one-dimensional-turing-like-handshake-test-for-motor-intelligence

One Dimensional Turing-Like Handshake Test for Motor Intelligence

In the Turing test, a computer model is deemed to "think intelligently" if it can generate answers that are not distinguishable from those of a human.  ...

Ben-Gurion University

&#x65F6;&#x5B9C;&#x8FD0;&#x52A8;&#x7684;&#x89C2;&#x5BDF;&#x662F;&#x5426;&#x6697;&#x793A;&#x4E00;&#x4E9B;&#x7684;&#x65F6;&#x95F4;&#xFF0C;&#x5982;&#x4E00;&#x4E2A;&#x5047;&#x8BBE;&#x6027;&#x7684;&#x795E;&#x7ECF;&#x65F6;&#x949F;&#x7684;&#x5185;&#x90E8;&#x8868;&#x793A;&#x5F62;&#x5F0F;&#x7684;&#x5B58;&#x5728;&#x5462;&#xFF1F;&#x5728;&#x8FD9;&#x91CC;&#x6211;&#x4EEC;&#x62A5;&#x544A;&#x65E8;&#x5728;&#x8C03;&#x67E5;&#x79D1;&#x76EE;&#x662F;&#x5426;&#x5F62;&#x6210;&#x6B63;&#x786E;&#x7684;&#x81EA;&#x9002;&#x5E94;&#x8868;&#x793A;&#x975E;&#x5E38;&#x53EF;&#x9884;&#x6D4B;&#x7684;&#x65B9;&#x5F0F;&#x66F4;&#x6539;&#x7684;&#x529B;&#x5B66;&#x73AF;&#x5883;&#x7684;&#x5B9E;&#x9A8C;&#x7ED3;&#x679C;&#x3002;&#x5728;&#x8FD9;&#x4E9B;&#x5B9E;&#x9A8C;&#x4E2D;&#xFF0C;&#x4E3B;&#x9898;&#x88AB;&#x8981;&#x6C42;&#x65F6;&#xFF0C;&#x6267;&#x884C;&#x624B;&#x81C2;&#x52A8;&#x4F5C;&#x4E8C;&#x7EF4;&#x5DE5;&#x4F5C;&#x533A;&#xFF0C;&#x5728;&#x9047;&#x5230;&#x4F9D;&#x8D56;&#x65F6;&#x95F4;&#x7684;&#x4EE4;&#x4EBA;&#x4E0D;&#x5B89;&#x7684;&#x90E8;&#x961F;&#x3002;&#x6211;&#x4EEC;&#x63D0;&#x4F9B;&#x6B63;&#x5F0F;&#x7684;&#x5B9A;&#x4E49;&#x65F6;&#x8868;&#x793A;&#x5F62;&#x5F0F;&#x548C;&#x7ED3;&#x675F;&#x6211;&#x4EEC;&#x79D1;&#x76EE;&#x4E0D;&#x7528;&#x4E8E;&#x7535;&#x673A;&#x6D4B;&#x8BD5;&#x6761;&#x4EF6;&#x4E0B;&#x7684;&#x9002;&#x5E94;&#x65F6;&#x95F4;&#x8868;&#x793A;&#x5F62;&#x5F0F;&#x3002;&#x79D1;&#x76EE;&#x5728;&#x4E0B;&#x5217;&#x5B9E;&#x9A8C;&#x4E2D;&#x6267;&#x884C;&#x624B;&#x81C2;&#x8FBE;&#x5230;&#x8FD0;&#x52A8;&#xFF1A; (1) &#x516D;&#x4E2A;&#x5B9E;&#x9A8C;&#x6B63;&#x5F26;&#x65F6;&#x53D8;&#x573A; &#xFF1B;(2) &#x516D;&#x4E2A;&#x5B9E;&#x9A8C;&#x4E2D;&#x7684;&#x4EA4;&#x66FF;&#x7C98;&#x6EDE;&#x529B;&#x573A;&#xFF0C;&#x5728;&#x5176;&#x4E2D;&#x7684;&#x76EE;&#x6807;&#x6570;&#x5141;&#x8BB8;&#x90E8;&#x961F;&#x903C;&#x8FD1;&#x7684;&#x590D;&#x6742;&#x7684;&#x4F9D;&#x8D56;&#x72B6;&#x6001;&#x7684;&#x529B;&#x573A; &#xFF1B; &#x7B80;&#x5355;&#x7684;&#x5E8F;&#x5217;(3) &#x4EA4;&#x66FF;&#x7C98;&#x6EDE;&#x529B;&#x573A;&#xFF0C;&#x6CA1;&#x6709;&#x4F9D;&#x8D56;&#x72B6;&#x6001;&#x7684;&#x529B;&#x573A;&#x8FD1;&#x4F3C;&#x4E8E;&#x5F53;&#x65E5;&#x53EF;&#x80FD;&#x540C;&#x6837;&#x7B80;&#x5355;&#x7684;&#x5E8F;&#x5217;&#x4E2D;&#x7684;&#x516D;&#x4E2A;&#x5B9E;&#x9A8C;&#x3002;&#x6211;&#x4EEC;&#x53D1;&#x73B0;&#x79D1;&#x76EE;&#x6CA1;&#x6709;&#x4E0D;&#x9002;&#x5E94;&#x7684;&#x65F6;&#x95F4;&#x53D8;&#x7684;&#x529B;&#x573A;&#xFF0C;&#x65E0;&#x6CD5;&#x5F62;&#x6210;&#x7684;&#x529B;&#x573A;&#x7B80;&#x5355;&#x7684;&#x5E8F;&#x5217;&#x6709;&#x8DB3;&#x591F;&#x7684;&#x4EE3;&#x8868;&#x6027;&#x3002;&#x5728;&#x540E;&#x4E00;&#x79CD;&#x60C5;&#x51B5;&#xFF0C;&#x53EA;&#x8981;&#x6709;&#x53EF;&#x80FD;&#xFF0C;&#x4ED6;&#x4EEC;&#x9002;&#x5E94;&#x72B6;&#x6001;&#x76F8;&#x5173;&#x7684;&#x5355;&#x4E2A;&#x5B57;&#x6BB5;&#xFF0C;&#x4EA7;&#x751F;&#x7C7B;&#x4F3C;&#x4E8E;&#x4E24;&#x4E2A;&#x4EA4;&#x66FF;&#x5B57;&#x6BB5;&#x7684;&#x90E8;&#x961F;&#x3002;&#x6B64;&#x72B6;&#x6001;&#x4F9D;&#x8D56;&#x751F;&#x6210;&#x5B57;&#x6BB5;&#x4F5C;&#x4E3A;&#x5B57;&#x6BB5;&#x7684;&#x5E94;&#x7528;&#x987A;&#x5E8F;&#x540C;&#x6837;&#x7684;&#x529B;&#x91CF;&#x53EA;&#x80FD;&#x901A;&#x8FC7;&#x8F68;&#x8FF9;&#x5728;&#x57F9;&#x8BAD;&#x9636;&#x6BB5;&#x671F;&#x95F4;&#x6267;&#x884C;&#x8BE5;&#x79D1;&#x76EE;&#x3002;&#x4F46;&#x662F;&#xFF0C;&#x4F9D;&#x8D56;&#x72B6;&#x6001;&#x7684;&#x5B57;&#x6BB5;&#x662F;&#x4E0D;&#x8DB3;&#x4EE5;&#x4EA7;&#x751F;&#x751F;&#x6210;&#x7684;&#x5B57;&#x6BB5;&#x5E8F;&#x5217;&#x4E0A;&#x4E00;&#x5957;&#x65B0;&#x7684;&#x8F68;&#x8FF9;&#xFF0C;&#x6B63;&#x786E;&#x90E8;&#x961F;&#x3002;&#x8FD9;&#x4E9B;&#x7ED3;&#x679C;&#x5E76;&#x4E0D;&#x7B26;&#x5408;&#x81F3;&#x5C11;&#x79D1;&#x76EE;&#x5C06;&#x6D4B;&#x8BD5;&#x7684;&#x60C5;&#x51B5;&#x4E0B;&#x5236;&#x5B9A;&#x7684;&#x4F9D;&#x8D56;&#x65F6;&#x95F4;&#x7684;&#x529B;&#x91CF;&#xFF0C;&#x6B63;&#x786E;&#x7684;&#x8868;&#x793A;&#x5F62;&#x5F0F;&#x7684;&#x5047;&#x8BF4;&#x3002;&#x6211;&#x4EEC;&#x63A8;&#x6D4B;&#x8D1F;&#x8D23;&#x5411;&#x5916;&#x90E8;&#x529B;&#x91CF;&#x8FD0;&#x52A8;&#x9002;&#x5E94;&#x7684;&#x7CFB;&#x7EDF;&#x53EF;&#x80FD;&#x65E0;&#x6CD5;&#x8058;&#x7528;&#x65F6;&#x95F4;&#x8868;&#x793A;&#x5F62;&#x5F0F;&#x3002;&#x867D;&#x7136;&#x6709;&#x53EF;&#x80FD;&#x8FD9;&#x79CD;&#x8868;&#x793A;&#x53EF;&#x80FD;&#x51FA;&#x73B0;&#x5728;&#x66F4;&#x957F;&#x65F6;&#x95F4;&#x548C;/&#x6216;&#x7D27;&#x5F20;&#x7684;&#x57F9;&#x8BAD;&#x4E2D;&#xFF0C;&#x6211;&#x4EEC;&#x7684;&#x7ED3;&#x679C;&#x663E;&#x793A;&#x7531;&#x81EA;&#x9002;&#x5E94;&#x7CFB;&#x7EDF;&#x9996;&#x9009;&#x9879;&#xFF0C;&#x4EE5;&#x4FBF;&#x63A8;&#x5E7F;&#x57FA;&#x4E8E;&#x4EE3;&#x8868;&#x5916;&#x90E8;&#x529B;&#x91CF;&#x7684;&#x72B6;&#x6001;&#x800C;&#x4E0D;&#x662F;&#x5BF9;&#x65F6;&#x95F4;&#x7684;&#x4F9D;&#x8D56;&#x3002;

&#x5E8F;&#x5217;&#x3001; &#x65F6;&#x95F4;&#x6216;&#x72B6;&#x6001;&#x8868;&#x793A;&#xFF1A; &#x7535;&#x673A;&#x63A7;&#x5236;&#x7CFB;&#x7EDF;&#x5982;&#x4F55;&#x9002;&#x5E94;&#x73AF;&#x5883;&#x53D8;&#x91CF;&#xFF1F;

