एक आयामी ट्यूरिंग तरह मोटर खुफिया के लिए हाथ मिलाना टेस्ट

Summary

हम एक ट्यूरिंग की तरह हाथ मिलाना एक telerobotic प्रणाली में जो प्रश्नकर्ता एक रोबोट लेखनी पकड़े हुए है और किसी अन्य पार्टी (मानव या कृत्रिम) के साथ बातचीत के माध्यम से प्रशासित परीक्षण प्रस्तुत करते हैं. हम एक मजबूर पसंद विधि का उपयोग करें, और कृत्रिम मॉडल की एक मानव हाथ मिलाना करने के लिए समानता के लिए एक उपाय निकालने.

Abstract

ट्यूरिंग परीक्षण में, एक कंप्यूटर मॉडल "होशियारी से लगता है कि" अगर यह जवाब है कि एक मानव के उन लोगों से अलग पहचाना नहीं कर रहे हैं उत्पन्न कर सकते हैं समझा जाता है. हालांकि, इस परीक्षण मशीन खुफिया के भाषाई पहलुओं तक सीमित है. मस्तिष्क के एक मुख्य समारोह आंदोलन का नियंत्रण है, और मानव हाथ के आंदोलन इस समारोह के एक परिष्कृत प्रदर्शन है. इसलिए, हम मशीन मोटर खुफिया के लिए एक ट्यूरिंग की तरह हाथ मिलाना परीक्षण, प्रस्ताव. हम telerobotic प्रणाली में जो प्रश्नकर्ता एक रोबोट लेखनी पकड़े और एक अन्य पार्टी (मानव या कृत्रिम) के साथ बातचीत के कार्य में लगी हुई है के माध्यम से परीक्षण प्रशासन. प्रश्नकर्ता है कि अन्य पार्टी एक व्यक्ति या एक कंप्यूटर प्रोग्राम है पूछ के बजाय, हम एक दो वैकल्पिक मजबूर पसंद विधि रोजगार और पूछने के दो प्रणालियों के जो मानव की तरह अधिक है. हम मानव हाथ मिलाना प्रस्ताव को अपनी समानता के अनुसार प्रत्येक मॉडल के लिए एक मात्रात्मक ग्रेड निकालने और यह "मॉडल मानव समानता ग्रेड" (MHLG) का नाम है. हम तीन तरीकों MHLG अनुमान प्रस्तुत करते हैं. (झ) 'विषयों के जवाब के अनुपात है कि मॉडल मानव की तुलना में मानव की तरह है की गणना करके, मानव और मॉडल handshakes के दो भारित रकम (सार्वजनिक उपक्रम हम एक psychometric वक्र फिट और व्यक्तिपरक समानता की बात निकालने की तुलना करके (ii) ), मानव और यादृच्छिक संकेत के एक भारित राशि के साथ किसी दिए गए मॉडल की तुलना करके (iii), हम प्रश्नकर्ता के जवाब के लिए एक psychometric वक्र फिट और भारित राशि में मानव के वजन के लिए सार्वजनिक उपक्रम निकालने. कुल मिलाकर, हम एक मानव हाथ मिलाने के कम्प्यूटेशनल मॉडल का परीक्षण प्रोटोकॉल प्रदान करते हैं. हम मानते हैं कि एक मॉडल का निर्माण किसी भी घटना को समझने में एक आवश्यक कदम है और इस मामले में मानव हाथ मिलाना की पीढ़ी के लिए जिम्मेदार तंत्रिका तंत्र को समझने में है.

