Tactile Cueing in Detecting and Controlling Pitch and Roll Motion
Notice bibliographique
Résumé
BACKGROUND: Tactile cueing has been explored primarily for the detection of linear motion such as vertical, longitudinal, and lateral translation in the laboratory and in flight. The usefulness of tactile cues in detecting roll and pitch motion has not been fully investigated. METHODS: There were 12 subjects (21-56 yr) who were exposed to controlled pitch and roll motion generated by a motion platform with and without tactile cueing. The tactile system consists of a torso vest with 24 electromechanical tactors and a tactor on each shoulder and under each thigh harness, respectively. While devoid of visual and auditory cues, each subject performed three tasks: 1) indicate motion perception without tactile cues (C1); 2) return to vertical from an offset angle (C2); and 3) maintain straight and level while the platform was continuously in motion (C3). RESULTS: Our results indicated that in the absence of visual and auditory cues, subjects reported that the tactile system was useful in the execution of C2 and C3 maneuvers. Specifically, the presence of tactile cues had a significant impact on the accuracy, duration, and perceived workload. In addition, tactile cueing also increased the accuracy in returning to neutral from an offset position and in maintaining the neutral position while the platform was in continuous motion. CONCLUSIONS: Tactile cueing appears to be effective in detecting roll and pitch motion and has the potential to reduce the workload and risks of high stress and time sensitive air operations.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».