Does the observation of well-timed movements imply the existence of some internal representation of time, such as a hypothetical neural clock? Here we report the results of experiments designed to investigate whether subjects form a correct adaptive representation of mechanical environments that change in a very predictable manner. In these experiments, subjects were asked to execute arm movements over a two-dimensional workspace while experiencing time-dependent disturbing forces. We provide a formal definition for time representation and conclude that our subjects didn't use time representation for motor adaptation under the tested conditions. Subjects performed arm-reaching movements in the following experiments: (1) six experiments in a sinusoidal time-varying force field; (2) six experiments in a simple sequence of alternating viscous force fields, in which the number of targets allowed for the approximation of the force by a complex state-dependent force field; and (3) six experiments in the same simple sequence of alternating viscous force fields, in which no state-dependent force field approximation was possible. We found that the subjects did not adapt to the time-varying force field and were unable to form an adequate representation of the simple sequence of force fields. In the latter case, whenever possible, they adapted to a single state-dependent field that produced forces similar to the two alternating fields. This state-dependent field produced the same forces as the applied sequence of fields only over the trajectories that subjects executed during the training phase. However, the state-dependent field was inadequate to produce the correct forces generated by the field sequence over a new set of trajectories.These results are not consistent with the hypothesis that subjects would develop a correct representation of time-dependent forces, at least under the tested circumstances. We speculate that the system responsible for adaptation of movements to external forces may be unable to employ temporal representation. While it is possible that such a representation may emerge in a more prolonged and/or intense training, our findings indicate a preference by the adaptive system to generalize based on representing dependence of external forces upon state rather than upon time.

Sequence, time, or state representation: how does the motor control system adapt to variable environments?

L&#39;observation des mouvements au bon moment implique l&#39;existence d&#39;une repr&eacute;sentation interne de temps, comme une horloge neurale hypoth&eacute;tique ? Nous rapportons ici les r&eacute;sultats d&#39;exp&eacute;riences, le but de d&eacute;terminer si les sujets forment une repr&eacute;sentation correcte adaptative des environnements m&eacute;caniques qui changent de fa&ccedil;on tr&egrave;s pr&eacute;visible. Dans ces exp&eacute;riences, les sujets devaient ex&eacute;cuter des mouvements de bras sur un espace de travail en deux dimensions tout en d&eacute;couvrant les troublantes forces d&eacute;pendant du temps. Nous fournir une d&eacute;finition formelle pour la repr&eacute;sentation du temps et conclure que nos sujets n&#39;utilisent une repr&eacute;sentation temps d&#39;adaptation moteur dans les conditions test&eacute;es. Sujets ex&eacute;cutent des mouvements de bras-acc&eacute;dants dans les exp&eacute;riences suivantes: (1) six exp&eacute;riences dans un champ de force sinuso&iuml;dal variant dans le temps ; (2) six exp&eacute;riences dans une s&eacute;quence simple d&#39;une alternance de champs de force visqueuses, dans lequel le nombre de cibles autoris&eacute;es pour le rapprochement de la force par un champ de force complexe d&eacute;pendant de l&#39;&eacute;tat ; et (3) six exp&eacute;riences dans la m&ecirc;me s&eacute;quence simple d&#39;une alternance de champs de force visqueuses, o&ugrave; aucune approximation de champ de force d&eacute;pendant de l&#39;&eacute;tat n&#39;&eacute;tait possible. Nous avons constat&eacute; que les sujets ne pas adapter au champ de force variable dans le temps et ont &eacute;t&eacute; incapables de former une repr&eacute;sentation ad&eacute;quate de la simple s&eacute;quence de champs de force. Dans ce dernier cas, lorsque cela est possible, ils adapt&eacute;s &agrave; un seul champ d&eacute;pendant de l&#39;&eacute;tat qui a produit des forces similaires pour les deux champs alternatifs. Ce champ d&eacute;pendant de l&#39;&Eacute;tat a produit les m&ecirc;mes forces que la s&eacute;quence appliqu&eacute;e des champs uniquement sur les trajectoires que sujets ex&eacute;cut&eacute;s au cours de la phase d&#39;instruction. Toutefois, le champ d&eacute;pendant de l&#39;&eacute;tat &eacute;tait insuffisant pour produire les forces correctes g&eacute;n&eacute;r&eacute;es par la s&eacute;quence de champ sur une nouvelle s&eacute;rie de trajectoires.Ces r&eacute;sultats ne sont pas compatibles avec l&#39;hypoth&egrave;se que les sujets d&eacute;velopperaient une repr&eacute;sentation correcte des forces d&eacute;pendant du temps, au moins dans les cas test&eacute;s. Nous croyons que le syst&egrave;me responsable de l&#39;adaptation des mouvements de forces ext&eacute;rieures peut &ecirc;tre incapable d&#39;employer la repr&eacute;sentation temporelle. S&#39;il est possible qu&#39;une telle repr&eacute;sentation peut-&ecirc;tre &eacute;merger dans une formation plus longue et intense, nos r&eacute;sultats indiquent une pr&eacute;f&eacute;rence par le syst&egrave;me adaptatif de g&eacute;n&eacute;raliser bas&eacute;e sur repr&eacute;sentant la d&eacute;pendance des forces externes de l&#39;&eacute;tat plut&ocirc;t que sur le temps.

S&eacute;quence, de temps ou de repr&eacute;sentation de l&#39;&eacute;tat : comment le syst&egrave;me de commande du moteur s&#39;adaptent aux environnements variables ?

Sequenz, Zeit-oder staatlicher Repr&#xE4;sentation: Wie kommt der Motorsteuerung auf ver&#xE4;nderliche Umgebungen anzupassen?

L&#39;osservazione dei movimenti tempestivi implica l&#39;esistenza di qualche rappresentazione interna del tempo, come un ipotetico orologio neurale? Riportiamo i risultati di esperimenti progettati per indagare se i soggetti formano una corretta rappresentazione adattiva della meccanici ambienti che cambiano in maniera molto prevedibile. In questi esperimenti, soggetti &egrave; sono chiesto di eseguire movimenti del braccio sopra un&#39;area di lavoro bidimensionale mentre vivendo inquietanti forze dipendenti dal tempo. Forniamo una definizione formale per la rappresentazione del tempo e concludere che nostri soggetti non utilizzano tempo rappresentazione per motore adattamento alle condizioni testate. Movimenti braccio raggiungendo i soggetti hanno eseguito negli esperimenti seguenti: (1) sei esperimenti in un sinusoidale campo forza variabile nel tempo; (2) sei esperimenti in una semplice sequenza di alternanza viscosi campi di forza, in cui il numero di destinazioni consentite per l&#39;approssimazione della forza di un complesso campo di forza dello stato-dipendente; e (3) sei esperimenti nella stessa sequenza semplice di alternata viscosi campi di forza, in cui non era possibile approssimazione dello stato dipendente dal campo di forza. Abbiamo scoperto che i soggetti non ha fatto adattare per il campo di forza variabile nel tempo e non erano in grado di formare un&#39;adeguata rappresentazione della semplice sequenza di campi di forza. In quest&#39;ultimo caso, ogni qualvolta possibile, adattato a un singolo campo di stato-dipendente che ha prodotto le forze simili per i due campi alternati. Questo campo di stato-dipendente prodotto le stesse forze come la sequenza dei campi applicata soltanto sopra le traiettorie che soggetti eseguiti durante la fase di addestramento. Tuttavia, il campo di stato-dipendente era insufficiente per produrre il corrette forze generate dalla sequenza campo sopra un nuovo insieme di traiettorie.Questi risultati non sono coerenti con l&#39;ipotesi che soggetti si svilupperebbero una corretta rappresentazione delle forze dipendenti dal tempo, almeno nelle circostanze testati. Si ipotizzano che il sistema responsabile dell&#39;adattamento dei movimenti di forze esterne pu&ograve; essere incapace di impiegare la rappresentazione temporale. Mentre &egrave; possibile che una tale rappresentazione pu&ograve; emergere in una formazione pi&ugrave; prolungato o intenso, i nostri risultati indicano una preferenza di sistema adattivo per generalizzare basato su che rappresenta la dipendenza delle forze esterne dello stato piuttosto che al tempo.

Sequenza, tempo o rappresentazione dello stato: come il sistema di controllo motore adattarsi ad ambienti variabili?

