자동차 인텔리 전스에 대한 1 차원 튜링 - 마찬가지로 악수 시험

요약

우리는 심문이 로봇 스타일러스를 들고 또 다른 당사자 (인간 또는 인공)의 상호 작용되는 telerobotic 시스템을 통해 실시 튜링 같은 악수 테스트를 제시한다. 우리는 강제 선택 방식을 사용하고 인간의 악수하는 인공 모델의 유사성에 대한 측정의 압축을 풉니다.

초록

튜링 테스트에서 컴퓨터 모델은 그것이 인간의과는 구별되지 않습니다 답변을 생성할 수있다면 "지능적으로 생각"로 간주됩니다. 그러나이 시험은 기계 지능의 언어적 측면으로 제한됩니다. 두뇌의 돌출 기능은 운동의 제어이며, 인간 손의 움직임이 기능의 정교한 시범입니다. 따라서, 우리는 기계 모터 인텔리 전스를위한, 튜링 같은 악수 테스트를 제안합니다. 우리는 심문이 로봇 스타일러스를 들고 또 다른 당사자 (인간 또는 인공)의 상호 작용의 작업에 종사하는 telerobotic 시스템을 통해 시험을 관리할 수 있습니다. 대신 상대방이 사람이나 컴퓨터 프로그램인지 여부를 심문 요청, 우리는 두 대안 강제 선택 방식을 채용하고보다 인간과 같은 두 시스템 중 어떤 부탁드립니다. 우리는 인간의 핸드 쉐이크 동작하기 위해 유사에 따라 각 모델에 대한 양적 등급을 추출하고 "모델 인간 닮은 학년"(MHLG)을 이름. 우리는 MHLG을 추정하기 위해 세 가지 방법을 제시한다. (I) 모델이 더 인간 같은 인간보다 그 과목 '답변의 비율을 계산하여, (2) 우리가 psychometric 곡선에 맞게하고 주관적인 평등의 요점을 추출 인간과 모델 handshakes 두 가중 총액 (PSE를 비교하여 ) (3) 인간과 임의의 신호의 가중 합계로 특정 모델을 비교하여, 우리는 심문의 답변을 psychometric 곡선에 맞게하고 가중치 합계에있는 인간의 무게에 대한 PSE 압축을 풉니다. 모두, 우리는 인간의 핸드 셰이크의 전산 모델을 테스트하는 프로토콜을 제공합니다. 우리는 모델을 구축하는 것은 인간의 핸드 셰이크의 생성에 책임이있는 신경 메커니즘을 이해하는이 경우에는 필요한 모든 현상을 이해하는 단계와,이라고 믿고 있습니다.

프로토콜

1. 시스템 준비

1. 하드웨어 요구 사항 :
   • SensAble 테크놀로지 주식 회사에 의해 두 팬텀 데스크탑 로봇
   • 이 병렬 카드.
   • 최소 시스템 요구 사항 : 인텔이나 AMD 기반 PC, 윈도우 2000/XP, 디스크 공간의 250메가바이트
2. 소프트웨어 요구 사항 :
   • 드라이버
     SensAble 기술 웹사이트에서 다운로드 드라이버 http://www.sensable.com 컴퓨터 운영 체제에 따라.
   • H3DAPI -
     에서 설치 연습 섹션에 표시되는 지침에 따라 H3DAPI 소스 코드를 다운로드하고 설치 http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation
     우리는 기존의 코드에서 만난되지 않은 우리의 요구 사항에 맞게 코드를 업데이 트했습니다. 업데이트된 파일은 핸드 쉐이크 대회 웹사이트에서 다운로드할 수 있습니다 http://www.bgu.ac.il/ ~ akarniel / 악수 / / index.html 페이지
     위의 웹사이트에서 설명한대로 각 파일은 해당 폴더에 배치해야합니다.
     변경 사항을 수행 후, CMake를 다운로드하고 코드를 컴파일합니다. 컴파일 지침에서 찾을 수 있습니다 http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation
   • X3D와 파이썬
     • 에서 다운로드 파이썬 2.5 http://www.python.org/download/releases/2.5.5/
     • 핸드 쉐이크 웹사이트에서 파이썬과 x3d 코드를 다운로드하고 인스턴스에 대한 전용 디렉토리에있는 코드 파일을, 장소 : "C : \ codeDirectory"
     • 각 핸드 쉐이크 강제 모델은 별도의 파이썬 파일에 작성해야합니다. 스프링 힘 모델의 예를 들어 그림 1을 참조하십시오.
   • 에서 구할 수 Matlab에 대한 psignifit 도구 상자 버전 2.5.6, http://www.bootstrap-software.org/psignifit/

