モーター知能一次元チューリングライクハンドシェイクテスト

この手順の全体的な目的は、握手のコンピュータモデルが、人間の握手とどの程度一致しているかを判断することです。これは、まず被験者に、人間によるもの、コンピュータで生成されたもの、またはテレロボットインターフェースを用いた両者の組み合わせによる、一対の握手を提示することで行われます。次に、各被験者に対し、それぞれのペアのうち、どちらの握手がより人間らしいかを選択してもらいます。

本手順の最終ステップは、被験者の回答から、ハンドシェイクモデルにおける人間への類似度グレード、すなわちモデル人間類似度グレード（MHLG）を算出することです。最終的に、チューリング様ハンドシェイクテストを用いたMHLGにより、異なるモデル間の有意な差を示す結果を得ることができます。チューリングテストは実際には言語的知能に限定されていますが、科学者やエンジニアは、運動動作の運動制御という側面において、人工知能と自然知能の間に大きな隔たりがあることを観察してきました。

多くの科学者がチューリングテストの運動学的バージョンについて検討してきましたが、研究室で操作可能なロボットデバイスが普及し、チューリングテストのような握手テストのための単純で再現可能なプロトコルの実施が可能になったのは、ごく最近のことです。この手法は、自然な人間の触感体験をもたらす人間の上肢運動の主要な特徴は何かなど、人間とロボットの相互作用（HRI）分野における重要な疑問への回答に寄与します。また、この技術がもたらす影響は、脳性麻痺などの運動機能障害の診断にまで及びます。

次のステップは、健康な人の握手と障害のある人の握手を区別できるロボット診断デバイスを構築することです。テレロボットシステムを介した握手の動作は自然ではなく、ロボットの操作方法や相互作用を習得するには時間と練習が必要であるため、この手法を視覚的に実証することが不可欠です。古典的なチューリングテストの元の概念に従い、握手実験は人間、コンピュータ、質問者の3つの要素で構成されます。

尋問者と被験者は同じ部屋に座っていますが、スクリーンで隔てられているため、尋問者はコンピューターと人間のどちらがハンドシェイク（握手）を生成しているかを確認することはできません。ハンドシェイクは直接的な握手ではなく、機械的なテレロボティクス・インターフェースを介して行われます。このインターフェースは、人間によるハンドシェイクの場合は2台のファントム・デスクトップロボットで構成され、コンピューターによるハンドシェイクの場合は1台のファントムロボットとソフトウェアで構成されています。コンピューターによるハンドシェイクの場合、コンピューター画面に「handshake」という単語が表示されると、尋問者と被験者はテレロボティクス・インターフェースのスタイラスを垂直方向に動かし、直ちに握手の動作を行います。

インタリゲーター（判定者）の役割は、2つのハンドシェイクを比較し、どちらがより人間らしいかを選択することです。1つ目のハンドシェイクを選択する場合はHomeキーまたはF1キーを、2つ目のハンドシェイクを選択する場合はEndキーまたはF2キーを押します。このビデオで実演する3つの実験プロトコルは、比較されるハンドシェイクの構成によって異なります。最初のプロトコルは純粋なチューリングテストプロトコルであり、人間によるハンドシェイクとコンピュータによって生成されたハンドシェイクのどちらかを選択します。

2番目のプロトコルには、人間が生成した力とコンピュータが生成した力をさまざまな割合で組み合わせたハンドシェイクが含まれています。3番目のプロトコルには、人間が生成したハンドシェイクとノイズをさまざまな組み合わせで混合したもの、または純粋にコンピュータによって生成された力が含まれています。実験中、「ランダムファイルの名前を入力してください」というプロンプトが表示されると、ランダムファイルが自動的に作成されます。

ファイルが既に存在する場合、システムは既存のファイルを使用します。存在しない場合は、指定された名前で新しいランダムファイルが自動的に生成されます。このランダムファイルによって、さまざまなハンドシェイクが行われる順序が定義されます。

純粋プロトコルは、人間と質問者がテレロボットシステムを介して24回握手を交わす、2回ずつの握手による12回の練習試行から始まります。質問者は、この段階で人間と握手していることを認識しています。これらの練習試行の目的は、参加者にテレロボットインターフェースを慣れさせることです。