Protocol

1. सिस्टम तैयारी हार्डवेयर आवश्यकताएँ: SensAble टेक्नोलॉजीज, Inc द्वारा दो प्रेत डेस्कटॉप रोबोट 2 समानांतर कार्ड. न्यूनतम सिस्टम आवश्यकताएँ: इंटेल या AMD-आधारित पीसी, Windows 2000/XP, डिस्क स्थान के 250 MB. सॉफ्टवेयर आवश्यकताओं: चालक – SensAble प्रौद्योगिकियों वेबसाइट से डाउनलोड ड्राइवरों http://www.sensable.com कंप्यूटर के ऑपरेटिंग सिस्टम के अनुसार. H3DAPI – H3DAPI स्रोत कोड डाउनलोड करें और में अधिष्ठापन walkthrough अनुभाग में प्रदर्शित निर्देशों के अनुसार स्थापित http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation हम कोड को अपडेट करने के लिए हमारी आवश्यकताओं कि मौजूदा कोड में नहीं मिले थे फिट. अद्यतन फ़ाइलों को हाथ मिलाना टूर्नामेंट वेबसाइट से डाउनलोड किया जा सकता http://www.bgu.ac.il/ ~ akarniel / / / index.html हाथ मिलाना प्रत्येक फ़ाइल को उचित फ़ोल्डर में रखा जाना चाहिए के रूप में उपरोक्त वेबसाइट में वर्णित है. परिवर्तन प्रदर्शन करने के बाद, cmake डाउनलोड और कोड संकलन. संकलन निर्देशों में पाया जा सकता http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation X3D और अजगर डाउनलोड से 2.5 अजगर http://www.python.org/download/releases/2.5.5/ हाथ मिलाना वेबसाइट से डाउनलोड अजगर और x3d कोड और जगह एक समर्पित निर्देशिका में कोड उदाहरण के लिए, फ़ाइलें: "C: \ codeDirectory" प्रत्येक हाथ मिलाना बल मॉडल एक अलग अजगर फ़ाइल में लिखा होना चाहिए. एक वसंत बल मॉडल का एक उदाहरण के लिए चित्रा 1 देखें. Matlab psignifit Toolbox के लिए संस्करण 2.5.6, पर उपलब्ध http://www.bootstrap-software.org/psignifit/ चित्रा 1 अजगर में सेना समारोह. एक हाथ मिलाना के लिए वसंत बल मॉडल का एक उदाहरण 2. प्रायोगिक प्रोटोकॉल कमांड विंडो खोलें और टाइपिंग द्वारा अजगर और x3d कोड निर्देशिका को बदलने: सीडी सी: \ codeDirectory. सी में विषयों 'के नाम के साथ एक फ़ोल्डर बनाएँ: \ codesDirectory . H3dload code_name.x3d: आदेश में प्रयोग प्रकार चलाने के लिए. टाइपिंग द्वारा एक नई यादृच्छिक फ़ाइल बनाएँ: random_file_name.txt. यादृच्छिक क्रम में अलग – अलग handshakes दिखाई देते हैं फ़ाइल को परिभाषित करता है. पहले बनाए गए फ़ोल्डर में बिल्कुल के रूप में विषयों 'के नाम दर्ज है. एक मानव, एक कंप्यूटर, और एक प्रश्नकर्ता: शास्त्रीय ट्यूरिंग परीक्षण की मूल अवधारणा के बाद, प्रत्येक प्रयोग 3 संस्थाओं के होते हैं. दो विषयों (मानव और प्रश्नकर्ता) प्रत्येक एक प्रेत haptic डिवाइस की लेखनी को पकड़ और हाथ मिलाना आंदोलनों उत्पन्न. वे निर्देशों का पालन करें कि स्क्रीन पर दिखाई करने के लिए कहा जाता है (जैसे, "पहले हाथ मिलाने के लिए प्रेस") के लिए हाथ मिलाना बलों को लागू किया जा करने के लिए. निम्न विधियों में से सभी में, प्रत्येक परीक्षण 2 handshakes होते हैं, और विषयों के लिए उन दोनों के बीच तुलना करने के लिए आवश्यक हैं. कंप्यूटर एक नकली हाथ मिलाना मॉडल है जो समय के एक समारोह और एक आयामी हाथ की स्थिति और उसके डेरिवेटिव के रूप में बल संकेत उत्पन्न है. (1) F (टी) मॉडल = Φ [(टी) x, टी] ≤ 0 टी ≤ टी एफ [एक्स, टी] किसी भी कारण ऑपरेटर, उदाहरण के लिए, गैर रेखीय समय – अलग एक आयामी लेखनी आंदोलन के यांत्रिक मॉडल, और टी हाथ मिलाना की अवधि है के लिए खड़ा है. वर्तमान अध्ययन में टी = 5 सेकंड . "शुद्ध" परीक्षण का आयोजन और मॉडल मानव समानता पी MHLG ग्रेड की गणना प्रयोग 12 अभ्यास परीक्षण है जो सभी (n = 24) handshakes मानव, जैसे कि बस विषयों telerobotic प्रणाली के माध्यम से एक दूसरे के साथ हाथ मिलाते हैं के साथ शुरू होता है. इन अभ्यास परीक्षण के उद्देश्य के लिए प्रतिभागियों प्रणाली में एक मानव हाथ मिलाना के साथ परिचित करने के लिए सक्षम है. प्रयोग में, हम चार कंप्यूटर मॉडल की तुलना. प्रत्येक प्रयोगात्मक ब्लॉक 4 परीक्षणों में जो हम एक मानव हाथ मिलाना करने के लिए 4 परीक्षण मॉडल की तुलना के होते हैं. प्रत्येक परीक्षण में handshakes की एक चार मॉडल (एक कंप्यूटर) से उत्पन्न शक्ति के साथ एक बातचीत है, और अन्य एक मानव (दूसरा विषय) के साथ है. इसलिए, विषयों दोनों मनुष्यों और पूछताछ करने वालों के रूप में कार्य करते हैं. प्रत्येक ब्लॉक के भीतर परीक्षणों के क्रम यादृच्छिक और पूर्व निर्धारित है. प्रत्येक प्रयोग 10 ब्लॉक, ऐसी है कि प्रत्येक कंप्यूटर हाथ मिलाना 10 बार दोहराया है होते हैं. एक प्रारंभिक unanalyzed bloसी.के. प्रणाली और कार्य के साथ सामान्य परिचित के लिए जोड़ा है. प्रत्येक मॉडल के लिए, handshakes जिसके विषय में अधिक मानव की तरह के रूप में मानव हाथ मिलाना पर हाथ मिलाना मॉडल चुनता के अनुपात की गणना के लिए एक मूल्य है जो 0.5 है जब मॉडल एक मानव से अप्रभेद्य है प्रदान. हम दो से इस मूल्य को गुणा करने में MHLG पी, जैसे कि MHLG = 0 स्पष्ट है जैसे गैर मानव और MHLG = 1 मतलब है कि परीक्षण हाथ मिलाना मानव हाथ मिलाने से अप्रभेद्य है . प्राप्त "भारित मानव मॉडल" परीक्षण का आयोजन और मॉडल मानव समानता ग्रेड MHLG w गणना इस प्रोटोकॉल में, वहाँ केवल एक प्रश्नकर्ता का विषय है. अन्य विषय handshakes में मानव इकाई के रूप में कार्य करता है. प्रयोग 30 अभ्यास परीक्षण में जो प्रश्नकर्ता एक मानव और प्रत्येक परीक्षण में एक कंप्यूटर हाथ मिलाना हाथ मिलाना अनुभव के साथ शुरू होता है. परीक्षण के अंत में