MétaCan
Menu
Retour à la cohorte
Enregistrement W2321613979 · doi:10.1152/jn.00738.2011

The role of haptic feedback when manipulating nonrigid objects

2011· article· en· W2321613979 sur OpenAlexafffund
Frédéric Danion, Jonathan S. Diamond, J. Randall Flanagan

Notice bibliographique

RevueJournal of Neurophysiology · 2011
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensQueen's University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésHaptic technologyTask (project management)Computer scienceMotor learningObject (grammar)Artificial intelligenceSimulationComputer visionPsychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Humans can learn to manipulate objects with complex dynamics, including nonrigid objects with internal degrees of freedom. The first aim of this study was to assess the contribution of haptic feedback when learning to manipulate a nonrigid object. The second aim was to evaluate how learning without haptic feedback influences subsequent learning with haptic feedback and vice versa. The task involved moving a simulated mass-attached to a grasped handle via a simulated, damped spring-to a target as quickly as possible. In the haptic plus vision (HV) condition, appropriate forces were applied to the handle, which was attached to a robot. In the vision only (V) condition, these forces were turned off. Participants completed 80 trials in each condition, with one-half starting with the HV condition. Both groups exhibited significant learning, as measured by movement time, in both conditions. For the condition performed first, initial performance, learning rate, and final performance were better with haptic feedback. Prior experience in the HV condition led to faster learning and better final performance in the V condition. However, prior experience in the V condition led to slower learning and worse final performance in the HV condition. In the V condition, all participants tended to keep the mass close to the hand. In the HV condition, participants who started with the HV condition allowed the mass to move away from the hand, whereas participants who started with the V condition continued to keep the mass close to the hand. We conclude that haptic feedback as well as prior experience with haptic feedback enhance the ability to control nonrigid objects and that training without haptic feedback can lead to persisting detrimental effects when subsequently dealing with haptic feedback.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,238
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeurophysiologyMême sujetMotor Control and AdaptationTravaux en français237 207