AK will Gerry Loeb für hilfreiche Diskussionen über die vorgeschlagene Turing-like-Handshake-Test danken. AK und IN möchten Nathaniel Leibowitz und Lior Botzer, die das Design der ersten Version dieses Protokolls im Jahr 2007 beigetragen haben. Diese Arbeit wurde von der Israel Science Foundation (Grant No 1018-1008) unterstützt. SL wird von einem Kreitman Foundation Stipendium unterstützt. IN wird durch die Kreitman Stiftung und der Clore Scholarship Program unterstützt.

1. Vorbereiten des Systems <ol><li> Hardware-Anforderungen: <ul><li> Zwei PHANTOM Desktop Roboter SensAble Technologies, Inc. </li><li> 2 Parallel-Karten. </li><li> Minimale Systemvoraussetzungen: Intel-oder AMD-basierten PCs, Windows 2000/XP, 250 MB Speicherplatz. </li></ul></li><li> Software-Anforderungen: <ul><li> Driver- Laden Sie Treiber von der Website SensAble Technologien <a href="http://www.sensable.com">http://www.sensable.com</a> nach dem Betriebssystem des Computers. </li><li> H3DAPI- Laden Sie die H3DAPI Quellcode und nach den Anweisungen des Installations-Komplettlösung im Abschnitt angezeigt installieren <a href="http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation">http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation</a> Wir aktualisiert den Code, um unsere Anforderungen, die nicht in den vorhandenen Code erfüllt waren fit. Die aktualisierten Dateien können aus dem Handshake-Turnier-Website heruntergeladen werden <a href="http://www.bgu.ac.il/~akarniel/HANDSHAKE//index.html">http://www.bgu.ac.il/ ~ akarniel / HANDSHAKE / / index.html</a> Jede Datei sollte in dem entsprechenden Ordner abgelegt werden, auf der Webseite beschrieben. Nach Durchführung der Änderungen, laden Sie CMake und den Code zu kompilieren. Die Erstellung von Anweisungen finden Sie in <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 und python <ul><li> Python 2.5 ab <a href="http://www.python.org/download/releases/2.5.5/">http://www.python.org/download/releases/2.5.5/</a> </li><li> Laden Sie die python und X3D-Codes aus dem Handshake-Website und platzieren Sie den Code-Dateien in ein spezielles Verzeichnis, zum Beispiel: &quot;C: \ codeDirectory&quot; </li><li> Jeder Handschlag Kraft Modell sollte in einem separaten Python-Datei geschrieben werden. Siehe Abbildung 1 für ein Beispiel für eine Federkraft Modell. </li></ul></li><li> psignifit Toolbox Version 2.5.6 für Matlab, verfügbar unter <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="Abbildung 1" /> Abbildung 1. Force-Funktion in Python. Ein Beispiel für eine Federkraft Modell für einen Händedruck 2. Experimentelles Protokoll <ul><li> Öffnen Sie die Eingabeaufforderung, und wechseln Sie die Python-und X3D-Code-Verzeichnis durch Eingabe von: cd C: \ codeDirectory. </li><li> Erstellen Sie einen Ordner mit den Themen &#39;Namen in C: \ codesDirectory. </li><li> Um das Experiment ein: h3dload code_name.x3d. </li><li> Erstellen Sie eine neue zufällige Datei, indem Sie: random_file_name.txt. Die zufällige Datei definiert die Reihenfolge, in der die verschiedenen Handshakes erscheinen. </li><li> Geben Sie die Themen &#39;Namen genau so, wie in dem zuvor erstellten Ordner. </li><li> Nach dem ursprünglichen Konzept der klassischen Turing-Test besteht jedes Experiment von 3 Personen: ein Mensch, ein Computer und ein Vernehmer. Zwei Fächer (Human-und Interrogator) jeder halten Sie den Stift von einem Phantom haptisches Gerät und generieren Handshake Bewegungen. Sie werden gebeten, den Anweisungen auf dem Bildschirm folgen (z. B.: &quot;Drücken Sie Page Up für den ersten Handshake&quot;), für Handshake Kräfte aufgebracht werden. In allen der folgenden Methoden, besteht jede Studie über 2 Händeschütteln, und die Themen sind erforderlich, um zwischen ihnen zu vergleichen. Der Computer ist eine simulierte Handshake-Modell, das eine Kraft als Funktion der Zeit und der eindimensionalen Handposition und seinen Derivaten generiert. (1) F-Modell (t) = Φ [x (t), t] 0 ≤ t ≤ T F [x, t] steht für einen kausalen Betreiber, zB nicht-lineare zeitabhängige mechanische Modell des eindimensionalen Stift Bewegung, und T ist die Dauer der Händedruck. In der aktuellen Studie T = 5 Sekunden. </li></ul><ol><li> Die Durchführung der &quot;pure&quot;-Test und Berechnung des Modells menschlichen Gestalt grade MHLG p Das Experiment beginnt mit 12 Praxis-Studien, in denen alle Handshakes (n = 24) sind Menschen, so dass die Themen einfach schütteln einander die Hände durch die telerobotische System. Der Zweck dieser Praxis Studien ist es, die Teilnehmer mit einem menschlichen Handshake in dem System vertraut gemacht werden. In dem Experiment vergleichen wir vier Computer-Modelle. Jeder experimentelle Block besteht aus 4 Studien, in denen vergleichen wir die 4 getesteten Modelle zu einem menschlichen Händedruck. Einer der Handshakes in jeder Studie ist eine Interaktion mit einer Kraft von einem der vier Modelle (Computer) erzeugt, und die andere ist mit einem menschlichen (das zweite Thema). Daher funktionieren die Themen wie Mensch und Vernehmungsbeamten. Die Reihenfolge der Versuche in jedem Block ist zufällig und vorherbestimmt. Jedes Experiment besteht aus 10 Blöcken, so dass jeder Computer-Handshake-10-mal wiederholt wird. Eine erste unanalysiert block ist für die allgemeine Bekanntschaft mit dem System und der Aufgabe hinzugefügt. Für jedes Modell ist der Anteil der Handschlag, in denen das Thema wählt das Modell Handshake über den menschlichen Händedruck, da mehr Menschen wie berechnet, um einen Wert, der 0,5 ist, wenn das Modell nicht von einem Menschen bieten. Wir multiplizieren Sie diesen Wert durch zwei, um die MHLG p, so dass MHLG = 0 ist eindeutig nicht-menschlichen wie und MHLG = 1 bedeutet, dass die getesteten Handshake nicht von der menschlichen Händedruck ist. Erhalten </li><li> Die Durchführung der &quot;gewichteten Mensch-Modell&quot;-Test und Berechnung des Modells menschlichen Gestalt grade MHLG w In diesem Protokoll, es gibt nur einen Vernehmer Thema. Das andere Thema Funktionen wie die menschliche Person in den Handschlag. Das Experiment beginnt mit 30 Praxis-Studien, in denen die Vernehmer Erfahrungen eines menschlichen Händedruck und einem Computer-Handshake in jeder Studie. Am Ende des Prozesses werden sie gefragt, welches der 2-Handshakes war die menschliche Händedruck. Wenn ihnen das gelingt, zeigt der Bildschirm &quot;Richtig!