Separate Contributions of Kinematic and Kinetic Errors to Trajectory and Grip Force Adaptation When Transporting Novel Hand-Held Loads
Notice bibliographique
Résumé
Numerous studies of motor learning have examined the adaptation of hand trajectories and grip forces when moving grasped objects with novel dynamics. Such objects initially result in both kinematic and kinetic errors; i.e., mismatches between predicted and actual trajectories and between predicted and actual load forces. Here we investigated the contribution of these errors to both trajectory and grip force adaptation. Participants grasped an object with novel dynamics using a precision grip and moved it between two targets. Kinematic errors could be effectively removed using a force channel to constrain hand motion to a straight line. When moving in the channel, participants learned to modulate grip force in synchrony with load force and this learning generalized when movement speed in the channel was doubled. When the channel was removed, these participants continued to effectively modulate grip force but exhibited substantial kinematic errors, equivalent to those seen in participants who did not previously experience the object in the channel. We also found that the rate of grip force adaptation did not depend on whether the object was initially moved with or without a channel. These results indicate that kinematic errors are necessary for trajectory but not grip force adaptation, and that kinetic errors are sufficient for grip force but not trajectory adaptation. Thus, participants can learn a component of the object's dynamics, used to control grip force, based solely on kinetic errors. However, this knowledge is apparently not accessible or usable for controlling the movement trajectory when the channel is removed.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».