Look where you go: Humans intuitively track heading direction changes with their eyes
Notice bibliographique
Résumé
Successful performance of daily activities such as driving a car relies on the accurate perception of self-motion, such as the direction and speed of heading. Small groups of primates—humans, macaques, marmosets—can track heading direction with their eyes in the absence of any instruction and with only minimal training (Knöll et al. PNAS 2018). Here we investigated if this tracking behavior is generalizable to a larger group of human observers and sensitive to changes in motion signal strength. Observers (n=43) viewed a cloud of moving dots that appeared to converge to one point, resulting in perceived self-motion towards or receding from the focus of expansion (FOE). FOE location shifted across time in a random walk fashion. Observers were asked to freely view the stimulus; eye position was recorded using an Eyelink 1000 eye tracker. In Exp.1 (n=19), we verified if observers could track suprathreshold stimuli (coherence: 100%; contrast: 33%; speed: 2m/s). In Exp.2 (n=24), we tested the effect of motion signal strength by manipulating coherence (6.25-100%), contrast (3.6-90%), and speed (0.75-6m/s). Results show that observers intuitively track heading direction changes using a combination of saccades, fixation, and slow drift. In both experiments, more than 80% of observers tracked the FOE with highly correlated position trajectories (cross-correlation coefficient > 0.6) in response to high signal-strength stimuli. Spatial tracking error (eye position error between eye and FOE) increased with motion signal strength decreasing from the highest to the lowest level of coherence (32% error increase), dot contrast (24% error increase), and speed (44% error increase). Intuitive ocular tracking of heading direction is generalizable to a larger group of human observers, and is finely tuned to low-level motion signals. Future work will explore whether we can utilize eye movements as an indicator of self-motion perception in clinical populations
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».