&quot;, Und wenn sie nicht wählen Sie die richtige Händedruck, ein &quot;Falsch!&quot; Meldung angezeigt wird. Nach der Praxis-Block des Experiments wird wie folgt durchgeführt: Eine Studie besteht aus zwei Handshakes. In einer der Handschlag-der Reiz - die Vernehmer interagiert mit einer Kombination von Kräften, die aus dem menschlichen und einem Computer-Handshake-Modell kommt. (2) F = α Stimulus • F menschlichen + (1-α Stimulus) • F stimulusModel α Reiz ist gleichermaßen von 0 bis 1, z. B. verteilt: α Reiz = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1} Der andere Händedruck - die reference - ist eine feste Kombination von Kräften aus dem menschlichen und ein Referenzmodell generiert: (3) F = α Bezug • F menschlichen + (1-α-Referenz) • F referenceModel; α Referenz = 0,5 Am Ende jeder Studie der Vernehmer wird gebeten, den Handschlag, dass mehr Menschen sich anfühlt zu wählen. In jedem Experiment vergleichen wir zwei Testmodelle und ein Basismodell. Jeder experimentelle Block besteht aus 24 Studien mit jedem der Linearkombinationen der Reiz und die menschliche (Gl. 2) für jeden der 3 Modell-Kombinationen: <img src="/files/ftp_upload/2492/2492model1.jpg" alt="Modell 1" /> Die Reihenfolge der Versuche in jedem Block ist zufällig und vorherbestimmt. Jedes Experiment besteht aus 10 Blöcken, so dass jede Kombination 10 Mal wiederholt wird. Eine erste unanalysiert Block wird für allgemeine Bekanntschaft mit dem System und der Aufgabe hinzugefügt. Wir passen eine logistische psychometrische Funktion 1, um die Antworten der Vernehmer mit dem psignifit Toolbox Version 2.5.6 für Matlab, verfügbar unter <a href="http://www.bootstrap-software.org/psignifit/">http://www.bootstrap-software.org/psignifit/</a> , mit einem eingeschränkten Maximum Likelihood Methode zur Abschätzung der die Parameter, und finden Sie Konfidenzintervalle von der Bias-korrigiert und beschleunigt (BCa) Bootstrap-Methode. Die Kurve zeigt die Wahrscheinlichkeit, dass der Vernehmer zu beantworten, dass ein Reiz Handschlag mehr human-like ist, als eine Funktion der α Reiz - α Referenz. Der Punkt subjektiver Gleichheit (PSE) ist von der 0,5-Schwellenwert der psychometrischen Kurve extrahiert, unter Angabe der Differenz zwischen dem α Reiz und α Referenz für die Handshakes wahrgenommen werden ebenso menschlich wie sind. Die PSE ist für die Berechnung der MHLG w nach verwendet: (4) MHLG w = 0,5-PSE Ein Modell, das wahrgenommen wird als human-like als das Referenzmodell ist ergibt die MHLG w-Wert 0,5. Die Modelle, die als die am wenigsten oder die meisten Menschen wie möglich wahrgenommen werden, ergeben MHLG w-Werte von 0 oder 1 sind. </li><li> Die Durchführung der &quot;hinzugefügt noise&quot;-Test und Berechnung des Modells menschlichen Gestalt grade MHLG n Ähnlich wie bei der gewichteten Modell-Mensch-Test, es gibt nur einen Vernehmer Thema. Das andere Thema Funktionen wie die menschliche Person in den Handschlag. Die Praxis-Block ist auch die gleiche wie in der vorherigen Methode. Nach der Praxis in einem der 2-Handshakes - der Reiz - die Vernehmer interagiert mit einem Computer-Handshake-Modell. Die anderen Händedruck - die Referenz - ist eine Kraft aus einer Kombination von Mensch und weißes Rauschen mit einem Frequenzbereich gefiltert nach den Frequenzen, die im menschlichen Händedruck erscheinen generiert. (5) F = α • F menschlichen + (1-α) • F Lärm; α ist gleich 0 bis 1 verteilt, zB: α = {0, 0,142, 0,284, 0,426, 0,568, 0,710, 0,852, 1} Am Ende jeder Studie der Vernehmer wird gebeten, den Handschlag, dass mehr Menschen sich anfühlt zu wählen. Das Experiment ist in der gleichen Weise die gewichtete mo gebautdel-Mensch-Test erwähnt wird gebaut. Doch während der Kalibrierung in der gewichteten Mensch-Modell-Test durch den Vergleich verschiedener Kombinationen aus einem Basis-Modell zu einem fix Kombination von selbst, in diesem Experiment durchgeführt wird, das Basismodell ist Ersatz durch den Lärm. Die PSE ist aus der psychometrischen Kurve extrahiert und definiert die MHLG n (6) MHLG n = 1-PSE Die Modelle, die als die am wenigsten oder die meisten Menschen wie möglich wahrgenommen werden, ergeben MHLG n Werte von 0 oder 1 sind. </li></ol> 3. Repräsentative Ergebnisse: Abbildung 2 zeigt die Ergebnisse der ein Thema für jede der 3 Methoden. Die getesteten Modelle in allen drei Experimenten sind 2 viskoelastische Modelle-KB1: Frühjahr K = 50 N / m, Dämpfer B = 2 Ns / m; KB2: Frühjahr K = 20 N / m, Dämpfer B = 1,3 Ns / m. In den gewichteten Modell-Mensch-Test, ist der MHLG w durch den Vergleich jeder der getesteten Modelle mit dem elastischen Basismodell K = 50 N / m. ausgewertet <img src="/files/ftp_upload/2492/2492fig2.jpg" alt="Abbildung 2" /> Abbildung 2. Die MHLG Werte von zwei viskoelastische Modelle nach der &quot;reinen&quot; Testprotokoll (a), der &quot;gewichteten Modell-human-Protokoll&quot; (b) und die &quot;hinzugefügt noise&quot;-Protokoll (c). Die Fehlerbalken in (b) und (c) stellen die psychometrischen Kurven &quot;Konfidenzintervalle. Die schwarzen Balken repräsentieren die MHLG Noten für die Modelle und die grauen Balken stellen die des Basis-Modell in (b) und der Lärm in (c). Die Ergebnisse zeigen, dass das viskoelastische Modell KB2, da mehr Menschen wie als der andere viskoelastische Modell KB1 mit allen drei Auswertemethoden wahrgenommen wird.