&#x6642;&#x5B9C;&#x3092;&#x5F97;&#x305F;&#x52D5;&#x304D;&#x306E;&#x89B3;&#x5BDF;&#x4EEE;&#x8AAC;&#x30CB;&#x30E5;&#x30FC;&#x30E9;&#x30EB; &#x30AF;&#x30ED;&#x30C3;&#x30AF;&#x306A;&#x3069;&#x306E;&#x6642;&#x9593;&#x306E;&#x3044;&#x304F;&#x3064;&#x304B;&#x306E;&#x5185;&#x90E8;&#x8868;&#x73FE;&#x306E;&#x5B58;&#x5728;&#x3092;&#x610F;&#x5473;&#x3057;&#x307E;&#x3059;&#x304B;&#x3002;&#x88AB;&#x9A13;&#x8005;&#x975E;&#x5E38;&#x306B;&#x4E88;&#x6E2C;&#x53EF;&#x80FD;&#x306A;&#x65B9;&#x6CD5;&#x3067;&#x5909;&#x66F4;&#x529B;&#x5B66;&#x74B0;&#x5883;&#x306E;&#x6B63;&#x3057;&#x3044;&#x9069;&#x5FDC;&#x7684;&#x8868;&#x73FE;&#x3092;&#x5F62;&#x6210;&#x3059;&#x308B;&#x304B;&#x3069;&#x3046;&#x304B;&#x3092;&#x8ABF;&#x67FB;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x8A2D;&#x8A08;&#x3055;&#x308C;&#x305F;&#x5B9F;&#x9A13;&#x7D50;&#x679C;&#x3092;&#x5831;&#x544A;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x5B9F;&#x9A13;&#x3067;&#x88AB;&#x9A13;&#x8005;&#x6642;&#x9593;&#x4F9D;&#x5B58;&#x578B;&#x4E0D;&#x7A4F;&#x306A;&#x529B;&#x3092;&#x4F53;&#x9A13;&#x3057;&#x306A;&#x304C;&#x3089; 2&#x6B21;&#x5143;&#x30EF;&#x30FC;&#x30AF;&#x30B9;&#x30DA;&#x30FC;&#x30B9;&#x4E0A;&#x306E;&#x8155;&#x306E;&#x52D5;&#x304D;&#x3092;&#x5B9F;&#x884C;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x6642;&#x523B;&#x306E;&#x8868;&#x73FE;&#x306E;&#x305F;&#x3081;&#x306E;&#x5F62;&#x5F0F;&#x7684;&#x306A;&#x5B9A;&#x7FA9;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x3001;&#x6211;&#x3005; &#x306E;&#x79D1;&#x76EE;&#x304C;&#x3001;&#x6642;&#x523B;&#x306E;&#x8868;&#x73FE;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x30C6;&#x30B9;&#x30C8;&#x6761;&#x4EF6;&#x4E0B;&#x3067;&#x306E;&#x30E2;&#x30FC;&#x30BF;&#x30FC;&#x306E;&#x9069;&#x5FDC;&#x306E;&#x305F;&#x3081;&#x3044;&#x306A;&#x3044;&#x3068;&#x7D50;&#x8AD6;&#x3057;&#x307E;&#x3059;&#x3002;&#x88AB;&#x9A13;&#x8005;&#x3092;&#x884C;&#x3063;&#x305F;&#x8155;&#x8155;&#x306E;&#x5230;&#x9054;&#x904B;&#x52D5;&#x306B;&#x304A;&#x3051;&#x308B;&#x6B21;&#x306E;&#x5B9F;&#x9A13;: (1) &#x516D;&#x3064;&#x306E;&#x5B9F;&#x9A13;&#x3067;&#x6B63;&#x5F26;&#x6CE2;&#x306E;&#x6642;&#x5909;&#x529B;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;;&#xFF08;&#x8907;&#x96D1;&#x306A;&#x72B6;&#x614B;&#x306B;&#x4F9D;&#x5B58;&#x3057;&#x305F;&#x529B;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x306B;&#x3088;&#x3063;&#x3066;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x6570;&#x304C;&#x529B;&#x306E;&#x8FD1;&#x4F3C;&#x306E;&#x305F;&#x3081;&#x8A31;&#x53EF;&#x3055;&#x308C;&#x3066;&#x306E;&#x7C98;&#x6027;&#x529B;&#x5834;&#x3092;&#x4EA4;&#x4E92;&#x306E;&#x9806;&#x5E8F;&#x3092;&#x7C21;&#x5358;&#x306B; 2&#xFF09; &#x516D;&#x3064;&#x306E;&#x5B9F;&#x9A13;;&#x3084; (3) &#x516D;&#x3064;&#x306E;&#x5B9F;&#x9A13;&#x306E;&#x72B6;&#x614B;&#x306B;&#x4F9D;&#x5B58;&#x3057;&#x305F;&#x529B;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x8FD1;&#x4F3C;&#x306A;&#x304B;&#x3063;&#x305F;&#x53EF;&#x80FD;&#x306E;&#x7C98;&#x6027;&#x529B;&#x5834;&#x3092;&#x4EA4;&#x4E92;&#x306E;&#x540C;&#x3058;&#x5358;&#x7D14;&#x306A;&#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9;&#x3002;&#x6211;&#x3005; &#x306F;&#x3001;&#x88AB;&#x9A13;&#x8005;&#x304C;&#x6642;&#x5909;&#x30D5;&#x30A9;&#x30FC;&#x30B9; &#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x306B;&#x5408;&#x308F;&#x305B;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3057;&#x305F;&#x306A;&#x3044;&#x304C;&#x529B;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x306E;&#x5358;&#x7D14;&#x306A;&#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9;&#x306E;&#x9069;&#x5207;&#x306A;&#x8868;&#x73FE;&#x3092;&#x5F62;&#x6210;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x305F;&#x3053;&#x3068;&#x3092;&#x767A;&#x898B;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x5F8C;&#x8005;&#x306E;&#x5834;&#x5408;&#x3001;&#x53EF;&#x80FD;&#x306A;&#x9650;&#x308A;&#x3001;&#x751F;&#x7523;&#x529B;&#x306E; 2 &#x3064;&#x306E;&#x4EA4;&#x4E92;&#x306B;&#x306A;&#x308B;&#x5206;&#x91CE;&#x306B;&#x4F3C;&#x305F;&#x3088;&#x3046;&#x306A;&#x72B6;&#x614B;&#x306B;&#x4F9D;&#x5B58;&#x3059;&#x308B;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x304C; 1 &#x3064;&#x306B;&#x9069;&#x5FDC;&#x3002;&#x3053;&#x306E;&#x72B6;&#x614B;&#x306B;&#x4F9D;&#x5B58;&#x3059;&#x308B;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x540C;&#x3058;&#x529B;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x306E;&#x5FDC;&#x7528;&#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9;&#x3068;&#x3057;&#x3066;&#x306E;&#x307F;&#x8ECC;&#x9053;&#x4E0A;&#x3001;&#x30C8;&#x30EC;&#x30FC;&#x30CB;&#x30F3;&#x30B0; &#x30D5;&#x30A7;&#x30FC;&#x30BA;&#x4E2D;&#x306B;&#x5B9F;&#x884C;&#x3055;&#x308C;&#x308B;&#x305D;&#x306E;&#x79D1;&#x76EE;&#x751F;&#x7523;&#x3002;&#x305F;&#x3060;&#x3057;&#x3001;&#x72B6;&#x614B;&#x4F9D;&#x5B58;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x304C;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x306E;&#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9;&#x306B;&#x3088;&#x3063;&#x3066;&#x751F;&#x6210;&#x8ECC;&#x9053;&#x306E;&#x65B0;&#x3057;&#x3044;&#x30BB;&#x30C3;&#x30C8;&#x3092;&#x6B63;&#x3057;&#x3044;&#x529B;&#x3092;&#x751F;&#x6210;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x4E0D;&#x5341;&#x5206;&#x3060;&#x3063;&#x305F;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x7D50;&#x679C;&#x306F;&#x3001;&#x88AB;&#x9A13;&#x8005;&#x6642;&#x9593;&#x4F9D;&#x5B58;&#x3059;&#x308B;&#x8ECD;&#x306E;&#x6B63;&#x3057;&#x3044;&#x8868;&#x73FE;&#x3067;&#x5C11;&#x306A;&#x304F;&#x3068;&#x3082;&#x30C6;&#x30B9;&#x30C8;&#x306E;&#x72B6;&#x6CC1;&#x4E0B;&#x3067;&#x767A;&#x5C55;&#x3059;&#x308B;&#x3053;&#x3068;&#x4EEE;&#x8AAC;&#x3068;&#x4E00;&#x8CAB;&#x6027;&#x304C;&#x3042;&#x308A;&#x307E;&#x305B;&#x3093;&#x3002;&#x6211;&#x3005; &#x306F;&#x3001;&#x52D5;&#x304D;&#x306B;&#x5916;&#x7684;&#x306A;&#x529B;&#x306E;&#x9069;&#x5FDC;&#x306E;&#x305F;&#x3081;&#x306E;&#x8CAC;&#x4EFB;&#x306E;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x304C;&#x6642;&#x9593;&#x7684;&#x8868;&#x73FE;&#x3092;&#x63A1;&#x7528;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x305B;&#x3093;&#x3092;&#x63A8;&#x6E2C;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x3088;&#x3046;&#x306A;&#x8868;&#x73FE;&#x306F;&#x3088;&#x308A;&#x9577;&#x6642;&#x9593;&#x304A;&#x3088;&#x3073;/&#x307E;&#x305F;&#x306F;&#x9AD8;&#x5F37;&#x5EA6;&#x306E;&#x30C8;&#x30EC;&#x30FC;&#x30CB;&#x30F3;&#x30B0;&#x3067;&#x73FE;&#x308C;&#x308B;&#x3053;&#x3068;&#x304C;&#x3042;&#x308A;&#x307E;&#x3059;&#x53EF;&#x80FD;&#x3067;&#x3059;&#x304C;&#x3001;&#x6642;&#x9593;&#x6642;&#x3067;&#x306F;&#x306A;&#x304F;&#x3001;&#x72B6;&#x614B;&#x306B;&#x5FDC;&#x3058;&#x3066;&#x5916;&#x529B;&#x306E;&#x4F9D;&#x5B58;&#x6027;&#x3092;&#x8868;&#x3059;&#x3092;&#x4E00;&#x822C;&#x5316;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x597D;&#x307F;&#x306B;&#x3088;&#x3063;&#x3066;&#x9069;&#x5FDC;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306B;&#x57FA;&#x3065;&#x3044;&#x3066;&#x6211;&#x3005; &#x306E;&#x8ABF;&#x67FB;&#x7D50;&#x679C;&#x3092;&#x793A;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;

&#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9;&#x3001;&#x6642;&#x9593;&#x3001;&#x307E;&#x305F;&#x306F;&#x72B6;&#x614B;&#x8868;&#x73FE;: &#x3069;&#x306E;&#x3088;&#x3046;&#x306B;&#x30E2;&#x30FC;&#x30BF;&#x30FC;&#x5236;&#x5FA1;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x5909;&#x6570;&#x306E;&#x74B0;&#x5883;&#x306B;&#x9069;&#x5FDC;&#x3055;&#x305B;&#x308B;&#x304B;&#xFF1F;

