MétaCan
Menu
Retour à la cohorte
Enregistrement W4390659452 · doi:10.1109/toh.2024.3350929

Investigating the Effects of Intensity and Frequency on Vibrotactile Spatial Acuity

2024· article· en· W4390659452 sur OpenAlexaff
Bingjian Huang, Paul Dietz, Daniel Wigdor

Notice bibliographique

RevueIEEE Transactions on Haptics · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueTactile and Sensory Interactions
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésIntensity (physics)Visual acuityComputer scienceSpatial frequencyPerceptionLight intensitySensory substitutionActuatorAcousticsComputer visionArtificial intelligenceOpticsPhysicsPsychology

Résumé

récupéré en direct d'OpenAlex

Vibrotactile devices are commonly used in applications for sensory substitution or to provide feedback in virtual reality. An important aspect of vibrotactile perception is spatial acuity, which determines the resolutions of vibrotactile displays on the skin. However, the complex vibration characteristics of vibrotactile actuators make it challenging for researchers to reference and compare previous study results. This is because the effects of typical characteristics, such as intensity and frequency, are not well understood. In this study, we investigated the effects of intensity and frequency on vibrotactile spatial acuity. Using Linear Resonant Actuators (LRAs), we conducted relative point localization experiments to measure spatial acuity under different conditions. In the first experiment, we found that intensity had a significant effect on spatial acuity, with higher intensity leading to better acuity. In the second experiment, using a carefully designed intensity calibration procedure, we did not find a significant effect of frequency on spatial acuity. These findings provide a better understanding of vibrotactile spatial acuity, allow for comparisons to previous research, and provide insights into the design of future tactile devices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,273
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on HapticsMême sujetTactile and Sensory InteractionsTravaux en français237 207