Visual Cues Signaling Object Grasp Reduce Interference in Motor Learning
Notice bibliographique
Résumé
Recent motor learning studies show that human subjects and nonhuman primates form neural representations of novel mechanical environments and associated forces. Whereas proficient adaptation is seen for a single force field, when faced with multiple novel force environments, movement performance and in particular the ability to switch between different force environments declines. It is difficult to reconcile these findings with the notion that primates can proficiently switch between multiple motor skills. Conceivably, particular kinds of sensory, cognitive, or perceptual contextual cues are required. This study examined the effect of visual feedback on motor learning, in particular, cues that simulated interaction with a virtual object. A robot arm was used to deliver novel patterns of forces (force fields) to the limb during reaching movements. We tested the possibility that subjects transition more easily between novel forces and their sudden absence when they are accompanied by visual cues that relate to object grasp. We used a virtual display system to present subjects with different kinds of visual feedback during reaching, including illusory feedback, indicating grasp of a virtual object during reaching in the force field, and object release in the absence of forces. Throughout the experiment, subjects in fact maintained grasp of the robot. We found that, indeed, the most effective visual cues were those associating the force field with grasp of the virtual object and the absence of the force field with release of the object. Our findings show more broadly that specific visual cues can protect motor skills from interference.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».