&#xC798; &#xC6B4;&#xB3D9;&#xC758; &#xAD00;&#xCC30; &#xC2DC;&#xAC04;, &#xAC00;&#xC0C1; &#xC2E0;&#xACBD; &#xD074;&#xB85D;&#xC758; &#xB0B4;&#xBD80; &#xD45C;&#xD604; &#xC77C;&#xBD80;&#xC758; &#xC874;&#xC7AC;&#xB97C; &#xC758;&#xBBF8; &#xD558;&#xB294;&#xAC00;? &#xC5EC;&#xAE30; &#xC6B0;&#xB9AC; &#xACFC;&#xBAA9; &#xB9E4;&#xC6B0; &#xC608;&#xCE21; &#xAC00;&#xB2A5;&#xD55C; &#xBC29;&#xC2DD;&#xC73C;&#xB85C; &#xBCC0;&#xACBD; &#xD558;&#xB294; &#xAE30;&#xACC4;&#xC801; &#xD658;&#xACBD;&#xC5D0; &#xB300; &#xD55C; &#xC62C;&#xBC14;&#xB978; &#xC801;&#xC751; &#xD45C;&#xD604;&#xC744; &#xD615;&#xC131; &#xD558;&#xB294;&#xC9C0; &#xC5EC;&#xBD80;&#xB97C; &#xC870;&#xC0AC; &#xD558;&#xAE30; &#xC704;&#xD574; &#xC124;&#xACC4; &#xB41C; &#xC2E4;&#xD5D8;&#xC758; &#xACB0;&#xACFC; &#xBCF4;&#xACE0;. &#xC774;&#xB7EC;&#xD55C; &#xC2E4;&#xD5D8;&#xC5D0;&#xC11C; &#xACFC;&#xBAA9; &#xC2DC;&#xAC04;&#xC5D0; &#xB530;&#xB978; &#xBC29;&#xD574; &#xC138;&#xB825;&#xC744; &#xACBD;&#xD5D8; &#xD558;&#xBA74;&#xC11C; 2 &#xCC28;&#xC6D0; &#xC791;&#xC5C5; &#xACF5;&#xAC04;&#xC744; &#xD1B5;&#xD574; &#xD314;&#xC758; &#xC6C0;&#xC9C1;&#xC784;&#xC744; &#xC2E4;&#xD589; &#xD558;&#xB3C4;&#xB85D; &#xC694;&#xCCAD; &#xD588;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xC2DC;&#xAC04; &#xD45C;&#xD604;&#xC5D0; &#xB300; &#xD55C; &#xACF5;&#xC2DD;&#xC801;&#xC778; &#xC815;&#xC758; &#xC81C;&#xACF5; &#xD558; &#xACE0; &#xC6B0;&#xB9AC;&#xC758; &#xACFC;&#xBAA9; &#xC2DC;&#xD5D8;&#xB41C; &#xC870;&#xAC74; &#xD558;&#xC5D0;&#xC11C; &#xBAA8;&#xD130; &#xC801;&#xC751;&#xC744; &#xC704;&#xD55C; &#xC2DC;&#xAC04; &#xD45C;&#xC2DC;&#xB97C; &#xC0AC;&#xC6A9; &#xD558;&#xC9C0; &#xC54A;&#xC740; &#xACB0;&#xB860;. &#xC8FC;&#xC81C; &#xB2E4;&#xC74C; &#xC2E4;&#xD5D8;&#xC5D0; &#xD314;&#xC5D0; &#xB3C4;&#xB2EC; &#xC6C0;&#xC9C1;&#xC784; &#xC218;&#xD589;: (1) &#xC815;&#xD604;&#xD30C; &#xC2DC;&#xAC04; &#xB2E4;&#xC591; &#xD55C; &#xD3EC;&#xC2A4; &#xD544;&#xB4DC;; 6 &#xC2E4;&#xD5D8; (&#xAD50;&#xB300;&#xB85C; &#xBC18;&#xBCF5; &#xB418;&#xB294; &#xB300;&#xC0C1;&#xC758; &#xC218; &#xBCF5;&#xD569; &#xC0C1;&#xD0DC; &#xC885;&#xC18D; &#xD3EC;&#xC2A4; &#xD544;&#xB4DC;;&#xC5D0; &#xC758;&#xD574; &#xD798;&#xC758; &#xADFC;&#xC0AC;&#xAC12;&#xC5D0; &#xB300; &#xD55C; &#xD5C8;&#xC6A9; &#xC810;&#xC131; &#xD3EC;&#xC2A4; &#xD544;&#xB4DC;&#xC758; &#xAC04;&#xB2E8;&#xD55C; &#xC21C;&#xC11C;&#xB85C; 2) 6 &#xC2E4;&#xD5D8; (3)&#xC758; &#xB300;&#xCCB4; &#xC5C6;&#xC74C; &#xC0C1;&#xD0DC; &#xC885;&#xC18D; &#xD3EC;&#xC2A4; &#xD544;&#xB4DC; &#xADFC;&#xC0AC; &#xAC00;&#xB2A5; &#xD588;&#xB358; &#xC810;&#xB3C4; &#xD3EC;&#xC2A4; &#xD544;&#xB4DC; &#xAC19;&#xC740; &#xAC04;&#xB2E8;&#xD55C; &#xC21C;&#xC11C;&#xB85C; 6 &#xC2E4;&#xD5D8;. &#xC6B0;&#xB9AC;&#xAC00; &#xBC1C;&#xACAC; &#xACFC;&#xBAA9; &#xD3EC;&#xC2A4; &#xD544;&#xB4DC;&#xB97C; &#xC2DC;&#xAC04; &#xBCC0;&#xD654;&#xC5D0; &#xC801;&#xC751; &#xD558;&#xC9C0; &#xC54A;&#xC740; &#xD798;&#xC758; &#xAC04;&#xB2E8;&#xD55C; &#xC2DC;&#xD000;&#xC2A4;&#xC758; &#xC801;&#xC808; &#xD55C; &#xD45C;&#xD604;&#xC744; &#xD558;&#xC9C0; &#xBABB;&#xD588;&#xC2B5;&#xB2C8;&#xB2E4;. &#xD6C4;&#xC790;&#xC758; &#xACBD;&#xC6B0;&#xC5D0; &#xAC00;&#xB2A5; &#xD558;&#xB2E4; &#xBA74;, &#xADF8;&#xB4E4;&#xC740; &#xC801;&#xC751; &#xB450; &#xBC88;&#xAC08;&#xC544; &#xD544;&#xB4DC;&#xC640; &#xBE44;&#xC2B7;&#xD55C; &#xC138;&#xB825;&#xC744; &#xC0DD;&#xC0B0; &#xD558;&#xB294; &#xB2E8;&#xC77C; &#xC0C1;&#xD0DC; &#xC885;&#xC18D; &#xD544;&#xB4DC;. &#xC774; &#xC0C1;&#xD0DC; &#xC885;&#xC18D; &#xD544;&#xB4DC; &#xD2B8;&#xB808;&#xC774;&#xB2DD; &#xB2E8;&#xACC4; &#xC911;&#xC5D0; &#xC2E4;&#xD589; &#xB418;&#xB294; &#xACFC;&#xBAA9; &#xADA4;&#xC801;&#xC744; &#xD1B5;&#xD574;&#xC11C;&#xB9CC; &#xD544;&#xB4DC; &#xC801;&#xC6A9; &#xB41C; &#xC2DC;&#xD000;&#xC2A4;&#xB85C; &#xB3D9;&#xC77C;&#xD55C; &#xC138;&#xB825;&#xC744; &#xC0DD;&#xC0B0;. &#xADF8;&#xB7EC;&#xB098;, &#xC0C1;&#xD0DC; &#xC885;&#xC18D; &#xD544;&#xB4DC; &#xADA4;&#xC801;&#xC758; &#xC0C8;&#xB85C;&#xC6B4; &#xC9D1;&#xD569;&#xC5D0; &#xB300;&#xD574; &#xD544;&#xB4DC; &#xC21C;&#xC11C;&#xC5D0; &#xC758;&#xD574; &#xC0DD;&#xC131; &#xB41C; &#xC815;&#xD655;&#xD55C; &#xD798;&#xC744; &#xC0DD;&#xC0B0; &#xD558;&#xAE30; &#xC704;&#xD574; &#xCDA9;&#xBD84; &#xD55C; &#xB418;&#xC9C0; &#xC54A;&#xC558;&#xC2B5;&#xB2C8;&#xB2E4;.&#xC774;&#xB7EC;&#xD55C; &#xACB0;&#xACFC; &#xACFC;&#xBAA9; &#xAC1C;&#xBC1C; &#xD558;&#xB294; &#xAC83; &#xC2DC;&#xAC04;&#xC5D0; &#xB530;&#xB978; &#xD798;&#xC758; &#xC62C;&#xBC14;&#xB978; &#xD45C;&#xD604;&#xC744; &#xC801;&#xC5B4;&#xB3C4; &#xD14C;&#xC2A4;&#xD2B8; &#xAC70;&#xCE5C;&#xB41C; &#xC0C1;&#xD669;&#xC5D0;&#xC11C; &#xAC00;&#xC124;&#xACFC; &#xC77C;&#xCE58; &#xD558;&#xC9C0; &#xC54A;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xC678;&#xBD80; &#xC138;&#xB825;&#xC758; &#xC6C0;&#xC9C1;&#xC784;&#xC758; &#xC801;&#xC751;&#xC5D0; &#xB300; &#xD55C; &#xCC45;&#xC784; &#xC2DC;&#xC2A4;&#xD15C; &#xC2DC;&#xAC04; &#xD45C;&#xD604;&#xC744; &#xC0AC;&#xC6A9;&#xD560; &#xC218; &#xC788;&#xC744; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4; &#xCD94;&#xCE21; &#xD558;&#xACE0;&#xC788;&#xB2E4;. &#xAC19;&#xC740; &#xD45C;&#xD604;&#xC744; &#xB354; &#xC7A5;&#xAE30;&#xAC04; &#xB610;&#xB294; &#xAC15;&#xB82C;&#xD55C; &#xD6C8;&#xB828;&#xC5D0; &#xB098;&#xD0C0;&#xB0A0; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4; &#xC788;&#xC9C0;&#xB9CC; &#xC6B0;&#xB9AC;&#xC758; &#xC5F0;&#xAD6C; &#xACB0;&#xACFC;&#xB97C; &#xC77C;&#xBC18;&#xD654; &#xC801;&#xC751;&#xD615; &#xC2DC;&#xC2A4;&#xD15C;&#xC5D0; &#xC758;&#xD574; &#xAE30;&#xBCF8; &#xC124;&#xC815; &#xC0C1;&#xD0DC;&#xC5D0; &#xB530;&#xB77C; &#xBCF4;&#xB2E4;&#xB294; &#xC2DC;&#xAC04;&#xC5D0; &#xB530;&#xB77C; &#xC678;&#xBD80; &#xC138;&#xB825;&#xC758; &#xC758;&#xC874;&#xB3C4; &#xB098;&#xD0C0;&#xB0B4;&#xB294; &#xAE30;&#xBC18; &#xB098;&#xD0C0;&#xB0C5;&#xB2C8;&#xB2E4;.

&#xC21C;&#xC11C;, &#xC2DC;&#xAC04; &#xB610;&#xB294; &#xC0C1;&#xD0DC; &#xD45C;&#xC2DC;: &#xBAA8;&#xD130; &#xC81C;&#xC5B4; &#xC2DC;&#xC2A4;&#xD15C; &#xC5B4;&#xB5BB;&#xAC8C; &#xAC00;&#xBCC0; &#xD658;&#xACBD;&#xC5D0; &#xC801;&#xC751;?