<ol>
	<li>Wichmann, F., Hill, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+psychometric+function:+I.+Fitting,+sampling,+and+goodness+of+fit.">The psychometric function: I. Fitting, sampling, and goodness of fit.</a> Perception &#38; Psychophysics. 63, 1293-1293 (2001).</li><li>Avraham, G., Levy-Tzedek, S., Karniel, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> , (2009).</li><li>Avraham, G., Levy-Tzedek, S., Karniel, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> , (2010).</li><li>Avraham, G., Levy-Tzedek, S., Peles, B. C., Bar-Haim, S., Karniel, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> , (2010).</li><li>Karniel, A., Nisky, I., Avraham, G., Peles, B. C., Levy-Tzedek, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> , (2010).</li><li>Jindai, M., Watanabe, T., Shibata, S., Yamamoto, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> , (2006).</li><li>Kasuga, T., Hashimoto, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> , (2005).</li><li>Ouchi, K., Hashimoto, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Handshake+Telephone+System+to+Communicate+with+Voice+and+Force.">Handshake Telephone System to Communicate with Voice and Force.</a> , 466-471 (1998).</li><li>Bailenson, J., Yee, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Virtual+interpersonal+touch+and+digital+chameleons.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Human-like+natural+behavior+generation+based+on+involuntary+motions+for+humanoid+robots.">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. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> , (2010).</li><li>IiZuka, H., Ando, H., Maeda, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> , (2010).</li><li>Chaplin, W., Phillips, J., Brown, J., Clanton, N., Stein, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Handshaking,+gender,+personality,+and+first+impressions.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Exploring+the+handshake+in+employment+interviews.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Kinematic+characteristics+of+reaching+movements+in+preterm+children+with+cerebral+palsy.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Kinematic+analysis+of+unimanual+reaching+and+grasping+movements+in+children+with+hemiplegic+cerebral+palsy.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Separate+visual+pathways+for+perception+and+action.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Visual+control+of+action+but+not+perception+requires+analytical+processing+of+object+shape.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Probing+Virtual+Boundaries+and+the+Perception+of+Delayed+Stiffness.">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. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> , 213-218 (2010).</li><li>Karniel, A., Binder, M. D., Hirokawa, N., Windhorst, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Computational+Motor+Control.">Computational Motor Control.</a> Encyclopedia of Neuroscience. , 832-837 (2009).</li></ol>