그림 1. Python으로 강제로 기능. 악수를위한 스프링 힘 모델의 예

2. 실험 프로토콜

• 명령 창을 열고 입력하여 파이썬과 x3d 코드 디렉터리로 변경합니다 : CD C : \ codeDirectory.
• C에있는 과목 '이름으로 폴더를 만듭니다 : \ codesDirectory.
• h3dload code_name.x3d : 실험 유형을 실행하기 위해서.
• 입력하여 새 임의 파일을 만듭니다 : random_file_name.txt. 임의의 파일은 서로 다른 handshakes가 표시되는 순서를 정의합니다.
• 정확하게 이전에 만든 폴더에있는 대상의 이름을 입력합니다.
• 인간, 컴퓨터, 그리고 심문 : 전통적인 튜링 테스트의 원래 개념에 따라, 각 실험 3 엔티티로 구성되어 있습니다. 두 과목 (인간과 심문) 각 한 팬텀 haptic 장치의 스타일러스 잡고 악수의 움직임을 생성합니다. 그들은 화면에 나타나는 지시에 따라 요청 (예 : "최초의 핸드 셰이크에 대한 페이지를 누르십시오"), 핸드 쉐이크 세력이 적용되어 있어야합니다. 다음 방법 중 모두에서, 각각의 재판은 2 handshakes 구성되어 있으며 과목은 그들 사이에 비교해야합니다. 컴퓨터는 시간의 함수와 1 차원 손 위치와 그 유도체로 강제 신호를 생성하는 가상 악수 모델입니다.
  (1) F _모델 (t) = Φ [X (t), t] 0 ≤ t ≤ T
  F 어떠한 인과 관계 연산자, 한 차원 스타일러스 운동의 예, 비선형 시간 다양한 기계적 모델, 그리고 T는 핸드 셰이크의 기간입니다에 대한 [X, T] 의미합니다. 현재 연구에서 T = 5 초.

