Motion parallax in electric sensing
Notice bibliographique
Résumé
A crucial step in forming spatial representations of the environment involves the estimation of relative distance. Active sampling through specific movements is considered essential for optimizing the sensory flow that enables the extraction of distance cues. However, in electric sensing, direct evidence for the generation and exploitation of sensory flow is lacking. Weakly electric fish rely on a self-generated electric field to navigate and capture prey in the dark. This electric sense provides a blurred representation of the environment, making the exquisite sensory abilities of electric fish enigmatic. Stereotyped back-and-forth swimming patterns reminiscent of visual peering movements are suggestive of the active generation of sensory flow, but how motion contributes to the disambiguation of the electrosensory world remains unclear. Here, we show that a dipole-like electric field geometry coupled to motion provides the physical basis for a nonvisual parallax. We then show in a behavioral assay that this cue is used for electrosensory distance perception across phylogenetically distant taxa of weakly electric fish. Notably, these species electrically sample the environment in temporally distinct ways (using discrete pulses or quasisinusoidal waves), suggesting a ubiquitous role for parallax in electric sensing. Our results demonstrate that electrosensory information is extracted from sensory flow and used in a behaviorally relevant context. A better understanding of motion-based electric sensing will provide insight into the sensorimotor coordination required for active sensing in general and may lead to improved electric field-based imaging applications in a variety of contexts.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».