Wir haben ein neues Protokoll für eine erzwungene Wahl-Turing-like-Handshake-Test über eine einfache telerobotische System verwaltet vorgestellt. Dieses Protokoll ist eine Plattform für den Vergleich von künstlichen Handshake-Modelle, sondern eine Plattform für die Bestimmung absolute menschliche Gestalt. Dieses Protokoll wurde in ein paar Konferenzen 2-5 vorgestellt Wir haben hier, dass dieser Test hilfreich bei der Suche die Parameter der passiven Eigenschaften der Bewegung, dass die meisten Menschen-Feeling sorgen wird angezeigt. Es kann in weiteren Studien verwendet werden, um ein Modell für einen Händedruck, wie human-like wie möglich zu entwickeln. Wir werden diese Plattform in den ersten Turing-like Handshake Turnier, das im Sommer 2011 stattfinden [[beschäftigen <a href="http://www.bgu.ac.il/~akarniel/HANDSHAKE/index.html">http://www.bgu.ac.il/ ~ akarniel / HANDSHAKE / index.html</a> ]], wo konkurrierende Modelle werden abgestuft für ihre menschliche Gestalt. Das ultimative Modell sollte wahrscheinlich betrachten die Nichtlinearitäten und zeitlich veränderlichen Natur der menschlichen Impedanz 21, gegenseitige Anpassung der Vernehmer und viele andere Aspekte eines natürlichen menschlichen Händedruck, getestet und bewertet werden mit dieser erzwungenen Wahl Turing-like-Handshake-Test sollte. Die vorgeschlagene Test ist eindimensional und erfolgt über eine telerobotische-Schnittstelle, und deshalb ist begrenzt: es birgt viele Aspekte der Händedruck wie taktile Informationen, Temperatur, Feuchtigkeit und Greifen Kräfte. Dennoch, in mehreren Studien eine telerobotische Schnittstelle wurde für die Erkundung Handshakes 6-11 und andere Formen der Mensch-Mensch-Interaktion 12 verwendet. Darüber hinaus in dieser Version des Tests, haben wir nicht der Ansicht, die Dauer der Händedruck, die Initiierung und Release-Zeiten, seine Vielschichtigkeit und die Hand Bahnen vor und nach dem körperlichen Kontakt. Es gibt auch viele Arten von Handshakes je nach Geschlecht und Kultur der Person 13-14 und daher kann man nicht erwarten, dass ein einziges optimales human-like-Handshake-Modell zu generieren. Dennoch glauben wir, dass die Einfachheit der vorgeschlagenen Versuch ein Vorteil ist, zumindest in diesem frühen Stadium der Studie. Nachdem die wichtigsten Merkmale eines solchen eindimensionalen Handshake richtig gekennzeichnet sind wir uns bewegen können auf diese Einschränkungen berücksichtigen und verlängern die Prüfung entsprechend. Es wird darauf hingewiesen, dass eine Turing-like-Handshake-Test umgekehrt werden könnte, mit dem Computer anstelle der Person, über die Identität der anderen Partei gestellt werden. In diesem Rahmen halten wir die folgenden Reverse-Handshake-Hypothese: Der Zweck der Handschlag ist es, die erschüttert Handsonde; gemäß dem Reverse-Handshake-Hypothese, die optimale Handshake-Algorithmus - in dem Sinne, dass es wird nicht von einem Menschen Handshake - wird Beste erleichtern die Unterscheidung zwischen Menschen und Maschinen. Mit anderen Worten, wird das Modell liefern die besten Handshake, so dass eine entsprechend abgestimmte Klassifikator kann zwischen Mensch und Maschine Händeschütteln zu unterscheiden. Wenn der Reverse-Handshake Hypothese ist zwar richtig, es ergibt sich eine klinische Anwendung für unseren Test: Ermittlung motorischen Beeinträchtigungen in Menschen, die an verschiedenen neurologischen Motor-bedingten Erkrankungen wie Zerebralparese (CP). Frühere Studien haben Unterschiede in der kinematischen Parameter zwischen CP-Patienten und gesunden Probanden gezeigt, bei der Durchführung von Greifbewegungen 15-16. Wir haben kürzlich gezeigt, dass die Eigenschaften von Bewegungen zwischen gesunden Personen und Personen mit CP unterscheiden beim Händeschütteln über eine telerobotische System 4. Diese Ergebnisse stärken unsere Behauptung, dass Menschen mit motorischen Beeinträchtigungen von gesunden Menschen können durch die Prüfung und Erforschung der Handshake Bewegung jedes einzelnen zu unterscheiden. Man sollte auch beachten, dass der Test hier erörterten eine perzeptive Tests und aktuelle Studien unterscheiden zwischen Wahrnehmung und Handlung 17-20 ist. Zukünftige Studien sollten untersuchen drei Versionen des Tests zur genauen Beurteilung der Natur des Menschen-wie-Handshake: (1) eine psychometrische Test der wahrgenommene Ähnlichkeit, (2) einen Motor zu testen (motormetric-Test), dass der Motor erkunden Reaktion der Vernehmer, die von seiner / ihrer kognitiv wahrgenommene Ähnlichkeit unterscheiden können, (3) eine ultimative optimale Diskriminator, die zwischen Mensch und Maschine Händeschütteln auf die Kraft und die Position Trajektorien basieren unterscheiden versucht. Im Allgemeinen, so behaupten wir, dass das Verständnis der Motorsteuerung ist eine notwendige Voraussetzung für das Verständnis der Funktion des Gehirns, und dass ein solches Verständnis könnte durch den Bau eines humanoiden Roboters nicht von einem Menschen nachgewiesen werden. Die aktuelle Studie konzentriert sich auf Händeschütteln über eine telerobotische System. Wir behaupten, dass durch die Platzierung der vorherrschenden wissenschaftlichen Hypothesen über die Natur der menschlichen Hand Bewegungssteuerung mit dem vorgeschlagenen Turing-like Handshake testen, haben wirLage sein sollten, hervorstechenden Eigenschaften des menschlichen motorischen Kontrolle oder zumindest die wichtigsten Eigenschaften erforderlich, um eine künstliche Gliedmaßen, die nicht von einem menschlichen Arm bauen zu extrahieren.