&iquest;La observaci&oacute;n de los movimientos oportunas implica la existencia de alguna representaci&oacute;n interna del tiempo, como un reloj neural hipot&eacute;tico? Presentamos los resultados de experimentos dise&ntilde;ados para investigar si los sujetos forman una correcta representaci&oacute;n adaptable de mec&aacute;nicas entornos que cambian de manera muy predecible. En estos experimentos, pidieron a personas para ejecutar movimientos de brazos sobre un espacio bidimensional de trabajo mientras se experimentan fuerzas perturbadoras time-dependent. Ofrecemos una definici&oacute;n formal de representaci&oacute;n temporal y concluir que nuestros temas no utilizan representaci&oacute;n de tiempo para la adaptaci&oacute;n de motor en las condiciones de pruebas. Temas realizaron movimientos de brazo alcance en los experimentos siguientes: (1) seis experimentos en un sinusoidal campo de fuerza var&iacute;an con el tiempo; (2) seis experimentos en una secuencia simple de alternos viscosos campos de fuerza, en el que el n&uacute;mero de objetivos permiti&oacute; la aproximaci&oacute;n de la fuerza por un campo de fuerza estado-dependiente complejo; y (3) seis experimentos en la misma secuencia simple alternancia de campos de fuerza viscosos, en la cual ninguna aproximaci&oacute;n estado-dependiente campo de fuerza era posible. Encontramos que los sujetos no adaptarse al campo de fuerza var&iacute;an con el tiempo y no pudieron formar una representaci&oacute;n adecuada de la simple secuencia de campos de fuerza. En este &uacute;ltimo caso, en la medida de lo posible, se adaptaron a un solo campo de estado dependiente que producen fuerzas similares a los dos campos que se alternan. Este campo Estado-dependiente producido las mismas fuerzas como una secuencia de campos aplicada solamente sobre las trayectorias sujetos ejecutados durante la fase de entrenamiento. Sin embargo, el campo de estado dependiente era insuficiente para producir las correctas fuerzas generadas por la secuencia de campo sobre un nuevo conjunto de trayectorias.Estos resultados no son consistentes con la hip&oacute;tesis de que temas desarrollar&iacute;a una correcta representaci&oacute;n de las fuerzas dependientes del tiempo, al menos en las circunstancias probadas. Especulamos que el sistema responsable de la adaptaci&oacute;n de movimientos de fuerzas externas puede ser incapaces de emplear la representaci&oacute;n temporal. Si bien es posible que una representaci&oacute;n tan puede surgir en un entrenamiento m&aacute;s prolongado y/o intenso, nuestros resultados indican una preferencia por el sistema adaptativo para generalizar basado en la representaci&oacute;n de la dependencia de las fuerzas externas al estado y no en el tiempo.

Secuencia, tiempo o la representaci&oacute;n del estado: &iquest;c&oacute;mo se adapta el sistema de control del motor para entornos variables?

&#x8FD9;&#x9879;&#x5DE5;&#x4F5C;&#x7684;&#x76EE;&#x6807;&#x662F;&#x4E86;&#x89E3;&#x5982;&#x4F55;&#x795E;&#x7ECF;&#x7EC4;&#x7EC7;&#x53EF;&#x4EE5;&#x6D3E;&#x4F60;&#x6765;&#x6267;&#x884C;&#x9884;&#x5B9A;&#x7684;&#x529F;&#x80FD;&#x3002;&#x6211;&#x4EEC;&#x5F00;&#x53D1;&#x4E86;&#x4E00;&#x79CD;&#x7814;&#x7A76;&#x5DE5;&#x5177;&#xFF0C;&#x5728;&#x4E00;&#x4E2A;&#x5C01;&#x95ED;&#x7684;&#x5FAA;&#x73AF;&#x4E2D;&#x5305;&#x62EC; lamprey &#x548C;&#x76F8;&#x4E92;&#x8054;&#x7CFB;&#x7684;&#x4E24;&#x8F6E;&#x673A;&#x5668;&#x4EBA;&#x7684;&#x8111;&#x5E72;&#x3002;&#x6211;&#x4EEC;&#x5728;&#x8FD9;&#x91CC;&#x62A5;&#x544A;&#x6846;&#x67B6;&#x7814;&#x7A76;&#x52A8;&#x6001;&#x7684;&#x57FA;&#x7840;&#x4E0E;&#x673A;&#x5668;&#x4EBA;&#x8FD9;&#x79CD;&#x7EC4;&#x7EC7;&#x7684;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x7684;&#x795E;&#x7ECF;&#x7EC4;&#x7EC7;&#x7684;&#x53D1;&#x5C55;&#x3002;

&#x6DF7;&#x5408; neurorobotic &#x7CFB;&#x7EDF;&#x7684;&#x52A8;&#x6001;&#x7EF4;&#x5EA6;&#x3002;

The goal of this work is to understand how neural tissue can be programed to execute predetermined functions. We developed a research tool that includes the brainstem of a lamprey and a two-wheeled robot interconnected in a closed loop. We report here the development of a framework for studying the dynamics of the neural tissue based on the interaction of this tissue with the robot.

Dynamical dimension of a hybrid neurorobotic system.

L&#39;objectif de ce travail est de comprendre les tissus nerveux comment peut &ecirc;tre programm&eacute; pour ex&eacute;cuter des fonctions pr&eacute;d&eacute;termin&eacute;es. Nous avons d&eacute;velopp&eacute; un outil de recherche qui comprend le tronc c&eacute;r&eacute;bral d&#39;une lamproie et un robot &agrave; deux roues interconnect&eacute;s en circuit ferm&eacute;. Nous rapportons ici l&#39;&eacute;laboration d&#39;un cadre pour l&#39;&eacute;tude de la dynamique du tissu neural bas&eacute;e sur l&#39;interaction de ce tissu avec le robot.

Dimension dynamique d&#39;un syst&egrave;me hybride de neurorobotic.

Dynamische Dimension eines Hybrid-System neurorobotic.

L&#39;obiettivo di questo lavoro &egrave; quello di capire come tessuto possono essere programmati per eseguire funzioni predeterminate. Abbiamo sviluppato uno strumento di ricerca che include il tronco encefalico di una lampreda e un robot a due ruote interconnesse in un circuito chiuso. Riportiamo qui lo sviluppo di un quadro per studiare la dinamica del tessuto neurale basata sull&#39;interazione di questo tessuto con il robot.

Dimensione dinamica di un sistema ibrido a neurorobotic.

&#x3053;&#x306E;&#x4F5C;&#x696D;&#x306E;&#x76EE;&#x7684;&#x306F;&#x3069;&#x306E;&#x3088;&#x3046;&#x306B;&#x795E;&#x7D4C;&#x7D44;&#x7E54;&#x3092;&#x7406;&#x89E3;&#x3059;&#x308B;&#x3053;&#x3068;&#x3067;&#x3059;&#x6240;&#x5B9A;&#x306E;&#x6A5F;&#x80FD;&#x3092;&#x5B9F;&#x884C;&#x3059;&#x308B;&#x30D7;&#x30ED;&#x30B0;&#x30E9;&#x30E0;&#x306B;&#x5B66;&#x7FD2;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x30AF;&#x30ED;&#x30FC;&#x30BA;&#x30C9; &#x30EB;&#x30FC;&#x30D7; &#x30E4;&#x30C4;&#x30E1;&#x30A6;&#x30CA;&#x30AE;&#x3068;&#x76F8;&#x4E92;&#x63A5;&#x7D9A;&#x3055;&#x308C;&#x3066; 2 &#x8F2A;&#x30ED;&#x30DC;&#x30C3;&#x30C8;&#x306E;&#x8133;&#x5E79;&#x3092;&#x542B;&#x3080;&#x7814;&#x7A76;&#x30C4;&#x30FC;&#x30EB;&#x3092;&#x958B;&#x767A;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x3053;&#x3053;&#x3067;&#x30ED;&#x30DC;&#x30C3;&#x30C8;&#x3068;&#x3053;&#x306E;&#x7D44;&#x7E54;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x306B;&#x57FA;&#x3065;&#x304F;&#x795E;&#x7D4C;&#x7D44;&#x7E54;&#x306E;&#x30C0;&#x30A4;&#x30CA;&#x30DF;&#x30AF;&#x30B9;&#x3092;&#x52C9;&#x5F37;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x30D5;&#x30EC;&#x30FC;&#x30E0;&#x30EF;&#x30FC;&#x30AF;&#x306E;&#x958B;&#x767A;&#x3092;&#x5831;&#x544A;&#x3057;&#x307E;&#x3059;&#x3002;

&#x52D5;&#x7684;&#x30C7;&#x30A3;&#x30E1;&#x30F3;&#x30B7;&#x30E7;&#x30F3; &#x30CF;&#x30A4;&#x30D6;&#x30EA;&#x30C3;&#x30C9; neurorobotic &#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x3002;

&#xC774; &#xC791;&#xC5C5;&#xC758; &#xBAA9;&#xC801;&#xC740; &#xC5B4;&#xB5BB;&#xAC8C; &#xC2E0;&#xACBD; &#xC870;&#xC9C1;&#xC744; &#xC774;&#xD574; &#xBBF8;&#xB9AC; &#xC815;&#xD574;&#xC9C4;&#xB41C; &#xAE30;&#xB2A5;&#xC744; &#xC2E4;&#xD589;&#xD560; &#xD504;&#xB85C;&#xADF8;&#xB7A8; &#xB420; &#xC218; &#xC788;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xB2EB;&#xD78C; &#xB8E8;&#xD504;&#xC5D0;&#xC11C;&#xB97C; &#xC2EC;&#xACE0;&#xC640; &#xC0C1;&#xD638; &#xC5F0;&#xACB0; &#xD558;&#xB294; 2 &#xB95C; &#xB85C;&#xBD07; brainstem&#xC744; &#xD3EC;&#xD568; &#xD558;&#xB294; &#xC5F0;&#xAD6C; &#xB3C4;&#xAD6C; &#xAC1C;&#xBC1C;. &#xC6B0;&#xB9AC; &#xBCF4;&#xACE0; &#xC5EC;&#xAE30; &#xB85C;&#xBD07;&#xC774;&#xC774; &#xC870;&#xC9C1;&#xC758; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC5D0; &#xB530;&#xB77C; &#xC2E0;&#xACBD; &#xC870;&#xC9C1;&#xC758; &#xC5ED;&#xD559; &#xACF5;&#xBD80;&#xB97C; &#xC704;&#xD55C; &#xD504;&#xB808;&#xC784; &#xC6CC;&#xD06C; &#xAC1C;&#xBC1C;.