वे करने के लिए चुनते 2 handshakes की जो मानव हाथ मिलाना था कहा जाता है. अगर वे सफल हो, स्क्रीन दिखाता है! "सही", और अगर वे सही हाथ मिलाना, एक का चयन नहीं किया "गलत!" संदेश प्रकट होता है. अभ्यास ब्लॉक के बाद प्रयोग इस प्रकार के रूप में आयोजित किया जाता है: एक परीक्षण दो handshakes होते. एक में handshakes प्रोत्साहन – प्रश्नकर्ता बलों का एक संयोजन है कि मानव और एक कंप्यूटर हैंडशेक मॉडल से आता है के साथ सूचना का आदान प्रदान. (2) एफ = α उत्तेजना • एफ मानव + (1-α उत्तेजना) • एफ stimulusModel α प्रोत्साहन समान रूप से 0 से 1, जैसे वितरित किया जाता है: α उत्तेजना = {0, 0.142, 0.284, 0.426, 0.568, 0.710, 0.852, 1} अन्य हाथ मिलाना – संदर्भ – मानव और एक संदर्भ मॉडल से उत्पन्न बलों की एक निश्चित संयोजन है: (3) एफ = α संदर्भ • एफ मानव + (1-α संदर्भ) • referenceModel एफ, α संदर्भ = 0.5 प्रत्येक परीक्षण के अंत में प्रश्नकर्ता हाथ मिलाना है कि और अधिक मानव की तरह महसूस किया चुनने का अनुरोध किया है. प्रत्येक प्रयोग में हम दो परीक्षण मॉडल और एक बेस मॉडल की तुलना. प्रत्येक प्रयोगात्मक ब्लॉक 24 परीक्षणों की उत्तेजना और प्रत्येक के लिए 3 मॉडल के संयोजन के मानव (2 eq.) रैखिक संयोजनों की प्रत्येक शामिल होते हैं: प्रत्येक ब्लॉक के भीतर परीक्षणों के क्रम यादृच्छिक और पूर्व निर्धारित है. प्रत्येक प्रयोग 10 ब्लॉक, ऐसी है कि प्रत्येक संयोजन 10 बार दोहराया है होते हैं. एक प्रारंभिक unanalyzed ब्लॉक प्रणाली और कार्य के साथ सामान्य परिचित के लिए जोड़ा है. हम एक रसद प्रश्नकर्ता के जवाब Matlab, पर उपलब्ध के लिए psignifit Toolbox के 2.5.6 संस्करण का उपयोग करने के लिए psychometric एक समारोह फिट http://www.bootstrap-software.org/psignifit/ के आकलन के लिए विवश अधिकतम संभावना विधि के साथ, पैरामीटर, और पूर्वाग्रह को सही और त्वरित बूटस्ट्रैप (बीसीए) विधि द्वारा विश्वास अंतराल मिल. α संदर्भ – वक्र प्रश्नकर्ता की संभावना करने के लिए जवाब है कि एक प्रोत्साहन हाथ मिलाना और अधिक मानव की तरह α उत्तेजना के एक समारोह के रूप में, प्रदर्शित करता है. व्यक्तिपरक समानता (सार्वजनिक उपक्रम) के बिंदु 0.5 psychometric वक्र की दहलीज स्तर से निकाला जाता है, α उत्तेजना और α संदर्भ है जिसके लिए handshakes के समान रूप से की तरह मानव माना जाता है के बीच अंतर का संकेत है. सार्वजनिक उपक्रम MHLG w के अनुसार गणना करने के लिए प्रयोग किया जाता है: (4) MHLG w = 0.5 सार्वजनिक उपक्रम एक मॉडल है जो करने के लिए संदर्भ मॉडल के रूप में मानव की तरह के रूप में माना जाता है पैदावार MHLG w के मूल्य 0.5. मॉडल है कि कम से कम या