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en">	
		
		<div>
		<table border="1">
		<thead>
		<tr>
		<th>Material Name</th>
		<th>Type</th>
		<th>Company</th>
		<th>Catalogue Number</th>
		<th>Comment</th>
		</tr>
		</thead>
		<tbody>
		
<tr>
<td>Two PHANTOM desktop robots</td>
<td>&nbsp;</td>
<td>SensAble Technologies</td>
<td>&nbsp;</td>
<td>2 Parallel cards Minimum system requirements: Intel or AMD-based PCs; Windows 2000/XP, 250 MB of disc space</td>
</tr>
<tr>
<td>SensAble technologies Drivers</td>
<td>&nbsp;</td>
<td>SensAble technologies</td>
<td>&nbsp;</td>
<td><a href="http://www.sensable.com">http://www.sensable.com</a></td>
</tr>
<tr>
<td>H3DAPI source code</td>
<td>&nbsp;</td>
<td>H3DAPI</td>
<td>&nbsp;</td>
<td><a href="http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation">http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation</a></td>
</tr>
<tr>
<td>Python 2.5</td>
<td>&nbsp;</td>
<td>Python</td>
<td>&nbsp;</td>
<td><a href="http://www.python.org/download/releases/2.5.5/">http://www.python.org/download/releases/2.5.5/</a></td>
</tr>
<tr>
<td>x3d codes</td>
<td>&nbsp;</td>
<td>&nbsp;</td>
<td>&nbsp;</td>
<td>&nbsp;</td>
<tr>
<td>psignifit toolbox version 2.5.6</td>
<td>&nbsp;</td>
<td>Matlab</td>
<td>&nbsp;</td>
<td><a href="http://www.bootstrap-software.org/psignifit/">http://www.bootstrap-software.org/psignifit/</a></td>
</tr>		</tbody>
		</table>
		</div>

one dimensional turing-like handshake test for motor intelligence

In den Turing-Test, ist ein Computer-Modell als &quot;intelligent denken&quot;, wenn es Antworten, die nicht unterscheidbar von denen eines Menschen erzeugen kann. Allerdings ist dieser Test, um die sprachlichen Aspekte der Maschine Intelligenz begrenzt. Ein hervorstechendes Funktion des Gehirns ist die Steuerung der Bewegung und die Bewegung der menschlichen Hand ist ein hoch entwickeltes Demonstration dieser Funktion. Deshalb schlagen wir eine Turing-like-Handshake-Test, für den Maschinen-motorische Intelligenz. Wir verwalten den Test durch eine telerobotische System, in dem die Vernehmer in eine Aufgabe mit einem Roboter-Stift und die Interaktion mit einer anderen Partei (menschliche oder künstliche) tätig ist. Anstatt zu fragen, die Vernehmer, ob die andere Partei eine Person oder ein Computer-Programm ist, beschäftigen wir zwei alternative forced choice-Verfahren und fragen, welche der beiden Systeme ist human-like. Wir extrahieren Sie eine quantitative grade für jedes Modell nach seiner Ähnlichkeit mit dem menschlichen Handshake Bewegung mit dem Namen &quot;Model Human-Likeness Grade&quot; (MHLG). Es werden drei Methoden, um die MHLG schätzen. (I) Durch die Berechnung der Anteil der Patienten, die Antworten, dass das Modell mehr human-like als das menschliche ist, (ii) Durch den Vergleich zweier gewichtete Summen von Human-und Händeschütteln wir fit eines psychometrischen Kurve und extrahieren den Punkt subjektiver Gleichheit (PSE ), (iii) Durch den Vergleich eines bestimmten Modells mit einem gewichteten Summe der Human-und Random-Signal, fit wir eine psychometrische Kurve, um die Antworten der Vernehmer und extrahieren Sie die PSE für das Gewicht des menschlichen in der gewichteten Summe. Insgesamt bieten wir ein Protokoll zur Rechenmodelle des menschlichen Handshake-Test. Wir glauben, dass ein Modell ist ein notwendiger Schritt im Verständnis jedes Phänomen, und in diesem Fall für das Verständnis der neuronalen Mechanismen, die für die Erzeugung der menschlichen Händedruck.

Watch this Scientific Journal Video about One Dimensional Turing-Like Handshake Test for Motor Intelligence at JoVE.com

One Dimensional Turing-Like Handshake Test for Motor Intelligence

Wir präsentieren eine Turing-like Handshake-Test durch eine telerobotische System, in dem die Vernehmer mit einem Roboter-Stift ist und die Interaktion mit einer anderen Partei (menschliche oder künstliche) verabreicht. Wir verwenden eine erzwungene Wahl-Methode, und extrahieren Sie ein Maß für die Ähnlichkeit der künstlichen Modell einer menschlichen Händedruck.

One Dimensional Turing-Like Handshake-Test für motorische Intelligenz

In the Turing test, a computer model is deemed to "think intelligently" if it can generate answers that are not distinguishable from those of a human.  ...

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

Research

JoVE Journal

Neuroscience

26.6K Aufrufe.  Ben-Gurion University. Wir präsentieren eine Turing-like Handshake-Test durch eine telerobotische System, in dem die Vernehmer mit einem Roboter-Stift ist und die Interaktion mit einer anderen Partei (menschliche oder künstliche) verabreicht. Wir verwenden eine erzwungene Wahl-Methode, und extrahieren Sie ein Maß für die Ähnlichkeit der künstlichen Modell einer menschlichen Händedruck.