練習ラウンドの後、各試行で4回の試行からなる1ブロックを実施します。この例に示すように、人間の握手と4つのコンピューターモデルによる握手のうち1つを、ランダムな順序で比較します。例えば、ブロック1の試行1では、質問者が2回握手をします。

1回目の握手は人間によって行われ、2回目の握手はモデル3で規定された力を用いてコンピュータによって行われます。その後、調査者は握手1と握手2のうち、どちらがより人間らしいかを判断して選択します。例えば、調査者が握手1をより人間らしいとして選択した場合、調査者は人間の握手を選んだことになります。

しかし、質問者は次の試行で人間による握手を正しく識別できたかどうかについて通知されません。質問者の1回目の握手はコンピューター生成モデル2と行われ、2回目の握手は人間と行われます。質問者は再び、最も人間らしい握手を選択します。

同様の手順でさらに2回の試行を行います。残りの2つのモデル、モデル1とモデル4を人間の握手と比較してテストします。これで1ブロックの試行が完了します。

本実験は、4つのモデルハンドシェイクを各ブロック内でランダムな順序で提示する、1ブロック4試行の計11ブロックで構成されています。最初のブロックは練習ブロックであり、解析は残りの10ブロックを用いて行われます。実験の10ブロックを完了することで、4つのハンドシェイクモデルそれぞれについて、人間のハンドシェイクとの比較試験が10回ずつ実施されることになります。

11個の実験ブロックを完了した後、テストした4つのモデルそれぞれについて、モデルの人間らしさグレードを算出します。分析は、被験者がモデルによる握手の方が人間の握手よりも人間らしいと判断した握手の割合を計算することで行います。例えば、10回の握手中2回、質問者が人間の握手よりもモデルによる握手を選択した場合、モデル対人間の割合は0.2となります。この割合を2倍することで、モデルの人間らしさグレードを求めます。

割合が0.2となる各モデルにおいて、モデル1の人間らしさグレードは0.4となります。もし10回の試行のうち4回でモデル3がより人間らしいと選択された場合、その割合は0.4となり、モデルの人間らしさグレードは0.8となります。モデルが人間と区別できない場合、算出される割合は0.5となり、モデルの人間らしさグレードは1となります。

モデルが明らかに非人間である場合（モデルのように）、人間らしさグレードは0になります。MHLGの上限は1です。このプロトコルでは、生成されたハンドシェイクを人間以外のパーツモデルから切り離し、純粋にコンピュータで生成されたハンドシェイクから純粋な人間のハンドシェイクまで、試行ごとに特定の組み合わせをスケール上で変化させます。

したがって、この一連の実験は「重み付き人間モデルテスト」と呼ばれます。プロトコルは、まず練習ブロックから始まり、これにより調査者が純粋な人間の握手の認識方法を学び、装置に慣れることができます。そのため、練習ブロックでは30回の試行を行い、純粋な人間の握手とコンピューターによって生成された握手の比較を行います。

各試行の最後に、質問者は2つの握手のうち、どちらがより人間らしいかを選択します。質問者が人間の握手を正しく特定した場合、画面に「正解（correct）」と表示されます。正解の握手を選択しなかった場合は「不正解（wrong）」というメッセージが表示され、質問者は直前の練習試行を繰り返すことができます。

練習ブロックの後、質問者は2つのハンドシェイクを評価するための一連の試行を開始します。2つのハンドシェイクとは、刺激ハンドシェイクと参照ハンドシェイクであり、それぞれ人間とモデルの力の組み合わせです。参照ハンドシェイクにおいて、質問者が感じるハンドシェイクは、人間によって生成された力とコンピュータで生成されたモデルによる力が均等に混合されたものです。

言い換えれば、人間の被験者が握手の動作を行う際、その握手が考案者に感知される力の50%を構成し、残りの50%は刺激握手におけるモデルからの力となるため、考案者が感じる握手は、人間によって生成された力とコンピュータで生成されたモデルによる力の変動的な混合物となります。刺激握手の中には、人間による寄与分が半分以上となり、参照握手よりも大きくなるものがあります。また、別の刺激握手では、人間による寄与分が半分未満となり、参照握手よりも小さくなります。