सबसे मानव की तरह संभव के रूप में माना जाता है, 0 या 1, w मूल्यों क्रमशः MHLG उपज. "जोड़ा शोर" परीक्षण का आयोजन और मॉडल मानव समानता ग्रेड MHLG n की गणना भारित मॉडल मानव परीक्षण करने के लिए इसी प्रकार, वहाँ केवल एक प्रश्नकर्ता का विषय है. अन्य विषय handshakes में मानव इकाई के रूप में कार्य करता है. अभ्यास ब्लॉक भी पिछले विधि में के रूप में ही है. अभ्यास के बाद, 2 handshakes की एक – उत्तेजना – प्रश्नकर्ता एक कंप्यूटर हैंडशेक मॉडल के साथ interacts. अन्य हाथ मिलाना – संदर्भ – एक मानव और एक आवृत्ति रेंज है कि मानव हाथ मिलाना में प्रकट होने वाली आवृत्तियों के अनुसार फ़िल्टर के साथ सफेद शोर का एक संयोजन से उत्पन्न शक्ति है. (5) च = α • एफ मानव + (1-α) • एफ शोर; α समान रूप से 0 से 1 के लिए वितरित किया जाता है, जैसे: α = {0, 0.142, 0.284, 0.426, 0.568, 0.710, 0.852, 1} प्रत्येक परीक्षण के अंत में प्रश्नकर्ता हाथ मिलाना है कि और अधिक मानव की तरह महसूस किया चुनने का अनुरोध किया है. उसी तरह भारित मो प्रयोग में बनाया गया हैउपर्युक्त डेल मानव परीक्षण बनाया गया है. हालांकि, जबकि खुद की एक तय संयोजन के लिए एक बेस मॉडल के विभिन्न संयोजनों की तुलना द्वारा इस प्रयोग में, भारित परीक्षण मानव मॉडल में अंशांकन प्रदर्शन किया है बेस मॉडल शोर से विकल्प है. सार्वजनिक उपक्रम psychometric वक्र से निकाला जाता है और MHLG पता परिभाषित करता है (6) MHLG n = 1 के सार्वजनिक उपक्रम मॉडल है कि कम से कम या सबसे मानव की तरह संभव के रूप में माना जाता है, MHLG n 0 या 1 के मान क्रमशः उपज. 3. प्रतिनिधि परिणाम: चित्रा 2 3 तरीकों में से प्रत्येक के लिए एक विषय के परिणाम को दर्शाता है. सभी तीन प्रयोगों में परीक्षण मॉडल 2 viscoelastic मॉडल KB1 हैं: वसंत कश्मीर = 50 एन / मीटर, स्पंज बी = 2 एन एस / मी; KB2: वसंत कश्मीर = 20 N / मी, स्पंज बी = 1.3 एन एस / m परीक्षण भारित मानव मॉडल में, MHLG w लोचदार बेस मॉडल कश्मीर = 50 N / m परीक्षण मॉडल के प्रत्येक की तुलना द्वारा मूल्यांकन किया है चित्रा 2 "शुद्ध" परीक्षण प्रोटोकॉल (क) के अनुसार MHLG दो viscoelastic मॉडल के मूल्यों, "भारित मॉडल मानव प्रोटोकॉल" (ख) और "जोड़ा शोर" प्रोटोकॉल (ग). त्रुटि सलाखों (ख) और (ग) psychometric 'घटता विश्वास अंतराल का प्रतिनिधित्व करते हैं. काली सलाखों के मॉडल के लिए MHLG ग्रेड का प्रतिनिधित्व करते हैं, और ग्रे सलाखों (ख) और (ग) में शोर में बेस मॉडल के लोगों का प्रतिनिधित्व. परिणाम दर्शाते हैं कि viscoelastic मॉडल KB2 अन्य viscoelastic मॉडल KB1 सभी तीन मूल्यांकन तरीकों का उपयोग कर से अधिक की तरह मानव के रूप में माना जाता है.

