Different Control Strategies Drive Interlimb Differences in Performance and Adaptation during Reaching Movements in Novel Dynamics
Notice bibliographique
Résumé
Humans exhibit lateralization such that most individuals typically show a preference for using one arm over the other for a range of movement tasks. The computational aspects of movement control leading to these differences in skill are not yet understood. It has been hypothesized that the dominant and nondominant arms differ in terms of the use of predictive or impedance control mechanisms. However, previous studies present confounding factors that prevented clear conclusions: either the performances were compared across two different groups, or in a design in which asymmetrical transfer between limbs could take place. To address these concerns, we studied a reach adaptation task during which healthy volunteers performed movements with their right and left arms in random order. We performed two experiments. Experiment 1 (18 participants) focused on adaptation to the presence of a perturbing force field (FF) and experiment 2 (12 participants) focused on rapid adaptations in feedback responses. The randomization of the left and right arm led to simultaneous adaptation, allowing us to study lateralization in single individuals with symmetrical and minimal transfer between limbs. This design revealed that participants could adapt control of both arms, with both arms showing similar performance levels. The nondominant arm initially presented a slightly worst performance but reached similar levels of performance in late trials. We also observed that the nondominant arm showed a different control strategy compatible with robust control when adapting to the force field perturbation. EMG data showed that these differences in control were not caused by differences in co-contraction across the arms. Thus, instead of assuming differences in predictive or reactive control schemes, our data show that in the context of optimal control, both arms can adapt, and that the nondominant arm uses a more robust, model-free strategy likely to compensate for less accurate internal representations of movement dynamics.
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 | 0,000 | 0,000 |
| 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 ».