各試行の最後に、回答者はより人間らしく感じたハンドシェイクを選択します。この実験では、2つのテストモデルと1つのベースモデルの計3つのモデルを比較します。純粋なプロトコルと同様に、このプロトコルは1つの未分析ブロックから始まり、続いて10の実験ブロックが行われます。

各実験ブロックは、3つのモデルの組み合わせそれぞれについて、モデルと人間の8つの線形結合で構成される24回の試行で構成されます。10の実験ブロックを完了した後、質問者の回答に対してロジスティック心理物理関数を当てはめます。付随する論文で述べられているように、得られた曲線は質問者の確率を示します。

それに対する答えとして、刺激となるハンドシェイクは参照用ハンドシェイクよりも人間らしいと言えます。α刺激からα参照を引いた関数の場合、主観的等価点（PSE）はサイコメトリック曲線の0.5閾値レベルから抽出されます。これは、モデルのハンドシェイクが同等に人間らしいと感じられるα刺激とα参照の差を示しています。重み付け人間モデルプロトコルの人間らしさグレードは、0.5からPSEを差し引くことで算出されます。最も人間らしくないと感じられるモデルと、最大限人間らしいと感じられるモデルでは、人間らしさグレードの値はそれぞれ0または1になります。最終的なプロトコルでは、モデルのハンドシェイクを、人間とランダムノイズを混合したハンドシェイクと比較します。

本プロトコルにおいて、刺激ハンドシェイクはモデルに基づくコンピュータ生成のハンドシェイクである。もう一方のハンドシェイクである参照ハンドシェイクは、人間のハンドシェイクとホワイトノイズの様々な組み合わせから生成された力であり、最大絶対値 2 N の力を5次のローパス・バターワースフィルタを用いて最大周波数 2/π でフィルタリングしたものである。各試行の最後に、被験者はより人間らしく感じたハンドシェイクを選択することが求められる。

本プロトコルは、以前に実施した加重人間モデル試験と同様の設計となっています。練習ラウンドと分析対象外のブロックを行った後、一連の10個の実験ブロックを次のように実施します。前回と同様に、サイコメトリック曲線からPSEを抽出し、これをノイズ付加プロトコルのモデル人間らしさグレードとして定義します。

この図は、純粋なプロトコルの結果を示し、人間の握手と2つの異なるモデルによる握手を比較したものです。2つの点は、KB 1およびKB 2と名付けられた2つの粘弾性モデルについて算出された、モデルの人間らしさグレード（human likeness grade）の値を示しています。結果から、モデルKB 2はモデルKB 1よりも人間に近いと認識されることがわかります。

この図は、人間モデルのハンドシェイク比率を変化させた場合と、50:50の固定比率とした場合を比較した、重み付きモデル人間プロトコルの結果を示しています。黒いマーカーはテストモデルの人間らしさの評価グレードを、灰色のマーカーはベースモデルの評価グレードを表しています。エラーバーは、サイコメトリック曲線における信頼区間を示しています。

この図は、モデルのハンドシェイクと、人間とノイズの構成比率を変化させたハンドシェイクを比較した、ノイズ付加プロトコルの結果を示しています。黒色のマーカーはモデルの人間らしさのグレードを表し、灰色のマーカーはノイズのグレードを表しています。エラーバーは、心理物理関数（サイコメトリックカーブ）の信頼区間を示しています。

これら3つの評価方法を用いた結果、粘弾性モデルKB twoは粘弾性モデルKB oneよりも人間に近いと感じられることが示されました。この手順を実施する際は、ロボットデバイスと適切に相互作用し、その動作をできる限りスムーズに行うよう留意することが重要です。この手順に続き、広汎性発達障害における人間の握手の認識テストなどの他の手法を用いることで、「広汎性発達障害は、人間と非人間のジェスチャーを区別する能力にどのように影響するか」といった追加的な疑問に答えることが可能です。本技術の開発により、今後は握手を認識ツールとして活用する道が開かれると考えられます。

私たちは、握手の目的は相手について何かを学習することであると仮説を立てています。したがって、人間のような握手を開発するために私たちが提案する手法は、握手から相手の情報を抽出できる握手分類システムの開発にも役立ちます。このビデオを視聴することで、一次元ツアーのような握手テストの実施方法と、第1回国際ツアー風握手テストトーナメントに提出された握手モデルをどのように評価するかについて、十分な理解を得ることができます。