Visuomotor Adaptation Does Not Recalibrate Kinesthetic Sense of Felt Hand Path
Notice bibliographique
Résumé
Motor control relies on multiple sources of information. To estimate the position and motion of the hand, the brain uses both vision and body-position (proprioception and kinesthesia) senses from sensors in the muscles, tendons, joints, and skin. Although performance is better when more than one sensory modality is present, visuomotor adaptation suggests that people tend to rely much more on visual information of the hand to guide their arm movements to targets, even when the visual information and kinesthetic information about the hand motion are in conflict. The aim of this study is to test whether adapting hand movements in response to false visual feedback of the hand will result in the change or recalibration of the kinesthetic sense of hand motion. The advantage of this cross-sensory recalibration would ensure on-line consistency between the senses. To test this, we mapped participants' sensitivity to tilted and curved hand paths and then examined whether adapting their hand movements in response to false visual feedback affected their felt sense of hand path. We found that participants could accurately estimate hand path directions and curvature after adapting to false visual feedback of their hand when reaching to targets. Our results suggest that although vision can override kinesthesia to recalibrate arm motor commands, it does not recalibrate the kinesthetic sense of hand path geometry.
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 ».