmen insan kısmen rastgele gürültüden oluşan bir el sıkışmasıyla karşılaştırır.Bu protokolde uyaran el sıkışma, bir modele dayalı olarak bilgisayar tarafından üretilen bir el sıkışmadır. Diğer el sıkışma olan referans el sıkışma ise, insan el sıkışması ve beyaz gürültünün çeşitli kombinasyonlarından üretilen, maksimum mutlak kuvveti iki N olan ve maksimum iki bölü pi frekansında beşinci dereceden Alçak Geçiren Butterworth filtresi kullanılarak filtrelenmiş bir kuvvettir. Her denemenin sonunda, sorgulayıcıdan daha insan benzeri hissettiren el sıkışmayı seçmesi istenir.Protokol, önceki ağırlıklı insan model testiyle benzer bir tasarıma sahiptir. Bir alıştırma turu ve analiz edilmeyen bir bloktan sonra, 10 deneysel bloktan oluşan bir seri şu şekilde yürütülür. PSE, daha önce olduğu gibi psikometrik eğriden çıkarılır ve eklenen gürültü protokolü için model insan benzerliği derecesini tanımlar.Bu şekil, saf protokolden elde edilen sonuçları göstermekte ve insan el sıkışmalarını iki farklı model el sıkışmasıyla karşılaştırmaktadır. İki nokta, KB bir ve KB iki olarak adlandırılan iki viskoelastik model için hesaplanan model insan benzerliği derece değerlerini göstermektedir. Sonuçlar, KB iki modelinin KB bir modelinden daha insan benzeri olarak algılandığını kanıtlamaktadır.Bu şekil, değişken oranlı insan model el sıkışmalarını, sabit 50 50 oranındaki insan model el sıkışmalarıyla karşılaştıran ağırlıklı model insan protokolünün sonuçlarını göstermektedir. Siyah işaretçiler test modelleri için model insan benzerliği derecelerini, gri işaretçiler ise baz modelinkileri temsil etmektedir. Hata çubukları psikometrik eğrilerin güven aralıklarını temsil etmektedir.Bu şekil, bir model el sıkışmasını, insan ve gürültü bileşenlerinin değişken oranlarda bulunduğu bir el sıkışmasıyla karşılaştıran eklenen gürültü protokolünün sonuçlarını göstermektedir. Siyah işaretçiler modeller için model insan benzerliği derecelerini, gri işaretçiler ise gürültünün derecelerini temsil etmektedir. Hata çubukları, psikometrik eğrinin güven aralıklarını temsil etmektedir.Bu sonuçlar, her üç değerlendirme yöntemi kullanıldığında, viscoelastic model KB two'nun viscoelastic model KB one'dan daha insan benzeri olarak algılandığını göstermektedir. Bu prosedür uygulanırken, robotik cihazla uygun şekilde etkileşim kurmaya ve etkileşimi mümkün olduğunca pürüzsüz hale getirmeye çalışmak önemlidir. Yaygın gelişimsel bozukluklarda insan el sıkışmalarının tanınması gibi diğer test yöntemleri, yaygın gelişimsel bozuklukların insan jestlerini insan dışı jestlerden ayırt etme yeteneğini nasıl etkilediği gibi ek soruları yanıtlamak için gerçekleştirilebilir. Geliştirilmesinin ardından, bu teknik el sıkışmanın bir tanıma aracı olarak kullanılmasına yol açabilir.El sıkışmanın amacının, karşıdaki kişi hakkında bir şeyler öğrenmek olduğunu varsayıyoruz. Bu nedenle, insan benzeri bir el sıkışma geliştirmek için önerdiğimiz metodoloji, kişinin el sıkışma biçiminden onun hakkında bilgi çıkarabilen bir el sıkışma sınıflandırma sisteminin geliştirilmesine de yardımcı olabilir. Bu videoyu izledikten sonra, tek boyutlu tur benzeri el sıkışma testinin nasıl gerçekleştirileceği ve birinci uluslararası tur benzeri el sıkışma testi turnuvasına sunulan el sıkışma modellerini nasıl değerlendireceğimiz konusunda kapsamlı bir anlayışa sahip olmanız gerekir.

one-dimensional-turing-like-handshake-test-for-motor-intelligence

Research

JoVE Journal

Neuroscience

Sinirbilim

El becerisi ağırlıklı olarak primatlar bir ayrıcalık olduğu gibi, davranışsal görevleri makak maymunları geliştirilmiştir. Dört elle manipülasyon yeteneği ve kuvvet ölçme, kavrama görevleri ulaşmak ve kavramak, merkezi sinir sisteminin bir lezyon sonra fonksiyonel iyileşme kurulması ve bir tedavinin etkisini test etmek için izin verir.