Serie: One Dimensional Turing-Like Handshake Test for Motor Intelligence

Extracellularly Identifying Motor Neurons for a Muscle Motor Pool in Aplysia californica

In animals with large identified neurons (e.g. mollusks), analysis of motor pools is done using intracellular techniques1,2,3,4. Recently, we developed a technique to extracellularly stimulate and record individual neurons in Aplysia californica5. We now describe a protocol for using this technique to uniquely identify and characterize motor neurons within a motor pool.
This extracellular technique has advantages. First, extracellular electrodes can stimulate and record neurons through the sheath5, so it does not need to be removed. Thus, neurons will be healthier in extracellular experiments than in intracellular ones. Second, if ganglia are rotated by appropriate pinning of the sheath, extracellular electrodes can access neurons on both sides of the ganglion, which makes it easier and more efficient to identify multiple neurons in the same preparation. Third, extracellular electrodes do not need to penetrate cells, and thus can be easily moved back and forth among neurons, causing less damage to them. This is especially useful when one tries to record multiple neurons during repeating motor patterns that may only persist for minutes. Fourth, extracellular electrodes are more flexible than intracellular ones during muscle movements. Intracellular electrodes may pull out and damage neurons during muscle contractions. In contrast, since extracellular electrodes are gently pressed onto the sheath above neurons, they usually stay above the same neuron during muscle contractions, and thus can be used in more intact preparations.
To uniquely identify motor neurons for a motor pool (in particular, the I1/I3 muscle in Aplysia) using extracellular electrodes, one can use features that do not require intracellular measurements as criteria: soma size and location, axonal projection, and muscle innervation4,6,7. For the particular motor pool used to illustrate the technique, we recorded from buccal nerves 2 and 3 to measure axonal projections, and measured the contraction forces of the I1/I3 muscle to determine the pattern of muscle innervation for the individual motor neurons.
We demonstrate the complete process of first identifying motor neurons using muscle innervation, then characterizing their timing during motor patterns, creating a simplified diagnostic method for rapid identification. The simplified and more rapid diagnostic method is superior for more intact preparations, e.g. in the suspended buccal mass preparation8 or in vivo9. This process can also be applied in other motor pools10,11,12 in Aplysia or in other animal systems2,3,13,14.

Extracellularly Identifying Motor Neurons for a Muscle Motor Pool in Aplysia californica

In animals with large identified neurons (e.g. mollusks), analysis of motor pools is done using intracellular techniques1,2,3,4. Recently, we developed a technique to extracellularly stimulate and record individual neurons in Aplysia californica5. We now describe a protocol for using this technique to uniquely identify and characterize motor neurons within a motor pool.

Extrazellulär identifizieren Motor Neurons für einen Muscle Motor Pool in<em&gt; Aplysia californica</em

In animals with large  identified neurons (e.g. mollusks), analysis of motor pools is done using  intracellular techniques1,2,3,4. Recently,  we developed ...

Forschung

Neurowissenschaften

Why Quantification Matters: Characterization of Phenotypes at the Drosophila Larval Neuromuscular Junction

Most studies on morphogenesis rely on qualitative descriptions of how anatomical traits are affected by the disruption of specific genes and genetic pathways. Quantitative descriptions are rarely performed, although genetic manipulations produce a range of phenotypic effects and variations are observed even among individuals within control groups.&#160;Emerging evidence shows that morphology, size and location of organelles play a previously underappreciated, yet fundamental role in cell function and survival. Here we provide step-by-step instructions for performing quantitative analyses of phenotypes at the Drosophila larval neuromuscular junction (NMJ). We use several reliable immuno-histochemical markers combined with bio-imaging techniques and morphometric analyses to examine the effects of genetic mutations on specific cellular processes. In particular, we focus on the quantitative analysis of phenotypes affecting morphology, size and position of nuclei within the striated muscles of Drosophila larvae. The Drosophila larval NMJ is a valuable experimental model to investigate the molecular mechanisms underlying the structure and the function of the neuromuscular system, both in health and disease. However, the methodologies we describe here can be extended to other systems as well.

Why Quantification Matters: Characterization of Phenotypes at the Drosophila Larval Neuromuscular Junction

Morphology, size and location of intracellular organelles are evolutionarily conserved and appear to directly affect their function. Understanding the molecular mechanisms underlying these processes has become an important goal of modern biology. Here we show how these studies can be facilitated by the application of quantitative techniques.

Warum Quantifizierung von Bedeutung: Charakterisierung von Phänotypen bei der<em&gt; Drosophila</em&gt; Larval Neuromuskuläre Junction

Most studies on morphogenesis rely on qualitative descriptions of how anatomical traits are affected by the disruption of specific genes and genetic ...

External Excitation of Neurons Using Electric and Magnetic Fields in One- and Two-dimensional Cultures

A neuron will fire an action potential when its membrane potential exceeds a certain threshold. In typical activity of the brain, this occurs as a result of chemical inputs to its synapses. However, neurons can also be excited by an imposed electric field. In particular, recent clinical applications activate neurons by creating an electric field externally. It is therefore of interest to investigate how the neuron responds to the external field and what causes the action potential. Fortunately, precise and controlled application of an external electric field is possible for embryonic neuronal cells that are excised, dissociated and grown in cultures. This allows the investigation of these questions in a highly reproducible system.
In this paper some of the techniques used for controlled application of external electric field on neuronal cultures are reviewed. The networks can be either one dimensional, i.e. patterned in linear forms or allowed to grow on the whole plane of the substrate, and thus two dimensional. Furthermore, the excitation can be created by the direct application of electric field via electrodes immersed in the fluid (bath electrodes) or by inducing the electric field using the remote creation of magnetic pulses.

Neuronal cultures are a good model for studying emerging brain stimulation techniques via their effect on single neurons or a population of neurons. Presented here are different methods for stimulation of patterned neuronal cultures by an electric field produced directly by bath electrodes or induced by a time-varying magnetic field.

