Perceived travel distance depends on the speed and direction of self-motion
Notice bibliographique
Résumé
Although estimating travel distance is essential to our ability to move through the world, our distance estimates can be inaccurate. These odometric errors occur because people tend to perceive that they have moved further than they had. Many of the studies investigating the perception of travel distance have primarily used forward translational movements, and postulate that perceived travel distance results from integration over distance and is independent of travel speed. Speed effects would imply integration over time as well as space. To examine travel distance perception with different directions and speeds, we used virtual reality (VR) to elicit visually induced self-motion. Participants (n = 15) were physically stationary while being visually "moved" through a virtual corridor, either judging distances by stopping at a previously seen target (Move-To-Target Task) or adjusting a target to the previous movement made (Adjust-Target Task). We measured participants' perceived travel distance over a range of speeds (1-5 m/s) and distances in four directions (up, down, forward, backward). We show that the simulated speed and direction of motion differentially affect the gain (perceived travel distance / actual travel distance). For the Adjust-Target task, forwards motion was associated with smaller gains than either backward, up, or down motion. For the Move-To-Target task, backward motion was associated with smaller gains than either forward, up or down motion. For both tasks, motion at the slower speed was associated with higher gains than the faster speeds. These results show that transforming visual motion into travel distance differs depending on the speed and direction of optic flow being perceived. We also found that a common model used to study the perception of travel distance was a better fit for the forward direction compared to the others. This implies that the model should be modified for these different non-forward motion directions.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».