Contribution of Retinal Motion to the Impulse Control of Target-Directed Aiming
Notice bibliographique
Résumé
Abstract Contemporary models of sensorimotor control contend that visually regulated movement adjustments may unfold early during a target-directed limb movement through an impulse control process that makes use of anticipatory forward models. To date, evidence surrounding impulse control has involved adjustments to a purported misperception in limb velocity following the unexpected onset of a moving background. That is, the limb is perceived to move faster and undershoots more when there is an incongruent moving background and vice versa. However, this particular behavior may manifest from an independent oculo-manual-following response. The present study aimed to deconstruct these proposals and, with them, the processes that underlie impulse control. Participants had to rapidly reach upward to land their index finger accurately on a target. On 33% of trials, the background, over which the movement was made, moved either up, down, right, or left. Displacements in the primary and perpendicular directions of movement showed spatial trajectories that were consistent with the directions of the moving backgrounds. This behavior was most prevalent in measurements taken at the movements’ peak negative acceleration and endpoints. Moreover, analysis of standardized displacements in the moving background conditions indicated no significant differences in the extent of the movements toward each of the moving backgrounds. These findings indicate that movement adjustments can manifest from an oculo-manual-following response rather than a misperception of limb velocity. We suggest that the anticipatory forward model that comprises impulse control may incorporate features of the environment that surround the vicinity of the limb.
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 | 0,002 |
| 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) | 0,000 | 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 ».