Externe Anregung von Neuronen mittels elektrische und magnetische Felder in One- und Zweidimensionale Kulturen

A neuron will fire an action potential when its membrane potential exceeds a certain threshold. In typical activity of the brain, this occurs as a result ...

Fiber Connections of the Supplementary Motor Area Revisited: Methodology of Fiber Dissection, DTI, and Three Dimensional Documentation

The purpose of this study is to show the methodology for the examination of the white matter connections of the supplementary motor area (SMA) complex (pre-SMA and SMA proper) using a combination of fiber dissection techniques on cadaveric specimens and magnetic resonance (MR) tractography. The protocol will also describe the procedure for a white matter dissection of a human brain, diffusion tensor tractography imaging, and three-dimensional documentation. The fiber dissections on human brains and the 3D documentation were performed at the University of Minnesota, Microsurgery and Neuroanatomy Laboratory, Department of Neurosurgery. Five postmortem human brain specimens and two whole heads were prepared in accordance with Klingler's method. Brain hemispheres were dissected step by step from lateral to medial and medial to lateral under an operating microscope, and 3D images were captured at every stage. All dissection results were supported by diffusion tensor imaging. Investigations on the connections in line with Meynert's fiber tract classification, including association fibers (short, superior longitudinal fasciculus I and frontal aslant tracts), projection fibers (corticospinal, claustrocortical, cingulum, and frontostriatal tracts), and commissural fibers (callosal fibers) were also conducted.

The purpose of this study is to show each step of the fiber dissection technique on human cadaveric brains, the 3D documentation of these dissections, and the diffusion tensor imaging of the anatomically dissected fiber pathways.

Faserverbindungen des Ergänzungsmotorenbereichs Revisited: Methodik der Faserdissektion, DTI und Dreidimensionale Dokumentation

The purpose of this study is to show the methodology for the examination of the white matter connections of the supplementary motor area (SMA) complex ...

In Vivo Single-Molecule Tracking at the Drosophila Presynaptic Motor Nerve Terminal

An increasing number of super-resolution microscopy techniques are helping to uncover the mechanisms that govern the nanoscale cellular world. Single-molecule imaging is gaining momentum as it provides exceptional access to the visualization of individual molecules in living cells. Here, we describe a technique that we developed to perform single-particle tracking photo-activated localization microscopy (sptPALM) in Drosophila larvae. Synaptic communication relies on key presynaptic proteins that act by docking, priming, and promoting the fusion of neurotransmitter-containing vesicles with the plasma membrane. A range of protein-protein and protein-lipid interactions tightly regulates these processes and the presynaptic proteins therefore exhibit changes in mobility associated with each of these key events. Investigating how mobility of these proteins correlates with their physiological function in an intact live animal is essential to understanding their precise mechanism of action. Extracting protein mobility with high resolution in vivo requires overcoming limitations such as optical transparency, accessibility, and penetration depth. We describe how photoconvertible fluorescent proteins tagged to the presynaptic protein Syntaxin-1A can be visualized via slight oblique illumination and tracked at the motor nerve terminal or along the motor neuron axon of the third instar Drosophila larva.

In Vivo Single-Molecule Tracking at the Drosophila Presynaptic Motor Nerve Terminal

Here we illustrate how single molecule photo-activated localization microscopy can be carried out on the motor nerve terminal of a live Drosophila melanogaster third instar larva.

In Vivo Einzelmolekül-Tracking bei Drosophila präsynaptischen motorischen Nerv Terminal

An increasing number of super-resolution microscopy techniques are helping to uncover the mechanisms that govern the nanoscale cellular world. ...

3D Kinematic Analysis for the Functional Evaluation in the Rat Model of Sciatic Nerve Crush Injury

Compared to the Sciatic Functional Index (SFI), kinematic analysis is a more reliable and sensitive method for performing functional evaluations of sciatic nerve injury rodent models. In this protocol, we describe a novel kinematic analysis method that uses a three-dimensional (3D) motion capture apparatus for functional evaluations using a rat sciatic nerve crush injury model. First, the rat is familiarized with treadmill walking. Markers are then attached to the designated bone landmarks and the rat is made to walk on the treadmill at the desired speed. Meanwhile, the posterior limb movements of the rat are recorded using four cameras. Depending on the software used, marker tracings are created using both automatic and manual modes and the desired data are produced after subtle adjustments. This method of kinematic analysis, which uses a 3D motion capture apparatus, offers numerous advantages, including superior precision and accuracy. Many more parameters can be investigated during the comprehensive functional evaluations. This method has several shortcomings that require consideration: The system is expensive, can be complicated to operate, and may produce data deviations due to skin shifting. Nevertheless, kinematic analysis using a 3D motion capture apparatus is useful for performing functional anterior and posterior limb evaluations. In the future, this method may become increasingly useful for generating accurate assessments of various traumas and diseases.

We introduce a kinematic analysis method that uses a three-dimensional motion capture apparatus containing four cameras and data processing software for performing functional evaluations during fundamental research involving rodent models.

3D Kinematische Analyse zur funktionellen Bewertung im Rattenmodell von Ischias-Nerven-Crush-Verletzungen

Compared to the Sciatic Functional Index (SFI), kinematic analysis is a more reliable and sensitive method for performing functional evaluations of ...

