Object and Task Features Influence Visual and Sensorimotor Integration in Grasping Tasks
Notice bibliographique
Résumé
From simple tasks like reaching for your morning cup of coffee to more complex activities like driving or playing sports, reach-to-grasp movements are integral to many daily activities. Although seemingly simple, reaching to grasp an object is a complex behavior requiring multiple sensory inputs for successful execution. This behavior can be broken down into three different phases: planning, reaching, and grasping. During the planning phase, information about the object's location and on the features of the object and task are necessary for appropriate motor planning (Betti et al., 2018; Guo and Niemeier, 2024). We process visual information on the object's features, such as its shape and size, to identify potential grasp points and estimate its weight. The task features include information on which specific effector (right hand, left hand, or both) and grasp orientation (clockwise and counterclockwise) would be used (Guo and Niemeier, 2024). In the reaching and grasping phases, the brain integrates the visual information gathered during the planning phase with motor commands, enabling precise hand movements toward the object (Klein et al., 2023). This integration of visual and motor processes is known as visuomotor computation, where the visual properties of the object are aligned with the motor actions required to execute the grasp (Klein et al., 2023). This visuomotor integration ensures the appropriate trajectory for reaching, and the correct grip and load forces are applied to successfully lift and retrieve the object (Klein et al., 2023; Guo and Niemeier, 2024). Despite the importance of visuomotor integration of both object and task features, these features are often studied in isolation. For instance, in one study, researchers focused solely on how grasp orientation and the alignment of handles on objects like beer mugs influence grasping behavior (Bub and Masson, 2010 … Correspondence should be addressed to Rana Abdelhalim at rana.abdelhalim{at}mail.mcgill.ca.
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 | 0,001 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».