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&#39;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: &quot;C: \ codeDirectory&quot; </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" /> 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, &quot;ilk el sıkışma için basın&quot;), 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> &quot;Saf&quot; 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> &quot;Ağırlıklı insan modeli&quot; 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 &quot;Doğru&quot; görüntüler ve sağ el sıkışma, bir seçim olmasaydı &quot;Yanlış!&quot; 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 &quot;Handshake&quot; 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" /> 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: &quot;gürültü&quot; 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 &quot;Handshake&quot; 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" /> Şekil 2 &quot;saf&quot; bir test protokolü (a) göre iki viskoelastik modeller MHLG değerler &quot;ağırlıklı modeli insan protokolü&quot; (b) ve ekledi: &quot;gürültü&quot; protokolü (c). Bu hata çubukları (b) ve (c) psikometrik eğrileri &#39;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/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>

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.

<!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

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.

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

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

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 Görüntüleme.  Ben-Gurion University. 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.

Video: 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.

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

Nörobilim

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.

En fenotip Karakterizasyonu: Niceleme Matters Neden<em&gt; Drosophila</em&gt; Larva Nöromüsküler 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.

Bir ve İki Boyutlu Kültürlerde Elektrik ve Manyetik Alanlar Kullanan Nöronların Harici Uyarımı

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 ...

A Simple One-step Dissection Protocol for Whole-mount Preparation of Adult Drosophila Brains

There is an increasing interest in using Drosophila to model human brain degenerative diseases, map neuronal circuitries in adult brains, and study the molecular and cellular basis of higher brain functions. A whole-mount preparation of adult brains with well-preserved morphology is critical for such whole brain-based studies, but can be technically challenging and time-consuming. This protocol describes an easy-to-learn, one-step dissection approach of an adult fly head in less than 10 s, while keeping the intact brain attached to the rest of the body to facilitate subsequent processing steps. The procedure helps remove most of the eye and tracheal tissues normally associated with the brain that can interfere with the later imaging step, and also places less demand on the quality of the dissecting forceps. Additionally, we describe a simple method that allows convenient flipping of the mounted brain samples on a coverslip, which is important for imaging both sides of the brains with similar signal intensity and quality. As an example of the protocol, we present an analysis of dopaminergic (DA) neurons in adult brains of WT (w1118) flies. The high efficacy of the dissection method makes it particularly useful for large-scale adult brain-based studies in Drosophila.

A Simple One-step Dissection Protocol for Whole-mount Preparation of Adult Drosophila Brains

The adult Drosophila brain is a valuable system for studying neuronal circuitry, higher brain functions, and complex disorders. An efficient method to dissect whole brain tissue from the small fly head will facilitate brain-based studies. Here we describe a simple, one-step dissection protocol of adult brains with well-preserved morphology.

Basit Bir adım Yetişkin Tüm montaj Hazırlama Diseksiyon Protokolü<em&gt; Drosophila</em&gt; Brain

There is an increasing interest in using Drosophila to model human brain degenerative diseases, map neuronal circuitries in adult brains, and study the ...

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.

Ek Motor Alanında Fiber Bağlantıları Gözden Geçirildi: Fiber Disseksiyonu Metodolojisi, DTI ve Üç Boyutlu Dokümantasyon

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.

Vivo Tek molekül Drosophila Presynaptic Motor sinir Terminal izleme

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.

Siyatik Sinir Ezilme Hasarının Sıçan Modelinde Fonksiyonel Değerlendirme için 3D Kinematik Analiz

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.

İnmeden Sonraki Bir Hafta İçinde Kortikospinal Yol'un Fonksiyonel Durumunun Belirlenmesi

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.

Üç Boyutlu Motor Sinir Organoid Üretimi

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.

İn Vivo Yetenekli Motor Davranışın Kablosuz Optogenetik Kontrolü

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