1. "순수"테스트를 실시하고 _P를 MHLG 모델 인간 닮은 등급 계산
   실험은 모든 handshakes (n은 = 24)이 과목은 단순히 telerobotic 시스템을 통해 서로 악수 인간, 그러한되는 12 연습 시험과 함께 시작됩니다. 이러한 연습 시험의 목적은 참가자가 시스템에서 인간의 악수에 조예가 있도록하는 것입니다.
   실험에서, 우리는 네 컴퓨터 모델을 비교합니다. 각 실험 블록은 우리가 인간의 악수에 4 테스트 모델을 비교하는 4 실험으로 구성되어 있습니다. 각 재판에서 handshakes 중 하나는 4 가지 모델 (컴퓨터) 중 하나에서 생성된 무력으로 상호 작용이며, 다른 하나는 (두 번째 주제) 인간이다. 따라서 과목 인간과 심문 모두 같은 기능을 수행합니다. 각 블록 내에서 실험의 순서는 무작위로하고 정해진 것입니다. 각 실험은 각 컴퓨터의 핸드 쉐이크가 10 번 반복되는 등 10 블록의로 구성되어 있습니다. 초기 unanalyzed bloCK는 시스템과 작업과 일반적인 안면을위한 추가됩니다.
   각 모델에, 피사체가 더 인간 같은 인간으로 악수를 통해 모델 악수를 선택하는 handshakes의 비중이 모델은 인간에서 구별할 때 0.5입니다 가치를 제공하기 위해 계산됩니다. 우리는 MHLG의 _P, 같은 것을 MHLG = 0과 같은 비 인간과 테스트 핸드 셰이크가 인간의 핸드 셰이크에서 구별할 수 있는지 = 1 의미 MHLG 있었다.을 얻기 위해 두 가지로이 값을 곱하면
2. "가중 인간 모델"테스트를 실시하고 모델을 인간 사야 학년 MHLG _w를 계산
   이 프로토콜에서는 단 하나의 심문 제목이 있습니다. handshakes에서 인간 법인으로서 다른 주제 기능.
   실험 심문 각 재판에서 한 인간의 악수 한 컴퓨터 악수를 경험하는 30 연습 시험과 함께 시작됩니다. 재판의 끝에 그들은 인간의 악수했습니다 2 handshakes 중 어떤 선택하도록 요청합니다. 그들이 성공했을 경우, 화면이! "정답"표시하고, 그들이 올바른 악수, 선택하지 않은 경우 "잘못!" 메시지가 나타납니다.
   연습 블록 후 실험은 다음과 같이 실시합니다 : 재판은 두 handshakes 구성되어 있습니다. 중 하나에 handshakes - 자극 - 심문은 인간과 컴퓨터의 핸드 쉐이크 모델에서 나온 세력의 결합과 상호 작용합니다.
   (2) F = α _자극 • F _인간 + (1 - α _자극) • F _{stimulusModel}
   α의 _자극은 동일하게 0에서 1 예로 배포됩니다 :
   α _자극 = {0, 0.142, 0.284, 0.426, 0.568, 0.710, 0.852, 1}
   다른 악수 - 참조 - 사람과 참조 모델에서 생성된 세력의 고정 조합입니다 :
   (3) F = α _참조 • F _인간 + (1 - α _참조) • F _{referenceModel,} α = 0.5 _참조
   각 재판의 끝에 심문 더 인간 같은 느낌이 악수를 선택하는 요청합니다.
   각각의 실험에서는 두 가지 테스트 모델을 하나의 기본 모델을 비교합니다.
   각 실험 블록은 3 모델 조합의 각 자극과 인간 (eq. 2)의 선형 조합의 각 구성된 24 시험으로 구성되어 있습니다 :
   
   각 블록 내에서 실험의 순서는 무작위로하고 정해진 것입니다. 각 실험은 각 조합이 10 번 반복되는 등 10 블록의로 구성되어 있습니다. 초기 unanalyzed 블록 시스템 및 작업과 함께 일반적인 안면을위한 추가됩니다.
   우리는에서 구할 수 Matlab에 대한 psignifit 도구 상자 버전 2.5.6을 사용하여 심문의 답변을 물류 psychometric 기능을 ^하나 맞는 http://www.bootstrap-software.org/psignifit/을 의 평가에 대한 제약이 최대 가능성 방법으로 매개 변수, 그리고 편견 - 수정 및 가속 (BCA) 부트 스트랩 방법으로 신뢰 간격을 찾으십시오. α _참조 - 곡선 자극 핸드 쉐이크는 α의 _자극의 함수로 더 인간 같은이라고 대답을 심문의 확률을 표시합니다. 주관적 평등 (PSE)의 요점은 α의 _자극과 handshakes과 같은 똑같이 인간으로 인식되는 α에 대한 _참조의 차이를 나타내는 psychometric 곡선의 0.5 임계값 수준에서 추출됩니다. PSE가에 따라 MHLG _w을 계산하는 데 사용됩니다 :
   (4) MHLG _W = 0.5 - PSE
   참조 모델로 인간처럼 같은 것으로 인식되고 모델은 MHLG _{w 값을} 0.5을 산출. 이상 또는 대부분의 인간과 같은 가능한 인식하는 모델은 각각 0 또는 1의 _{w 값을} MHLG 얻을 수 있습니다.
3. "추가 잡음"테스트를 실시하고 모델을 인간 사야 등급 MHLG _N을 계산
   마찬가지로 가중 모델 인간 테스트하는 단 하나의 심문 제목이 있습니다. handshakes에서 인간 법인으로서 다른 주제 기능. 연습 블록은 또한 이전 방법에서와 동일합니다.
   연습 후, 2 handshakes 중 하나 - 자극 - 심문은 컴퓨터 핸드 쉐이크 모델과 상호 작용합니다.
   다른 악수 - 참조 - 인간 핸드 셰이크에 나타나는 주파수에 따라 필터링된 주파수 범위와 인간과 백색 잡음의 조합에서 생성된 힘이됩니다.
   (5) F = α • F _인간 + (1 - α) • F _소음;
   α는 똑같이 예, 0에서 1로 배포됩니다 :
   α = {0, 0.142, 0.284, 0.426, 0.568, 0.710, 0.852, 1}
   각 재판의 끝에 심문 더 인간 같은 느낌이 악수를 선택하는 요청합니다.
   실험은 가중 MO 같은 방법으로 만들어졌습니다위에서 언급한 델 - 인간의 테스트는 내장되어 있습니다. 가중 인간 모델 테스트에 보정이 실험에서, 자체의 수정 조합에 기본 모델의 다른 조합을 비교하여 수행하는 동안 그러나, 기본 모델은 소음으로 대체할 수 있습니다.
   PSE는 psychometric 곡선에서 추출하고 MHLG _N을 정의합니다
   (6) MHLG _N = 1 - PSE
   이상 또는 대부분의 인간과 같은 가능한 인식하는 모델은 각각 MHLG _N 0 또는 1의 값을 얻을 수 있습니다.