Discussion

हम एक मजबूर पसंद ट्यूरिंग की तरह हाथ मिलाना एक सरल telerobotic प्रणाली के माध्यम से प्रशासित परीक्षण के लिए एक नया प्रोटोकॉल प्रस्तुत किया है. इस प्रोटोकॉल कृत्रिम हाथ मिलाना मॉडल पूर्ण मानव समानता का निर्धारण करने के लिए एक मंच के बजाय, की तुलना के लिए एक मंच है. इस प्रोटोकॉल कुछ ^2-5 सम्मेलनों में प्रस्तुत किया गया था

हम यहाँ से पता चला है कि इस परीक्षण गति निष्क्रिय विशेषताओं है कि सबसे अधिक मानव की तरह लग रहा है प्रदान की पैरामीटर को ढूँढने में उपयोगी है. यह आगे के अध्ययन में इस्तेमाल किया जा सकता है क्रम में करने के लिए एक हाथ मिलाना है जो के रूप में संभव के रूप में मानव की तरह हो जाएगा के लिए एक मॉडल विकसित. हम पहली ट्यूरिंग की तरह हाथ मिलाना टूर्नामेंट है जो 2011 की गर्मियों में जगह ले [जाएगा में इस मंच को रोजगार http://www.bgu.ac.il/ ~ akarniel / हाथ मिलाना / index.html]], जहां प्रतिस्पर्धा मॉडल हो जाएगा उनके मानव समानता के लिए वर्गीकृत है. अंतिम मॉडल शायद nonlinearities और मानव प्रतिबाधा ^21, प्रश्नकर्ता और जो और परीक्षण किया जाना चाहिए, इस मजबूर पसंद ट्यूरिंग की तरह हाथ मिलाना परीक्षण का उपयोग कर रैंक एक प्राकृतिक मानव हाथ मिलाना के कई अन्य पहलुओं के साथ आपसी अनुकूलन के समय अलग – अलग प्रकृति पर विचार करना चाहिए.

प्रस्तावित परीक्षण एक आयामी और एक telerobotic अंतरफलक के माध्यम से प्रदर्शन है, और इसलिए सीमित है: यह खाल स्पर्श जानकारी, तापमान, नमी, और लोभी बलों जैसे हाथ मिलाने के कई पहलुओं. फिर भी, कई अध्ययनों में एक telerobotic ^{इंटरफ़ेस} 6-11 handshakes और मानव मानव ^{बातचीत} 12 के अन्य रूपों की खोज के लिए इस्तेमाल किया गया था. इसके अलावा, परीक्षण के इस संस्करण में, हम पहले और शारीरिक संपर्क के बाद हाथ मिलाना, दीक्षा और रिलीज के समय, अपनी बहु आयामी प्रकृति और हाथ trajectories की अवधि पर विचार नहीं किया. वहाँ भी कर रहे हैं ^लिंग और 13-14 व्यक्ति और इसलिए संस्कृति पर निर्भर करता है handshakes के कई प्रकार, एक एक एकल इष्टतम मानव की तरह हाथ मिलाना मॉडल उत्पन्न नहीं की उम्मीद कर सकते हैं. फिर भी, हम मानना ​​है कि प्रस्तावित परीक्षण की सादगी अध्ययन के इस प्रारंभिक चरण में कम से कम एक फायदा है. एक बार में एक आयामी हाथ मिलाने के प्रमुख विशेषताएं ठीक विशेषता है हम पर स्थानांतरित करने के लिए इन सीमाओं पर विचार और परीक्षण तदनुसार का विस्तार कर सकते हैं.

यह नोट किया जाए कि ट्यूरिंग की तरह एक हाथ मिलाना परीक्षण अन्य पार्टी की पहचान के बारे में पूछा जा रहा है व्यक्ति के बजाय कंप्यूटर के साथ, उलट सकता है चाहिए. इस रूपरेखा में, हम निम्नलिखित रिवर्स हाथ मिलाना परिकल्पना पर विचार करें: एक हाथ मिलाना के उद्देश्य हिल हाथ जांच करने के लिए है, रिवर्स हाथ मिलाना परिकल्पना, इष्टतम हाथ मिलाना एल्गोरिथ्म के अनुसार – भावना है कि यह एक मानव हाथ मिलाना से अप्रभेद्य हो जाएगा – सबसे अच्छा लोगों और मशीनों के बीच भेदभाव की सुविधा. दूसरे शब्दों में, मॉडल है कि एक उचित देखते क्लासिफायरफ़ाइल मानव और मशीन handshakes के बीच भेद कर सकते हैं सबसे अच्छा जैसे हाथ मिलाना निकलेगा.

