The role of internal forward models and proprioception in hand position estimation
Notice bibliographique
Résumé
Our ability to properly move and react in different situations is largely dependent on our perception of our limbs' position. At least three sources - vision, proprioception, and internal forward models (FMs) - seem to contribute to this perception. To the best of our knowledge, the effect of each source has not been studied individually. Specifically, role of FM has been ignored in some previous studies. We hypothesized that FM has a critical role in subjects' perception which needs to be considered in the relevant studies to obtain more reliable results. Therefore, we designed an experiment with the goal of investigating FM and proprioception role in subjects' perception of their hand's position. Three groups of subjects were recruited in the study. Based on the experiment design, it was supposed that subjects in different groups relied on proprioception, FM, and both of them for estimating their unseen hand's position. Comparing the results of three groups revealed significant difference between their estimation' errors. FM provided minimum estimation error, while proprioception had a bias error in the tested region. Integrating proprioception with FM decreased this error. Integration of two Gaussian functions, fitted to the error distribution of FM and proprioception groups, was simulated and created a mean error value almost similar to the experimental observation. These results suggest that FM role needs to be considered when studying the perceived position of the limbs. This can lead to gain better insights into the mechanisms underlying the perception of our limbs' position which might have potential clinical and rehabilitation applications, e.g., in the postural control of elderly which are at high risk of falls and injury because of deterioration of their perception with age.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».