Sigara İnsan Primatlar Manuel Beceri Davranış Değerlendirme

Bu video, sağ beyin lezyonu olan bir hemiparkinson sıçanında motor fonksiyonu değerlendirmek için merdiven testini göstermektedir. Lezyon dopamin sinyalini bozar, sol pençe kontrolünü bozar, bu da sol merdivenlerde daha fazla pelet kalmasına neden olur ve bu da motor disfonksiyonu gösterir.

Hemiparkinson Sıçanında Motor Fonksiyon Değerlendirmesi için Merdiven Testi

Biz diğer (eğitimli olmayan) el motor beceri performansını artırmak için bir yandan gönüllü denetimini kullanan bir roman sanal gerçeklik tabanlı kurulum tarif. Bu eğitimli olmayan el hareket ediyor sanki hareket tabanlı gerçek zamanlı duyusal geribildirim sağlayarak elde edilir. Bu yeni yaklaşım tek taraflı Hemiparezi Hastalarında rehabilitasyonu geliştirmek için kullanılabilir.

Sanal gerçeklik bir yandan Motor beceri bilgi aktarmak için kullanma

Bu el yazması supinasyon Sıçanlarda quantifies yarı otomatik bir işlemi açıklar. Fareler ulaşmak, kavramak ve küresel bir manipulandum supinate. Dönüş açısı kullanıcı tarafından ayarlanan bir ölçüt aşarsa fareyi bir Pelet ile ödüllendirilir. Bu görev çıktı, yaralanma ve geleneksel görevlere göre nesnellik duyarlılık artar.

Topuzu supinasyon görev: Forelimb işlevi Sıçanlarda değerlendirmek için yarı otomatik bir yöntem

Biz ayak adım tanıtmak seri tepki süresi (SRT) görev. Bu SRT görevi değiştiren, klasik SRT tamamlayan sadece parmak basarak hareket, daha iyi içerir görev günlük sıralı faaliyetleri yaklasik ve araştırmacılar ayrı yanıt önlemler temel dinamik süreçler çalışma sağlar ve örtülü sıra öğrenme işletim açık işlem disentangle.

"Motor" örtülü Motor sıralı öğrenme: ayak adım seri tepki zaman görev

Burada Ajansı duyusal sanal ya da robot protez eller denetimin üzerine geliştirilen duygusu karakterize bir protokol mevcut. Psikofizik soru formlarını Ajansı açık deneyimi yakalamak için istihdam edilmektedir ve zaman aralığı tahminleri (kasıtlı bağlama) örtülü olarak ajans duygusu ölçmek için istihdam edilmektedir.

Makine sinirsel arayüzü ile çalışan protezleri eylemler üzerinde ajansı duygusu karakterizasyonu

Bu protokol, Parkinson hastalığında biliş ve motor kontrolünü ölçmek için yaygın olarak kullanılan geleneksel klinik görevlerin bölümlerini dijitalleştirme imkanı sunar. Biyofizik ritimleri sinir sistemlerinin farklı fonksiyonel düzeylerinden, gönüllü, spontan, otomatik otonjik olarak değişen ortak kayıtlı iken klinik görevler dijilleştirilir.

Parkinson hastalığında motor ve bilişsel fonksiyonun dinamik dijital Biomarkers

Bu çalışmanın amacı, inme sonrası üst ekstremite motor disfonksiyonu için motor görüntüleme beyin-bilgisayar arayüzünün (MI-BCI) standart klinik çalışması için önemli bir referans sağlamaktır.

İnme Sonrası Üst Ekstremite Motor Disfonksiyonunun Rehabilitasyonunda Motor İmgeleme Beyin-Bilgisayar Arayüzü

Sanal gerçeklik ortamındaki motor görüntüleri, beyin-bilgisayar arayüz sistemlerinde geniş uygulamalara sahiptir. Bu el yazması, daldırmayı ve vücut sahipliği duygusunu geliştirmek için sanal gerçeklik ortamında katılımcı tarafından hayal edilen hareketleri gerçekleştiren katılımcılara benzeyen kişiselleştirilmiş dijital avatarların kullanımını özetlemektedir.

Sanal gerçeklik özellikli bir beyin-bilgisayar arayüzü ortamında somutlaştırılmış dijital ikizler aracılığıyla motor görüntü performansı

Ekstraselüler bir kas Motor Pool için motor nöronlar belirlenmesi<em&gt; Aplysia&#39;nın californica</em

Öğrenin, telerobotik sistem kullanarak Turing benzeri el sıkışma testiyle yapay modellerin insan el sıkışmasına benzerliğini nasıl değerlendireceğinizi. Bu yöntem, insan benzerliği için zorunlu seçim paradigması uygular.

Motor İstihbarat Bir Boyutlu Turing Gibi El Sıkışma Testi

Daha fazla video keşfet