MétaCan
Menu
Retour à la cohorte
Enregistrement W2013399589 · doi:10.1167/11.1.4

The role of vision in detecting and correcting fingertip force errors during object lifting

2011· article· en· W2013399589 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Vision · 2011
Typearticle
Langueen
DomaineNeuroscience
ThématiqueTactile and Sensory Interactions
Établissements canadiensWestern University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésComputer visionLift (data mining)Computer scienceHaptic technologyArtificial intelligenceIllusionTask (project management)Set (abstract data type)Object (grammar)Cognitive psychologyPsychologyEngineeringMachine learning

Résumé

récupéré en direct d'OpenAlex

Vision provides many reliable cues about the likely weight of an object, allowing individuals to predict how heavy it will be. The forces used to lift an object for the first time reflect these predictions. This, however, leads to inevitable errors during lifts of objects that weigh unexpected amounts. Fortunately, these errors are rarely made twice in a row-lifters have the impressive ability to detect and correct large or small misapplications of fingertip forces, even while experiencing weight illusions. Although it has been assumed that we detect and correct these errors exclusively with our sense of touch, recent evidence has demonstrated a role for vision in this fingertip force scaling. Here, we demonstrate that even when stimulus set size, delay, and modality are controlled for, individuals are unable to skillfully scale their grip and load force rates over repeated lifts without vision. However, eliminating only the task-relevant visual information, while maintaining the rest of the visual world, shifts participants back into the normal, skilled mode of control. These findings clarify the role of visual information in the ostensibly haptic task of lifting objects, suggesting individuals use priors under conditions where uncertainty is high.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,247

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,293
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle