Generalization of Dynamics Learning Across Changes in Movement Amplitude
Notice bibliographique
Résumé
Studies on generalization show the nature of how learning is encoded in the brain. Previous studies have shown rather limited generalization of dynamics learning across changes in movement direction, a finding that is consistent with the idea that learning is primarily local. In contrast, studies show a broader pattern of generalization across changes in movement amplitude, suggesting a more general form of learning. To understand this difference, we performed an experiment in which subjects held a robotic manipulandum and made movements to targets along the body midline. Subjects were trained in a velocity-dependent force field while moving to a 15 cm target. After training, subjects were tested for generalization using movements to a 30 cm target. We used force channels in conjunction with movements to the 30 cm target to assess the extent of generalization. Force channels restricted lateral movements and allowed us to measure force production during generalization. We compared actual lateral forces to the forces expected if dynamics learning generalized fully. We found that, during the test for generalization, subjects produced reliably less force than expected. Force production was appropriate for the portion of the transfer movement in which velocities corresponded to those experienced with the 15 cm target. Subjects failed to produce the expected forces when velocities exceeded those experienced in the training task. This suggests that dynamics learning generalizes little beyond the range of one's experience. Consistent with this result, subjects who trained on the 30 cm target showed full generalization to the 15 cm target. We performed two additional experiments that show that interleaved trials to the 30 cm target during training on the 15 cm target can resolve the difference between the current results and those reported previously.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».