&#xD558;&#xC774;&#xBE0C;&#xB9AC;&#xB4DC; neurorobotic &#xC2DC;&#xC2A4;&#xD15C;&#xC758; &#xB3D9;&#xC801; &#xCC28;&#xC6D0;&#xC785;&#xB2C8;&#xB2E4;.

El objetivo de este trabajo es comprender c&oacute;mo neural tejido puede ser programado para ejecutar las funciones predeterminadas. Hemos desarrollado una herramienta de investigaci&oacute;n que incluye el m&eacute;dula oblonga de una lamprea y un robot de dos ruedas conectadas entre s&iacute; en un circuito cerrado. Se presenta aqu&iacute; el desarrollo de un marco para el estudio de la din&aacute;mica del tejido neural basado en la interacci&oacute;n de este tejido con el robot.

Dimensi&oacute;n din&aacute;mica de un sistema h&iacute;brido de neurorobotic.

&#x5F53;&#x5927;&#x8111;&#x4E0E;&#x73AF;&#x5883;&#x4EA4;&#x4E92;&#x65F6;&#x5B83;&#x4E0D;&#x65AD;&#x8868;&#x793A;&#x5728;&#x7A97;&#x4F53;&#x4E2D;&#x8C03;&#x7528;&#x5185;&#x90E8;&#x6A21;&#x578B;&#x73AF;&#x5883;&#x624D;&#x80FD;&#x9002;&#x5E94;&#x3002;&#x5185;&#x90E8;&#x6A21;&#x578B;&#x7684;&#x795E;&#x7ECF;&#x751F;&#x7269;&#x5B66;&#x57FA;&#x7840;&#x662F;&#x7531;&#x8FDE;&#x63A5;&#x548C;&#x795E;&#x7ECF;&#x5143;&#x7684;&#x52A8;&#x529B;&#x5B66;&#x6027;&#x8D28;&#x3002;&#x56E0;&#x6B64;&#xFF0C;&#x795E;&#x7ECF;&#x7EC4;&#x7EC7;&#x548C;&#x5916;&#x90E8;&#x8BBE;&#x5907;&#x4E4B;&#x95F4;&#x7684;&#x4EA4;&#x4E92;&#x4E3A;&#x8C03;&#x67E5;&#x7684;&#x8FDE;&#x901A;&#x6027;&#x548C;&#x52A8;&#x529B;&#x6027;&#x80FD;&#x7684;&#x795E;&#x7ECF;&#x4EBA;&#x53E3;&#x63D0;&#x4F9B;&#x57FA;&#x672C;&#x7684;&#x4E00;&#x79CD;&#x624B;&#x6BB5;&#x3002;&#x6211;&#x4EEC;&#x5236;&#x5B9A;&#x4E86;&#x8FD9;&#x4E00;&#x60F3;&#x6CD5;&#xFF0C;&#x8C03;&#x67E5;&#x548C;&#x4EE3;&#x8868; lamprey &#x8111;&#x5E72;&#x795E;&#x7ECF;&#x5143;&#x79CD;&#x7FA4;&#x7684;&#x52A8;&#x529B;&#x5B66;&#x884C;&#x4E3A;&#x534E;&#x4F26;&#x5929;&#x5974;&#x5E03;&#x8D56;&#x6ED5;&#x8D1D;&#x683C;&#x4E0A;, &#x4E16;&#x7EAA; 80 &#x5E74;&#x4EE3;&#x63D0;&#x51FA;&#x3002;&#x8111;&#x5E72;&#x7EF4;&#x6301;&#x4F53;&#x5916;&#x548C;&#x8FDE;&#x63A5;&#x5728;&#x5C01;&#x95ED;&#x5FAA;&#x73AF;&#x4E2D;&#x4F7F;&#x7528;&#x4E24;&#x79CD;&#x7C7B;&#x578B;&#x7684;&#x4EBA;&#x5DE5;&#x8BBE;&#x5907;&#xFF1A; (a) &#x6A21;&#x62DF;&#x7684;&#x52A8;&#x529B;&#x7CFB;&#x7EDF;&#x548C; (b) &#x4E00;&#x4E2A;&#x5C0F;&#x578B;&#x7684;&#x79FB;&#x52A8;&#x673A;&#x5668;&#x4EBA;&#x3002;&#x5728;&#x8FD9;&#x4E24;&#x79CD;&#x60C5;&#x51B5;&#x4E0B;&#xFF0C;&#x8BE5;&#x8BBE;&#x5907;&#x7531;&#x8BB0;&#x5F55;&#x80DE;&#x5916;&#x4FE1;&#x53F7;&#x63A7;&#x5236;&#xFF0C;&#x5176;&#x8F93;&#x51FA;&#x7ED3;&#x679C;&#x88AB;&#x7FFB;&#x8BD1;&#x6210;&#x4F20;&#x9001;&#x5230;&#x7CFB;&#x7EDF;&#x795E;&#x7ECF;&#x7535;&#x523A;&#x6FC0;&#x3002;&#x7B2C;&#x4E00;&#x9879;&#x7814;&#x7A76;&#x7684;&#x76EE;&#x6807;&#x662F;&#x4F30;&#x8BA1;&#x7684;&#x52A8;&#x6001;&#x7EF4;&#x5EA6;&#x7684;&#x795E;&#x7ECF;&#x5236;&#x5907;&#x5355;&#x8F93;&#x5165;&#x5355;&#x8F93;&#x51FA;&#x914D;&#x7F6E;&#x4E2D;&#x3002;&#x52A8;&#x6001;&#x7EF4;&#x5EA6;&#x662F;&#xFF0C;&#x4EE5;&#x53CA;&#x5E94;&#x7528;&#x8F93;&#x5165;&#x786E;&#x5B9A;&#x7CFB;&#x7EDF;&#x7684;&#x8F93;&#x51FA;&#x72B6;&#x6001;&#x53D8;&#x91CF;&#x7684;&#x6570;&#x76EE;&#x3002;&#x7ED3;&#x679C;&#x8868;&#x660E;&#x867D;&#x7136;&#x6B64;&#x795E;&#x7ECF;&#x7CFB;&#x7EDF;&#x5177;&#x6709;&#x663E;&#x8457;&#x7684;&#x52A8;&#x529B;&#x5B66;&#x6027;&#x8D28;&#xFF0C;&#x5176;&#x6709;&#x6548;&#x7684;&#x590D;&#x6742;&#x6027;&#xFF0C;&#x6240;&#x786E;&#x5B9A;&#x7684;&#x52A8;&#x529B;&#x7EF4;&#x5EA6;&#xFF0C;&#x662F;&#x76F8;&#x5F53;&#x6E29;&#x548C;&#x3002;&#x5728;&#x7B2C;&#x4E8C;&#x6B21;&#x7814;&#x7A76;&#xFF0C;&#x6211;&#x4EEC;&#x8BA4;&#x4E3A;&#x66F4;&#x5177;&#x4F53;&#x7684;&#x60C5;&#x51B5;&#xFF0C;&#x5728;&#x5176;&#x4E2D;&#x7684;&#x76F8;&#x540C;&#x90E8;&#x5206;&#x7684;&#x4E2D;&#x67A2;&#x795E;&#x7ECF;&#x7CFB;&#x7EDF;&#x63A7;&#x5236;&#x4E24;&#x4E2A;&#x8F93;&#x5165;&#x4E24;&#x4E2A;&#x8F93;&#x51FA;&#x914D;&#x7F6E;&#x4E2D;&#x7684;&#x673A;&#x5668;&#x4EBA;&#x8BBE;&#x5907;&#x3002;&#x6211;&#x4EEC;&#x4ECE;&#x795E;&#x7ECF;&#x673A;&#x5668;&#x4EBA;&#x7684;&#x51C6;&#x5907;&#x5230;&#x795E;&#x7ECF;&#x7F51;&#x7EDC;&#x6A21;&#x578B;&#x5177;&#x6709;&#x4E0D;&#x540C;&#x7684;&#x5185;&#x90E8;&#x52A8;&#x6001;&#x7684;&#x8F93;&#x5165;&#x8F93;&#x51FA;&#x6570;&#x636E;&#xFF0C;&#x6211;&#x4EEC;&#x89C2;&#x5BDF;&#x5230;&#x7684;&#x6BCF;&#x4E2A;&#x6A21;&#x578B;&#x7684;&#x6CDB;&#x5316;&#x8BEF;&#x5DEE;&#x3002;&#x7B26;&#x5408;&#x7B2C;&#x4E00;&#x9879;&#x7814;&#x7A76;&#xFF0C;&#x8FD9;&#x7B2C;&#x4E8C;&#x6B21;&#x8BD5;&#x9A8C;&#x8868;&#x660E;&#x4E00;&#x4E2A;&#x7B80;&#x5355;&#x7684;&#x7ECF;&#x5E38;&#x6027;&#x52A8;&#x529B;&#x6A21;&#x578B;&#x80FD;&#x591F;&#x6355;&#x83B7;&#x6DF7;&#x5408;&#x52A8;&#x529B;&#x7CFB;&#x7EDF;&#x7684;&#x884C;&#x4E3A;&#x3002;&#x8FD9;&#x79CD;&#x5B9E;&#x9A8C;&#x548C;&#x8BA1;&#x7B97;&#x6846;&#x67B6;&#x63D0;&#x4F9B;&#x4E86;&#x624B;&#x6BB5;&#x8C03;&#x67E5;&#x795E;&#x7ECF;&#x53EF;&#x5851;&#x6027;&#x548C;&#x8111;-&#x673A;&#x63A5;&#x53E3;&#x5728;&#x8303;&#x56F4;&#x5185;&#x7684;&#x5185;&#x90E8;&#x8868;&#x793A;&#x5F62;&#x5F0F;&#x3002;

&#x4F53;&#x5916;&#x7684;&#x8BA1;&#x7B97;&#x5206;&#x6790;&#xFF1A; &#x52A8;&#x6001;&#x548C;&#x795E;&#x7ECF;&#x673A;&#x5668;&#x4EBA;&#x7CFB;&#x7EDF;&#x7684;&#x53EF;&#x5851;&#x6027;&#x3002;

When the brain interacts with the environment it constantly adapts by representing the environment in a form that is called an internal model. The neurobiological basis for internal models is provided by the connectivity and the dynamical properties of neurons. Thus, the interactions between neural tissues and external devices provide a fundamental means for investigating the connectivity and dynamical properties of neural populations. We developed this idea, suggested in the 1980s by Valentino Braitenberg, for investigating and representing the dynamical behavior of neuronal populations in the brainstem of the lamprey. The brainstem was maintained in vitro and connected in a closed loop with two types of artificial device: (a) a simulated dynamical system and (b) a small mobile robot. In both cases, the device was controlled by recorded extracellular signals and its output was translated into electrical stimuli delivered to the neural system. The goal of the first study was to estimate the dynamical dimension of neural preparation in a single-input/single-output configuration. The dynamical dimension is the number of state variables that together with the applied input determine the output of a system. The results indicate that while this neural system has significant dynamical properties, its effective complexity, as established by the dynamical dimension, is rather moderate. In the second study, we considered a more specific situation, in which the same portion of the nervous system controls a robotic device in a two-input/two-output configuration. We fitted the input-output data from the neuro-robotic preparation to neural network models having different internal dynamics and we observed the generalization error of each model. Consistent with the first study, this second experiment showed that a simple recurrent dynamical model was able to capture the behavior of the hybrid system. This experimental and computational framework provides the means for investigating neural plasticity and internal representations in the context of brain-machine interfaces.

