Rapid Adaptation to Scaled Changes of the Mechanical Environment
Notice bibliographique
Résumé
We investigated adaptation to simple force field scaling to determine whether the same strategy is used as during adaptation to more complex changes in the mechanical environment. Subjects initially trained in a force field, consisting of a rightward lateral force with a parabolic spatial profile (PF). The field strength was then unexpectedly increased or decreased (DeltaPF) for repeated sets of five consecutive trials, with intervening PF trials. Stiff elastic walls, which prevented lateral movement of the arm, randomly replaced 25% of DeltaPF trials. Lateral deviation on DeltaPF trials and lateral force against the elastic walls were used to assess the extent to which feedforward adaptations could be attributed to changes in lateral force or increased stiffness of the arm. When force field strength was increased or decreased hand paths were perturbed to the right or left, respectively. Performance error was significantly reduced between the first and second DeltaPF trial positions of the set, whereas the lateral force impulse exerted against the elastic walls did not change until the third trial position. The lateral force was scaled upward or downward in response to the change in force field strength, suggesting a gradual change in the internal model. The results support a dual strategy of cocontraction (increased stiffness) and internal model modification. The development of an accurate internal model is a slower process than cocontraction and error reduction. This may explain the need to represent motor learning as two parallel processes with varying timescales, as recently proposed by Smith and colleagues.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».