3. 대표 결과 :

그림 2는 3 가지 방법 각각에 대해 하나의 주제의 결과를 보여줍니다. 세 실험에서 테스트 모델은 2 점탄성 모델 - KB1 위치 : 봄 K = 50 N / m, 댐퍼 B = 2 NS / M; KB2 : 봄 K = 20 N / m, 댐퍼 B = 1.3 NS / M. 가중치 모델 인간의 테스트에서 MHLG _w는 탄성 기본 모델 K = 50 N / M.에 테스트 모델을 각각 비교하여 평가

그림 2. "순수"테스트 프로토콜 (A)에 따라 두 점탄성 모델의 MHLG 값은 "가중치 모델 인간 프로토콜"(B) 및 "추가 노이즈"프로토콜 (C). 에서 오차 막대 (B)와 (C) psychometric 곡선 '신뢰 간격을 나타냅니다. 검은 막대 모델에 대한 MHLG 등급을 대표하고, 회색 바 (B)와 (C)에있는 소음의 기본 모델들을 나타냅니다.

결과는 점탄성 모델 KB2이 세 가지 평가 방법을 사용하여 다른 점탄성 모델 KB1보다 같이 많은 사람으로 인식 것을 보여줍니다.

토론

우리는 간단한 telerobotic 시스템을 통해 실시 강제 선택 튜링 같은 핸드 쉐이크 시험을위한 새로운 프로토콜을 제시했습니다. 이 프로토콜은 오히려 절대 인간 닮은를 결정하기위한 플랫폼보다 인공 악수 모델을 비교하기위한 플랫폼입니다. 이 프로토콜은 몇 회의 ^2-5로 표시되었습니다

우리는이 검사가 가장 인간과 같은 느낌을 제공하는 운동의 수동적인 특성의 매개 변수를 찾는 데 도움이되어 여기에 표시합니다. 이것은 최대한 인간과 같은 것입니다 악수를위한 모델을 개발하기 위해 더욱 연구에 사용할 수 있습니다. 우리는 [[여름 2011 년 자리를 취할 것입니다 처음으로 튜링 같은 핸드 쉐이크 대회에서이 플랫폼을 채용합니다 http://www.bgu.ac.il/ ~ akarniel / 악수 / index.html 페이지 ]], 경쟁 모델이 거기에있을 것이다 그들의 인간의 초상화에 대한 등급. 궁극적인 모델은 아마도 nonlinearities과 인간의 임피던스 ²¹ 심문 및 테스트이 강제 선택 튜링 같은 악수 테스트를 사용하여 순위를해야합니다 자연 인간의 악수의 여러 다른 측면과 상호 적응의 시간 변화 특성을 고려해야한다.

