Proprioceptive Guidance of Saccades in Eye–Hand Coordination
Notice bibliographique
Résumé
The saccade generator updates memorized target representations for saccades during eye and head movements. Here, we tested if proprioceptive feedback from the arm can also update handheld object locations for saccades, and what intrinsic coordinate system(s) is used in this transformation. We measured radial saccades beginning from a central light-emitting diode to 16 target locations arranged peripherally in eight directions and two eccentricities on a horizontal plane in front of subjects. Target locations were either indicated 1) by a visual flash, 2) by the subject actively moving the handheld central target to a peripheral location, 3) by the experimenter passively moving the subject's hand, or 4) through a combination of the above proprioceptive and visual stimuli. Saccade direction was relatively accurate, but subjects showed task-dependent systematic overshoots and variable errors in radial amplitude. Visually guided saccades showed the smallest overshoot, followed by saccades guided by both vision and proprioception, whereas proprioceptively guided saccades showed the largest overshoot. In most tasks, the overall distribution of saccade endpoints was shifted and expanded in a gaze- or head-centered cardinal coordinate system. However, the active proprioception task produced a tilted pattern of errors, apparently weighted toward a limb-centered coordinate system. This suggests the saccade generator receives an efference copy of the arm movement command but fails to compensate for the arm's inertia-related directional anisotropy. Thus the saccade system is able to transform hand-centered somatosensory signals into oculomotor coordinates and combine somatosensory signals with visual inputs, but it seems to have a poorly calibrated internal model of limb properties.
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 ».