Determining the Functional Status of the Corticospinal Tract Within One Week of Stroke

High interindividual variability in the recovery of upper limb (UL) function after stroke means it is difficult to predict an individual&#39;s potential for recovery based on clinical assessments alone. The functional integrity of the corticospinal tract is an important prognostic biomarker for recovery of UL function, particularly for those with severe initial UL impairment. This article presents a protocol for evaluating corticospinal tract function within 1 week of stroke. This protocol can be used to select and stratify patients in trials of interventions designed to improve UL motor recovery and outcomes after stroke. The protocol also forms part of the PREP2 algorithm, which predicts UL function for individual patients 3 months poststroke. The algorithm sequentially combines a UL strength assessment, age, transcranial magnetic stimulation, and stroke severity, within a few days of the stroke. The benefits of using PREP2 in clinical practice are described elsewhere. This article focuses on the use of a UL strength assessment and transcranial magnetic stimulation to evaluate corticospinal tract function.

This protocol is for evaluating corticospinal tract function within 1 week of stroke. It can be used to select and stratify patients in trials of interventions designed to improve upper limb motor recovery and outcomes and in clinical practice for predicting upper limb functional outcomes 3 months after stroke.

Bestimmung des Funktionellen Status des Corticospinal Tract innerhalb einer Woche nach dem Schlaganfall

High interindividual variability in the recovery of upper limb (UL) function after stroke means it is difficult to predict an individual&#39;s potential ...

Three-Dimensional Motor Nerve Organoid Generation

A fascicle of axons is one of the major structural motifs observed in the nervous system. Disruption of axon fascicles could cause developmental and neurodegenerative diseases. Although numerous studies of axons have been conducted, our understanding of formation and dysfunction of axon fascicles is still limited due to the lack of robust three-dimensional in vitro models. Here, we describe a step-by-step protocol for the rapid generation of a motor nerve organoid (MNO) from human induced pluripotent stem (iPS) cells in a microfluidic-based tissue culture chip. First, fabrication of chips used for the method is described. From human iPS cells, a motor neuron spheroid (MNS) is formed. Next, the differentiated MNS is transferred into the chip. Thereafter, axons spontaneously grow out of the spheroid and assemble into a fascicle within a microchannel equipped in the chip, which generates an MNO tissue carrying a bundle of axons extended from the spheroid. For the downstream analysis, MNOs can be taken out of the chip to be fixed for morphological analyses or dissected for biochemical analyses, as well as calcium imaging and multi-electrode array recordings. MNOs generated with this protocol can facilitate drug testing and screening and can contribute to understanding of mechanisms underlying development and diseases of axon fascicles.

This protocol provides a comprehensive procedure to fabricate human iPS cell-derived motor nerve organoid through spontaneous assembly of a robust bundle of axons extended from a spheroid in a tissue culture chip.

Dreidimensionale Motornerve Organoid Generation

A fascicle of axons is one of the major structural motifs observed in the nervous system. Disruption of axon fascicles could cause developmental and ...

In Vivo Wireless Optogenetic Control of Skilled Motor Behavior

Fine motor skills are essential in everyday life and can be compromised in several nervous system disorders. The acquisition and performance of these tasks require sensory-motor integration and involve precise control of bilateral brain circuits. Implementing unimanual behavioral paradigms in animal models will improve the understanding of the contribution of brain structures, like the striatum, to complex motor behavior as it allows manipulation and recording of neural activity of specific nuclei in control conditions and disease during the performance of the task. 
Since its creation, optogenetics has been a dominant tool for interrogating the brain by enabling selective and targeted activation or inhibition of neuronal populations. The combination of optogenetics with behavioral assays sheds light on the underlying mechanisms of specific brain functions. Wireless head-mounted systems with miniaturized light-emitting diodes (LEDs) allow remote optogenetic control in an entirely free-moving animal. This avoids the limitations of a wired system being less restrictive for animals' behavior without compromising light emission efficiency. The current protocol combines a wireless optogenetics approach with high-speed videography in a unimanual dexterity task to dissect the contribution of specific neuronal populations to fine motor behavior.

In Vivo Wireless Optogenetic Control of Skilled Motor Behavior

The present protocol describes how to use wireless optogenetics combined with high-speed videography in a single pellet reach-to-grasp task to characterize the neural circuits involved in the performance of skilled motor behavior in freely moving mice.

Im lebenden Organismus Drahtlose optogenetische Steuerung des motorischen Verhaltens

Fine motor skills are essential in everyday life and can be compromised in several nervous system disorders. The acquisition and performance of these ...

Expanding the Toolkit for In Vivo Imaging of Axonal Transport

Axonal transport maintains neuronal homeostasis by enabling the bidirectional trafficking of diverse organelles and cargoes. Disruptions in axonal transport have devastating consequences for individual neurons and their networks, and contribute to a plethora of neurological disorders. As many of these conditions involve both cell autonomous and non-autonomous mechanisms, and often display a spectrum of pathology across neuronal subtypes, methods to accurately identify and analyze neuronal subsets are imperative.
This paper details protocols to assess in vivo axonal transport of signaling endosomes and mitochondria in sciatic nerves of anesthetized mice. Stepwise instructions are provided to 1) distinguish motor from sensory neurons in vivo, in situ, and ex vivo by using mice that selectively express fluorescent proteins within cholinergic motor neurons; and 2) separately or concurrently assess in vivo axonal transport of signaling endosomes and mitochondria. These complementary intravital approaches facilitate the simultaneous imaging of different cargoes in distinct peripheral nerve axons to quantitatively monitor axonal transport in health and disease.

Expanding the Toolkit for In Vivo Imaging of Axonal Transport

Using transgenic fluorescent mice, detailed protocols are described to assess in vivo axonal transport of signaling endosomes and mitochondria within motor and sensory axons of the intact sciatic nerve in live animals.