Detecting movement endpoint errors in one's own trajectories: Multiple processes model vs. forward internal model
Notice bibliographique
Résumé
Both sensory feedback and efference are deemed important for the detection and correction of movement errors (Wolpert & Ghahramani, 2000). According to the multiple processes model of limb control (Elliott et al., 2010), the earliest phase of an ongoing movement (i.e., impulse regulation) relies on both efference and sensory feedback, whereas the latter phase (i.e., limb-target regulation) requires only vision and proprioception for online trajectory amendments. The purpose of this study was to investigate the contributions of vision, proprioception and efference to endpoint error detection during manual aiming. Participants were asked to judge if their movement undershot or overshot a target. Visual information about the to-be-judged movement was limited to a brief window (40 ms) early in the trajectory (a critical time for making endpoint error judgements while also limiting terminal feedback). The judgement task was performed under three different conditions: 1) active reach (vision + proprioception + efference); 2) passive guidance using a robotic arm (vision + proprioception); and, 3) the observation of a fake hand guided by the robotic arm (vision only). To maintain consistency in the trajectories among active and passive conditions, trajectories from the active reach condition were replayed during the passive guidance and observation conditions. Endpoint error judgements were more accurate in the active reach condition in comparison to both robot-guided conditions. Furthermore, participants were better in the passive guidance condition compared to the observation condition. Thus, online error detection processes may not only rely on vision and proprioception, but also on efference.Acknowledgments: Natural Sciences and Engineering Research Council of Canada (NSERC), University of Toronto (UofT), Canada Foundation for Innovation (CFI), Ontario Research Fund (ORF), Mitacs
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».