Computational analysis in vitro: dynamics and plasticity of a neuro-robotic system.

Quand le cerveau interagit avec l&#39;environnement il s&#39;adapte en permanence en repr&eacute;sentant l&#39;environnement sous une forme qui est appel&eacute;e un mod&egrave;le interne. Le fondement neurobiologique des mod&egrave;les internes est fourni par la connectivit&eacute; et les propri&eacute;t&eacute;s dynamiques des neurones. Ainsi, les interactions entre les p&eacute;riph&eacute;riques externes et les tissus nerveux constituent un moyen fondamental pour enqu&ecirc;ter sur la connectivit&eacute; et les propri&eacute;t&eacute;s dynamiques des populations neuronales. Nous avons d&eacute;velopp&eacute; cette id&eacute;e, propos&eacute;e dans les ann&eacute;es 1980 par Valentino Braitenberg, d&#39;enqu&ecirc;ter et de repr&eacute;senter le comportement dynamique des populations neuronales dans le tronc c&eacute;r&eacute;bral de la lamproie. Le tronc c&eacute;r&eacute;bral a &eacute;t&eacute; maintenu in vitro et connect&eacute;s en boucle ferm&eacute;e avec deux types de dispositif artificiel: (a) un syst&egrave;me dynamique simul&eacute; et (b) un petit robot mobile. Dans les deux cas, l&#39;appareil a &eacute;t&eacute; contr&ocirc;l&eacute; par des signaux extracellulaires enregistr&eacute;s et sa production a &eacute;t&eacute; traduite en stimuli &eacute;lectriques remis au syst&egrave;me nerveux. L&#39;objectif de la premi&egrave;re &eacute;tude &eacute;tait d&#39;estimer la dimension dynamique de pr&eacute;paration neurale dans une configuration simple-entr&eacute;e/sortie unique. La dimension dynamique est le nombre de variables d&#39;&Eacute;tat qui, avec l&#39;entr&eacute;e appliqu&eacute;e, d&eacute;terminer la sortie d&#39;un syst&egrave;me. Les r&eacute;sultats indiquent que bien que ce syst&egrave;me neural a des propri&eacute;t&eacute;s dynamiques, sa complexit&eacute; apparente, telle qu&#39;&eacute;tablie par la dimension dynamique, est plut&ocirc;t mod&eacute;r&eacute;e. Dans la seconde &eacute;tude, nous avons consid&eacute;r&eacute; une situation plus sp&eacute;cifique, dans lequel la m&ecirc;me portion du syst&egrave;me nerveux contr&ocirc;le un appareil robotis&eacute; dans une configuration &agrave; deux entr&eacute;es/2 sorties. Nous avons &eacute;quip&eacute; les donn&eacute;es entr&eacute;es-sorties de la neuro-robotique pr&eacute;paration aux mod&egrave;les de r&eacute;seau neuronal ayant diff&eacute;rentes dynamiques internes et nous avons constat&eacute; l&#39;erreur de g&eacute;n&eacute;ralisation de chaque mod&egrave;le. Conform&eacute;ment &agrave; la premi&egrave;re &eacute;tude, cette deuxi&egrave;me exp&eacute;rience a montr&eacute; qu&#39;un simple mod&egrave;le dynamique r&eacute;current a pu capturer le comportement du syst&egrave;me hybride. Ce cadre exp&eacute;rimental et de calcul fournit les moyens d&#39;enqu&ecirc;ter sur la plasticit&eacute; neuronale et des repr&eacute;sentations internes dans le contexte des interfaces cerveau-machine.

Computational analysis in vitro : dynamique et la plasticit&eacute; d&#39;un syst&egrave;me neuro-robotique.

Computational In-vitro-Analyse: Dynamik und Plastizit&#xE4;t eines Neuro-Robot-System.

Quando il cervello interagisce con l&#39;ambiente si adatta costantemente da che rappresenta l&#39;ambiente in una forma che &egrave; chiamata un modello interno. Le basi neurobiologiche per modelli interni sono fornita dalla connettivit&agrave; e le propriet&agrave; dinamiche dei neuroni. Cos&igrave;, le interazioni tra tessuti neurali e dispositivi esterni forniscono un mezzo fondamentale per indagare la connettivit&agrave; e la propriet&agrave; dinamiche delle popolazioni neurali. Abbiamo sviluppato questa idea, suggerita nel 1980 da Valentino Braitenberg, per indagare e rappresentare il comportamento dinamico di popolazioni neuronali nel tronco encefalico della lampreda. Il tronco encefalico &egrave; stato mantenuto in vitro e collegati in un circuito chiuso con due tipi di dispositivo artificiale: (a) un sistema dinamico simulato e (b) un piccolo robot mobile. In entrambi i casi, il dispositivo &egrave; stato controllato da segnali extracellulari registrati e l&#39;output &egrave; stato tradotto in stimoli elettrici consegnati al sistema neurale. L&#39;obiettivo del primo studio era di stimare la dimensione dinamica della preparazione neurale in configurazione single-input / output singolo. La dimensione dinamica &egrave; il numero di variabili di stato che, insieme con l&#39;ingresso applicato, determinare l&#39;output di un sistema. I risultati indicano che, mentre questo sistema neurale ha notevoli propriet&agrave; dinamiche, la sua complessit&agrave; efficace, come stabilito dalla dimensione dinamica, &egrave; piuttosto moderata. Nel secondo studio, abbiamo considerato una situazione pi&ugrave; specifica, in cui la stessa porzione del sistema nervoso controlla un dispositivo robotizzato in una configurazione a due input/2 output. Abbiamo montato i dati di input-output dalla preparazione neuro-robotica per modelli di rete neurale avendo diverse dinamiche interne e abbiamo osservato l&#39;errore di generalizzazione di ogni modello. Coerente con il primo studio, questo secondo esperimento ha dimostrato che un semplice modello dinamico ricorrente era in grado di catturare il comportamento del sistema ibrido. Questo quadro sperimentale e computazionale fornisce i mezzi per indagare la plasticit&agrave; neurale e rappresentazioni interne nel contesto delle interfacce cervello-macchina.

Analisi computazionale in vitro: dinamiche e plasticit&agrave; del sistema neuro-robotico.

