The brain weights body‐based cues higher than vision when estimating walked distances
Notice bibliographique
Résumé
Optic flow is the stream of retinal information generated when an observer's body, head or eyes move relative to their environment, and it plays a defining role in many influential theories of active perception. Traditionally, studies of optic flow have used artificially generated flow in the absence of the body-based cues typically coincident with self-motion (e.g. proprioceptive, efference copy, and vestibular). While optic flow alone can be used to judge the direction, speed and magnitude of self-motion, little is known about the precise extent to which it is used during natural locomotor behaviours such as walking. In this study, walked distances were estimated in an open outdoor environment. This study employed two novel complementary techniques to dissociate the contributions of optic flow from body-based cues when estimating distance travelled in a flat, open, outdoor environment void of distinct proximal visual landmarks. First, lenses were used to magnify or minify the visual environment. Second, two walked distances were presented in succession and were either the same or different in magnitude; vision was either present or absent in each. A computational model was developed based on the results of both experiments. Highly convergent cue-weighting values were observed, indicating that the brain consistently weighted body-based cues about twice as high as optic flow, the combination of the two cues being additive. The current experiments represent some of the first to isolate and quantify the contributions of optic flow during natural human locomotor behaviour.
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 | 0,002 | 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».