Do you feel my vibe? Quantifying iterative visuo-motor feedback-loops in the jerk profiles of manual aiming movements using frequency analyses
Notice bibliographique
Résumé
Contemporary models of visuo-motor control posit that the use of visual information during voluntary movement is likely an iterative process. Stemming from this assumption, it was hypothesized that iterative changes in the kinematics of movements should be present, and visual-motor feedback processing times should be measurable using frequency analysis (Fast Fourier Transform, FFT). To test this hypothesis, we evaluated reaching movements of 10, 20, and 30 cm amplitudes performed with and without visual feedback (V & NV, respectively). Trajectories in both the primary and secondary movement axes were differentiated to attain jerk profiles using a 2-point central difference algorithm and filtered with a 20 Hz low-pass filter at each stage. The power spectral density (PSD) functions were estimated for each trajectory using FFT. Differences between V and NV were quantified in decibels (DB: NV as reference signal) and analyzed across the 7.8–13.7 Hz range (iteration times: 73-128 ms). No significant DB differences were found for the primary movement axis. Conversely, the secondary movement axis showed an increase in the DB of the 11.71 Hz bin relative to the 7.8 and 9.7 Hz bins. This indicated that in the presence of vision, there is greater power in the 11.71 Hz oscillation bin. Therefore, although frequency analysis failed to distinguish between visual conditions in the primary axis, visual control in the secondary axis may occur at a rate of approximately 11.71 Hz (i.e., 85 ms iteration times).Acknowledgments: Canada Foundation for Innovation; Natural Sciences and Engineering Research Council of Canada
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 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 ».