Generalization patterns for sensory and reach adaptation following exposure to visual-proprioceptive discrepancies
Notice bibliographique
Résumé
The CNS evolved sensory and reach adaptation as types of plasticity to deal with body-growth changes and variability in the surrounding world. Reach adaptation generalize to untrained contexts and transfer between limbs. We examined the extent by which proprioceptive recalibration generalize to the untrained hand, across novel locations in the workspace. In experiment 1, subjects trained to reach with an aligned and translated cursor, we assessed the resulting changes in hand movements (without cursor) and felt hand position for both trained and untrained hand. Reach adaptation transferred between hands, proprioceptive recalibration did not transfer. In experiment 2, we measured reach adaptation and proprioceptive recalibration at novel locations following training with a rotated cursor. Reach and sensory adaptation generalized to novel locations at different distances, however, sensory changes generalized with smaller extent at far-locations. In experiment 3, we removed the motor component during training so that subjects exposed to a proprioceptive-visual discrepancy in which they see the cursor heading to the training target while the robot gradually rotates their unseen hand-path. Subjects reached to one target from a starting-position(S1) then we measured reach and sensory changes at novel locations from S1 and from a novel starting-position (S2). We found proprioceptive recalibration at the trained and novel locations from S1 and S2. Additionally, we found reach adaptation at the same locations but with smaller extent. Our findings suggest that reach and sensory adaptation may be independent, mere exposure to proprioceptive-visual discrepancy results in proprioceptive recalibration which drive partial reach adaptation that follow similar generalization pattern.
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 ».