Humans plan for the near future to walk economically on uneven terrain
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Humans experience small fluctuations in their gait when walking on uneven terrain. The fluctuations deviate from the steady, energy-minimizing pattern for level walking and have no obvious organization. But humans often look ahead when they walk, and could potentially plan anticipatory fluctuations for the terrain. Such planning is only sensible if it serves some an objective purpose, such as maintaining constant speed or reducing energy expenditure, that is also attainable within finite planning capacity. Here, we show that humans do plan and perform optimal control strategies on uneven terrain. Rather than maintaining constant speed, they make purposeful, anticipatory speed adjustments that are consistent with minimizing energy expenditure. A simple optimal control model predicts economical speed fluctuations that agree well with experiments with humans (N = 12) walking on seven different terrain profiles (correlated with model [Formula: see text] , [Formula: see text] all terrains). Participants made repeatable speed fluctuations starting about six to eight steps ahead of each terrain feature (up to ±7.5 cm height difference each step, up to 16 consecutive features). Nearer features matter more, because energy is dissipated with each succeeding step's collision with ground, preventing momentum from persisting indefinitely. A finite horizon of continuous look-ahead and motor working space thus suffice to practically optimize for any length of terrain. Humans reason about walking in the near future to plan complex optimal control sequences.
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.
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 | 0,000 |
| 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 | 0,001 | 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 découle