Timing and Amplitude of Catch-up Saccades to Accelerating Targets
Notice bibliographique
Résumé
Abstract To track moving targets, humans move their eyes using both saccades and smooth pursuit. If pursuit eye movements fail to accurately track the moving target, catch-up saccades are initiated to rectify the tracking error. It is well known that retinal position and velocity errors determine saccade timing and amplitude, but the extent to which retinal acceleration error influences these aspects is not well quantified. To test this, 13 adult human participants performed an experiment where they pursued accelerating / decelerating targets. During ongoing pursuit, we introduced a randomly sized target step to evoke a catch-up saccade and analyzed its timing and amplitude. We observed that retinal acceleration error was a statistically significant predictor of saccade amplitude and timing. A multiple linear regression supported our hypothesis that retinal acceleration errors influence saccade amplitude in addition to the influence of retinal position and velocity errors. We also found that saccade latencies were shorter when retinal acceleration error increased the tracking error and vice versa. In summary, our findings support a model in which retinal acceleration error is used to compute a predicted position error ∼100ms into the future to trigger saccades and determine saccade amplitude. Significance statement When visually tracking object motion, humans combine smooth pursuit and saccadic eye movements to maintain the target image on the fovea. Retinal position and velocity errors are known to determine catch-up saccade amplitude and timing, however it is unknown if retinal acceleration error is also used to predict future target position. This study provides evidence of a small but statistically significant contribution of retinal acceleration error in determining saccade amplitude and timing.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».