यदि रिवर्स हाथ मिलाना परिकल्पना वास्तव में सही है यह हमारे परीक्षण के लिए एक नैदानिक ​​आवेदन पैदावार: विभिन्न स्नायविक सेरेब्रल पाल्सी (सीपी) जैसे मोटर संबंधित विकारों से पीड़ित लोगों में मोटर impairments की पहचान है. पिछले अध्ययनों कीनेमेटीक्स पैरामीटर सी.पी. रोगियों और स्वस्थ विषयों के बीच में मतभेद से पता चला है जब तक पहुँचने ^के 15-16 आंदोलनों प्रदर्शन . हमने हाल ही में पता चला है कि आंदोलनों की विशेषताओं वाणिज्यिक पत्र के साथ स्वस्थ व्यक्तियों और व्यक्तियों के बीच अलग है ^{जब एक telerobotic प्रणाली} के माध्यम से 4 हाथ मिलाते हुए. इन निष्कर्षों को मजबूत बनाने के हमारे दावा है कि मोटर impairments के साथ लोगों को जांच और प्रत्येक व्यक्ति के हाथ मिलाना आंदोलन की खोज के द्वारा स्वस्थ लोगों से प्रतिष्ठित किया जा सकता. एक भी ध्यान दें कि इस के साथ साथ चर्चा परीक्षण एक अवधारणात्मक परीक्षण और हाल ही के अध्ययन धारणा ^और 17-20 कार्रवाई के बीच अंतर है चाहिए. भविष्य के अध्ययन के परीक्षण के तीन संस्करणों का पता लगाने के क्रम में सही मानव की तरह हाथ मिलाना की प्रकृति का आकलन करना चाहिए: (1) कथित समानता की psychometric परीक्षण, (2) एक मोटर व्यवहार (motormetric परीक्षण) परीक्षण है कि मोटर का पता लगाने जाएगा जो उसकी / उसके cognitively कथित समानता से अलग हो सकता प्रश्नकर्ता की प्रतिक्रिया, (3) एक परम इष्टतम discriminator जो के लिए मानव और मशीन बल और स्थिति trajectories पर आधारित handshakes के बीच भेद करने का प्रयास.

सामान्य शब्दों में, हम जोर है कि मोटर नियंत्रण प्रणाली को समझने के मस्तिष्क समारोह को समझने के लिए एक आवश्यक शर्त है, और कि इस तरह समझ के एक मानव से अप्रभेद्य एक humanoid रोबोट के निर्माण के द्वारा प्रदर्शन किया जा सकता. वर्तमान अध्ययन एक telerobotic प्रणाली के माध्यम से handshakes पर केंद्रित है. हम जोर है कि प्रस्तावित ट्यूरिंग की तरह हाथ मिलाना परीक्षण का उपयोग कर हम, मानव हाथ आंदोलन नियंत्रण की प्रकृति के बारे में प्रचलित वैज्ञानिक परिकल्पना रैंकिंगमानव मोटर नियंत्रण या कम से कम प्रमुख के लिए एक कृत्रिम उपांग है कि एक मानव हाथ से अप्रभेद्य है बनाने के लिए आवश्यक गुणों की मुख्य गुण निकालने में सक्षम होना चाहिए.

Materials

Material Name	Tipo	Company	Catalogue Number	Comment
Two PHANTOM desktop robots		SensAble Technologies		2 Parallel cards Minimum system requirements: Intel or AMD-based PCs; Windows 2000/XP, 250 MB of disc space
SensAble technologies Drivers		SensAble technologies		http://www.sensable.com
H3DAPI source code		H3DAPI		http://www.h3dapi.org/modules/mediawiki/index.php/H3DAPI_Installation
Python 2.5		Python		http://www.python.org/download/releases/2.5.5/
x3d codes
psignifit toolbox version 2.5.6		Matlab		http://www.bootstrap-software.org/psignifit/