제안된 시험은 1 차원 및 telerobotic 인터페이스를 통해 수행되며, 따라서 제한됩니다 : 그것은 같은 촉각 정보, 온도, 수분, 그리고 욕심 세력으로 핸드 셰이크의 여러 측면을 숨깁니다. 그럼에도 불구하고, 여러 연구에서 telerobotic 인터페이스 handshakes ^6-11과 인간 - 인간 상호 작용 ¹² 다른 형태를 체험 사용되었다. 또한, 검사의이 버전에, 우리는 육체적인 접촉을 전후 악수, 개시 및 출시 시간, 그 다차원 자연과 손 궤도의 기간을 고려하지 않았다. 사람 ^13-14 따라서의 성별과 문화에 따라 handshakes 많은 종류가 있습니다, 하나는 단일 최적의 인간과 같은 핸드 셰이크 모델을 생성하는 기대 수 없습니다. 그럼에도 불구하고, 우리는 제안된 시험의 단순 적어도 연구의 초기 단계에서, 장점이라고 생각합니다. 이러한 1 차원 핸드 셰이크의 주요 기능이 제대로 특징 일단 우리는 이러한 한계를 고려하고 그에 따라 테스트를 연장에 이동할 수 있습니다.

이것은 튜링과 같은 핸드 쉐이크 시험 대신 상대방의 정체성에 대해 질문하는 사람의 컴퓨터와, 반대로 될 수 있다고 지적한다. 이 프레임 워크에는 다음과 같은 반대로 핸드 쉐이크 가설을 고려 악수의 목적은 떨면서 손을 프로브하는 것입니다, 리버스 핸드 쉐이크 가설, 최적의 핸드 셰이크 알고리즘에 따라 - 그것은 인간의 악수에서 구별할 수있을 것이라는 의미에서 - 윌 최고의 사람과 기계 사이의 차별을 용이하게합니다. 즉, 모델이 적절히 조정된 분류는 인간과 기계 handshakes 구별 수있는 등 최고의 핸드 셰이크를 반환합니다.

반대 핸드 쉐이크 가설은 실제로 맞다면 그것은 우리가 테스트를위한 임상 응용 프로그램을 산출 : 다양한 신경 모터 관련 장애, 뇌성 마비 등 (CP)로 고통 받고있는 사람 모터 장애를 식별. 도달 움직임 ^15-16을 수행할 때 이전 연구 CP 환자와 건강한 과목 사이 동점 매개 변수의 차이를 보이고있다. 우리는 최근 telerobotic 시스템 ⁴ 악수 때 운동의 특징은 CP와 함께 건강한 개인과 개인 사이에 다를 것으로 나타났다. 이러한 연구 결과는 모터 장애인이있는 사람은 각 개인의 핸드 셰이크의 움직임을 조사하고 탐구함으로써 건강한 사람에서 구분할 수있는 우리의 주장을 강화. 하나는 또한 여기에 기술된 테스트 지각 테스트 최근 연구에서 지각과 행동 ^17-20 구별됩니다 것입니다. 미래 연구는 정확하게 인간과 같은 핸드 쉐이크의 특성을 평가하기 위해 시험 세 가지 버전을 탐험한다 : 인식 유사성 (1) psychometric 테스트, 모터를 모색할 것입니다 (2) 모터 동작 테스트 (motormetric 테스트) 그 / 그녀의 cognitively 인식 유사성과 다를 수 있습니다 심문의 반응, 힘 및 위치 궤도를 기반으로 인간과 기계 handshakes 구별을 시도합니다 (3) 궁극적으로 최적의 discriminator.

일반적인 관점에서, 우리는 모터 제어 시스템을 이해하는 것은 뇌의 기능을 이해하기위한 필수적인 조건임을 주장하고, 그러한 이해는 인간에서 분간 인간형 로봇을 구축하여 증명 수 있습니다. 현재 연구는 telerobotic 시스템을 통해 handshakes에 초점을 맞추고 있습니다. 우리는 주장 우리가 제안한 튜링 같은 악수 테스트를 사용하여 인간의 손 움직임을 컨트롤의 자연에 대한 일반적인 과학적 가설을 순위로인간의 모터 컨트롤이나 인간의 팔에서 구별할 수있는 인공 돌출부를 구축하는 데 필요한 최소한 돌출 속성 돌출 특성을 추출할 수 있어야합니다.

자료

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/