Generalizing movement patterns following shoulder fixation
Notice bibliographique
Résumé
Abstract A common goal of motor learning is generalizing newly learned movement patterns beyond the training context. Here we tested whether learning a new physical property of the arm during self-initiated reaching generalizes to new arm configurations. One hundred human participants performed a single-joint elbow reaching task and/or countered mechanical perturbations that created pure elbow motion. Participants did so with the shoulder joint either free to rotate or locked by the robotic manipulandum. With the shoulder free, we found activation of shoulder extensor muscles for pure elbow extension trials, as required to counter the interaction torques that arise at the shoulder due to forearm rotation. After locking the shoulder joint, we found a substantial reduction in shoulder muscle activity that developed slowly over many trials. This reduction is appropriate because locking the shoulder joint cancels the interaction torques that arise at the shoulder to do forearm rotation and thus removes the need to activate shoulder muscles. In our first three experiments, we tested whether this reduction generalizes when reaching is self-initiated in (1) a different initial shoulder orientation, (2) a different initial elbow orientation and (3) for a different reach distance/speed. We found reliable generalization across initial shoulder orientation and reach distance/speed but not for initial elbow orientation. In our fourth experiment, we tested whether generalization is also transferred to feedback control by applying mechanical perturbations and observing reflex responses in a distinct shoulder orientation. We found robust transfer to feedback control. New & Noteworthy Here we show that learning to reduce shoulder muscles activity following shoulder fixation generalizes to other movement conditions but does not generalize globally, indicating that the nervous system does not implement such learning by modifying a general internal model of arm dynamics. Disclosures The authors declare no conflict of interest.
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 | 0,000 | 0,002 |
| 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) | 0,001 | 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 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 ».