MétaCan
Menu
Retour à la cohorte
Enregistrement W6991474637

Grasping in a Cluttered Environment: Avoiding Obstacles Under Memory Guidance

2019· other· en· W6991474637 sur OpenAlexaboutno aff

Notice bibliographique

RevueMspace (University of Manitoba) · 2019
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPerceptionGRASPPoint (geometry)Obstacle avoidanceObstacleVisual perceptionVisual feedbackCollision avoidance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Humans often reach to remembered objects, such as when picking up a coffee cup from behind our morning paper. When reaching to previously seen, now out-of-view objects, we rely on our perceptual memory of the scene, to guide our actions (Milner & Goodale, 1995). Based in relative coordinates, encoded perceptual representations may likely exaggerate the risk associated with nearby obstacles. For instance, a cereal bowl next to our coffee cup may be judged as larger than it really is under memory-guided conditions, resulting in a more cautious obstacle avoidance approach to best prevent a messy collision. In contrast, when visual information is available up to the point when a reach is initiated, the precise positions of objects relative to the self are likely to be computed and incorporated into a motor plan, allowing for finely tuned eye-hand maneuvers around positioned obstacles. The objective of this study was to examine obstacle avoidance during memory-guided grasping. Eye-hand coordination was monitored as subjects had to reach through a pair of obstacles in order to grasp a 3D target. The availability of visual information underwent a between-subjects manipulation, such that reaches occurred either with continuous visual information (visually-guided condition), immediately in the absence of visual feedback (memory-guided no-delay condition), or after a 2-s delay in the absence of visual feedback (memory-guided delay condition). The positions and widths of obstacles were manipulated, though their inner edges remained a constant distance apart. We expected the memory-guided delay group to exhibit exaggerated avoidance strategies, particularly around wider obstacles. Results revealed subjects were able to effectively avoid obstacles in the visually-guided and memory-guided no-delay conditions, though overall performance was poorer in the no-delay group, resulting from the inability to use visual information for the online control of action. Still, subjects in these groups consistently altered the paths of the index finger and wrist and adjusted the index finger position on the target object to accommodate obstacles that obstructed the reach path to different degrees. Contrary to expectation, the memory-guided delay group resorted to a more moderate strategy, with fewer instances of altered index finger and wrist paths or adjusted index finger positions on the target object in response to positioned obstacles, though successful grasps were still seen. In other words, subjects reaching to remembered objects tended to use a “good enough” approach for avoiding obstacles. In conclusion, obstacle avoidance behaviour, driven by our stored perceptual representations of a scene, appears to adopt a more moderate, rather than exaggerative, strategy. This work was funded by Research Manitoba, NSERC CGSM, and NSERC Discovery Grant.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,196
Écart entre enseignants0,175 · 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'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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMspace (University of Manitoba)Travaux en français237 207