MétaCan
Menu
Retour à la cohorte
Enregistrement W4412438990 · doi:10.1167/jov.25.9.2889

Adaptation to haptic target size highlights the hierarchical nature of grasp planning

2025· article· en· W4412438990 sur OpenAlexaff
Robert L. Whitwell, Alice Tan, Ana Victoria de Meira, Michelle Wong

Notice bibliographique

RevueJournal of Vision · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésGRASPAdaptation (eye)Haptic technologyComputer scienceHuman–computer interactionPsychologySimulationNeuroscience

Résumé

récupéré en direct d'OpenAlex

We used a grasp-adaptation paradigm to test two models of grasp planning: a ‘classic’ model in which the target is coded separately as size and position, and an integrated model that postulates the target is coded as a set of egocentric ‘grasp points’. Participants (N=144) reached, without visual feedback, for virtual targets and grasped real (haptic) ones whose sizes were either the same, larger, or smaller. Two adaptation sequences were administered, each comprised of a series of baseline, adaptation, and then washout trials. On baseline and washout trials, the virtual and haptic objects were identical. On adaptation trials, the target's haptic size was either always larger or always smaller than its virtual size. Consistent with prior work, we observed strong aftereffects in the first (control) sequence. We administered a second sequence to test if the aftereffect would generalize to a novel target orientation and/or position while preserving target size. Notably, the classic model implies that the aftereffect should generalize under such circumstances. In contrast, the integrated model implies the aftereffect should fail to generalize, because a novel target position and/or orientation requires a novel set of grasp points. Surprisingly, generalization depended on the direction of the grasp aperture’s induced adjustment and, therefore, neither model can fully accommodate our findings. Specifically, the aftereffect induced by the larger haptic object generalized to novel target position and/or orientation, whereas the aftereffect induced by the smaller haptic object did not. In the latter condition, novel target orientations resulted in the strongest attenuation of aftereffects. Considering the asymmetric consequences of under- vs. over-sizing grasp aperture, our findings suggest grasp planning prioritizes haptic size when compensating for an under-sized grasp aperture. When under-sizing is not applicable, however, haptic integration is subsumed under de novo coding of the orientation of the hand opposition space.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,396
Score d'incertitude au seuil0,184

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,277
Écart entre enseignants0,267 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetRobot Manipulation and LearningTravaux en français237 207