&#x8133;&#x306F;&#x74B0;&#x5883;&#x3068;&#x5BFE;&#x8A71;&#x3059;&#x308B;&#x3068;&#x304D;&#x305D;&#x308C;&#x306F;&#x5E38;&#x306B;&#x5185;&#x90E8;&#x30E2;&#x30C7;&#x30EB;&#x3068;&#x547C;&#x3070;&#x308C;&#x308B;&#x5F62;&#x3067;&#x74B0;&#x5883;&#x3092;&#x8868;&#x3059;&#x9069;&#x5FDC;&#x3057;&#x307E;&#x3059;&#x3002;&#x5185;&#x90E8;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x305F;&#x3081;&#x306E;&#x795E;&#x7D4C;&#x751F;&#x7269;&#x5B66;&#x306E;&#x57FA;&#x790E;&#x306F;&#x3001;&#x63A5;&#x7D9A;&#x3068;&#x30CB;&#x30E5;&#x30FC;&#x30ED;&#x30F3;&#x306E;&#x52D5;&#x7684;&#x6027;&#x8CEA;&#x306B;&#x3088;&#x3063;&#x3066;&#x63D0;&#x4F9B;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x3057;&#x305F;&#x304C;&#x3063;&#x3066;&#x3001;&#x795E;&#x7D4C;&#x7D44;&#x7E54;&#x3068;&#x5916;&#x90E8;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x9593;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x306F;&#x63A5;&#x7D9A;&#x3068;&#x795E;&#x7D4C;&#x96C6;&#x56E3;&#x306E;&#x52D5;&#x7684;&#x6027;&#x8CEA;&#x3092;&#x8ABF;&#x67FB;&#x3059;&#x308B;&#x305F;&#x3081;&#x57FA;&#x672C;&#x7684;&#x306A;&#x624B;&#x6BB5;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059;&#x3002;1980 &#x5E74;&#x4EE3;&#x306B;&#x30D0;&#x30EC;&#x30F3;&#x30C6;&#x30A3;&#x30FC;&#x30CE; &#x30FB; Braitenberg &#x306B;&#x3088;&#x308B;&#x8ABF;&#x67FB;&#x3068;&#x8133;&#x5E79;&#x30E4;&#x30C4;&#x30E1;&#x30A6;&#x30CA;&#x30AE;&#x306E;&#x795E;&#x7D4C;&#x7D30;&#x80DE;&#x96C6;&#x56E3;&#x306E;&#x52D5;&#x7684;&#x6319;&#x52D5;&#x3092;&#x8868;&#x3059;&#x793A;&#x5506;&#x3053;&#x306E;&#x30A2;&#x30A4;&#x30C7;&#x30A2;&#x3092;&#x958B;&#x767A;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x8133;&#x5E79;&#x306F;&#x3001;in vitro &#x304A;&#x3088;&#x3073;&#x4EBA;&#x5DE5;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x306E; 2 &#x7A2E;&#x985E;&#x306E;&#x9589;&#x3058;&#x305F;&#x30EB;&#x30FC;&#x30D7;&#x3067;&#x63A5;&#x7D9A;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B;&#x7DAD;&#x6301;&#x3055;&#x308C;&#x305F;: (a) &#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30C8;&#x3055;&#x308C;&#x305F;&#x529B;&#x5B66;&#x7CFB;&#x3068; &#xFF08;b&#xFF09; &#x306F;&#x3001;&#x5C0F;&#x578B;&#x306E;&#x30E2;&#x30D0;&#x30A4;&#x30EB; &#x30ED;&#x30DC;&#x30C3;&#x30C8;&#x3002;&#x3069;&#x3061;&#x3089;&#x306E;&#x5834;&#x5408;&#x3082;&#x3001;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x8A18;&#x9332;&#x3055;&#x308C;&#x305F;&#x7D30;&#x80DE;&#x5916;&#x306E;&#x30B7;&#x30B0;&#x30CA;&#x30EB;&#x306B;&#x3088;&#x3063;&#x3066;&#x5236;&#x5FA1;&#x3055;&#x308C;&#x3066;&#x3044;&#x305F;&#x3057;&#x3001;&#x305D;&#x306E;&#x51FA;&#x529B;&#x30CB;&#x30E5;&#x30FC;&#x30E9;&#x30EB; &#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x3078;&#x914D;&#x4FE1;&#x96FB;&#x6C17;&#x523A;&#x6FC0;&#x306B;&#x7FFB;&#x8A33;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;&#x6700;&#x521D;&#x306E;&#x7814;&#x7A76;&#x306E;&#x76EE;&#x6A19;&#x306F;&#x3001;&#x69CB;&#x6210;&#x3067;&#x5358;&#x4E00;&#x306E;&#x5165;&#x529B;/&#x30B7;&#x30F3;&#x30B0;&#x30EB; &#x30A8;&#x30F3;&#x30C9;&#x51FA;&#x529B;&#x30CB;&#x30E5;&#x30FC;&#x30E9;&#x30EB;&#x6E96;&#x5099;&#x306E;&#x52D5;&#x7684;&#x30C7;&#x30A3;&#x30E1;&#x30F3;&#x30B7;&#x30E7;&#x30F3;&#x3092;&#x63A8;&#x5B9A;&#x3059;&#x308B;&#x3067;&#x3057;&#x305F;&#x3002;&#x52D5;&#x7684;&#x30C7;&#x30A3;&#x30E1;&#x30F3;&#x30B7;&#x30E7;&#x30F3;&#x306F;&#x5FDC;&#x7528;&#x306E;&#x5165;&#x529B;&#x3068;&#x3068;&#x3082;&#x306B;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306E;&#x51FA;&#x529B;&#x3092;&#x6C7A;&#x5B9A;&#x3059;&#x308B;&#x72B6;&#x614B;&#x5909;&#x6570;&#x306E;&#x6570;&#x3067;&#x3059;&#x3002;&#x3053;&#x306E;&#x30CB;&#x30E5;&#x30FC;&#x30E9;&#x30EB; &#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x5927;&#x5E45;&#x52D5;&#x7684;&#x6027;&#x8CEA;&#x304C;&#x3042;&#x308A;&#x3001;&#x529B;&#x5B66;&#x306E;&#x30C7;&#x30A3;&#x30E1;&#x30F3;&#x30B7;&#x30E7;&#x30F3;&#x306B;&#x3088;&#x3063;&#x3066;&#x78BA;&#x7ACB;&#x3055;&#x308C;&#x305F;&#x306E;&#x52B9;&#x679C;&#x7684;&#x306A;&#x8907;&#x96D1;&#x3055;&#x3067;&#x306F;&#x306A;&#x304F;&#x9069;&#x5EA6;&#x306A;&#x3042;&#x308B;&#x3053;&#x3068;&#x304C;&#x793A;&#x5506;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;2 &#x756A;&#x76EE;&#x306E;&#x7814;&#x7A76;&#x3067;&#x306F;&#x3001;&#x795E;&#x7D4C;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306E;&#x540C;&#x3058;&#x90E8;&#x5206;&#x306B;&#x30ED;&#x30DC;&#x30C3;&#x30C8; &#x30FB; &#x30C7;&#x30D0;&#x30A4;&#x30B9; 2 &#x5165;&#x529B;/2 &#x51FA;&#x529B;&#x69CB;&#x6210;&#x306E;&#x5236;&#x5FA1;&#x3088;&#x308A;&#x7279;&#x5B9A;&#x306E;&#x72B6;&#x6CC1;&#x3092;&#x8003;&#x616E;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x6211;&#x3005; &#x306F;&#x5404;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x6C4E;&#x5316;&#x8AA4;&#x5DEE;&#x3092;&#x89B3;&#x5BDF;&#x3001;&#x6211;&#x3005; &#x795E;&#x7D4C;&#x30ED;&#x30DC;&#x30C3;&#x30C8;&#x306E;&#x6E96;&#x5099;&#x304B;&#x3089;&#x5165;&#x51FA;&#x529B;&#x30C7;&#x30FC;&#x30BF;&#x7570;&#x306A;&#x308B;&#x5185;&#x90E8;&#x30C0;&#x30A4;&#x30CA;&#x30DF;&#x30AF;&#x30B9;&#x3092;&#x6301;&#x3064;&#x30CB;&#x30E5;&#x30FC;&#x30E9;&#x30EB; &#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF; &#x30E2;&#x30C7;&#x30EB;&#x306B;&#x53D6;&#x308A;&#x4ED8;&#x3051;&#x3002;&#x4E00;&#x8CAB;&#x6027;&#x306E;&#x3042;&#x308B;&#x6700;&#x521D;&#x306E;&#x7814;&#x7A76;&#x306F;&#x3001;&#x3053;&#x306E; 2 &#x756A;&#x76EE;&#x306E;&#x5B9F;&#x9A13;&#x306F;&#x7C21;&#x5358;&#x306A;&#x518D;&#x767A;&#x529B;&#x5B66;&#x30E2;&#x30C7;&#x30EB;&#x3001;&#x30CF;&#x30A4;&#x30D6;&#x30EA;&#x30C3;&#x30C9; &#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306E;&#x52D5;&#x4F5C;&#x3092;&#x30AD;&#x30E3;&#x30D7;&#x30C1;&#x30E3;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x305F;&#x3092;&#x793A;&#x3057;&#x305F;&#x3002;&#x3053;&#x306E;&#x5B9F;&#x9A13;&#x3068;&#x8A08;&#x7B97;&#x306B;&#x3088;&#x308B;&#x30D5;&#x30EC;&#x30FC;&#x30E0;&#x30EF;&#x30FC;&#x30AF;&#x795E;&#x7D4C;&#x53EF;&#x5851;&#x6027;&#x3001;&#x982D;&#x8133;&#x6A5F;&#x68B0;&#x30A4;&#x30F3;&#x30BF;&#x30FC;&#x30D5;&#x30A7;&#x30A4;&#x30B9;&#x306E;&#x30B3;&#x30F3;&#x30C6;&#x30AD;&#x30B9;&#x30C8;&#x3067;&#x306E;&#x5185;&#x90E8;&#x8868;&#x73FE;&#x3092;&#x8ABF;&#x67FB;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x624B;&#x6BB5;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059;&#x3002;

In vitro &#x89E3;&#x6790;: &#x52D5;&#x529B;&#x5B66;&#x3068;&#x30CB;&#x30E5;&#x30FC;&#x30ED; &#x30ED;&#x30DC;&#x30C3;&#x30C8; &#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306E;&#x53EF;&#x5851;&#x6027;&#x3002;

&#xB450;&#xB1CC; &#xD658;&#xACBD; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xD560; &#xB54C; &#xC9C0;&#xC18D;&#xC801;&#xC73C;&#xB85C; &#xB098;&#xD0C0;&#xB0B4;&#xB294; &#xB0B4;&#xBD80; &#xBAA8;&#xB378; &#xC774;&#xB77C;&#xACE0; &#xD558;&#xB294; &#xD615;&#xD0DC;&#xB85C; &#xD658;&#xACBD;&#xC5D0; &#xC758;&#xD574; &#xC801;&#xC751;. &#xB0B4;&#xBD80; &#xBAA8;&#xB378;&#xC758; neurobiological &#xAE30;&#xBCF8; &#xC5F0;&#xACB0;&#xACFC; &#xB274;&#xB7F0;&#xC758; &#xB3D9;&#xC801; &#xC18D;&#xC131;&#xC5D0; &#xC758;&#xD574; &#xC81C;&#xACF5; &#xB429;&#xB2C8;&#xB2E4;. &#xB530;&#xB77C;&#xC11C;, &#xC2E0;&#xACBD; &#xC870;&#xC9C1; &#xBC0F; &#xC678;&#xBD80; &#xC7A5;&#xCE58; &#xAC04;&#xC758; &#xC0C1;&#xD638; &#xC791;&#xC6A9; &#xC870;&#xC0AC; &#xC5F0;&#xACB0;&#xACFC; &#xC2E0;&#xACBD; &#xC778;&#xAD6C;&#xC758; &#xB3D9;&#xC801; &#xC18D;&#xC131;&#xC5D0; &#xB300; &#xD55C; &#xAE30;&#xBCF8; &#xC218;&#xB2E8;&#xC744; &#xC81C;&#xACF5; &#xD569;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294;&#xC774; &#xC544;&#xC774;&#xB514;&#xC5B4;&#xB97C; &#xC870;&#xC0AC; &#xD558; &#xACE0; &#xB300;&#xD45C;&#xB97C; &#xC2EC;&#xACE0; brainstem&#xC5D0; &#xC2E0;&#xACBD; &#xC778;&#xAD6C;&#xC758; &#xB3D9;&#xC801; &#xB3D9;&#xC791;&#xC744; &#xC704;&#xD55C; &#xBC1C;&#xB80C;&#xD2F0;&#xB178; Braitenberg&#xC5D0; &#xC758;&#xD574; 1980 &#xB144;&#xB300;&#xC5D0; &#xC81C;&#xC548; &#xB41C; &#xAC1C;&#xBC1C;. Brainstem &#xCCB4; &#xC678; &#xC778;&#xACF5; &#xC7A5;&#xCE58; &#xB450; &#xAC00;&#xC9C0; &#xC720;&#xD615;&#xC758; &#xC5F0;&#xACB0; &#xB41C; &#xD3D0;&#xC1C4; &#xB8E8;&#xD504;&#xC5D0;&#xC11C; &#xC720;&#xC9C0; &#xB418;&#xC5C8;&#xB2E4;: &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158;&#xB41C; &#xC5ED; &#xB3D9; &#xC2DC;&#xC2A4;&#xD15C; (1) &#xBC0F; (b)&#xB294; &#xC791;&#xC740; &#xBAA8;&#xBC14;&#xC77C; &#xB85C;&#xBD07;. &#xB450; &#xACBD;&#xC6B0; &#xBAA8;&#xB450;, &#xC7A5;&#xCE58; &#xAE30;&#xB85D; &#xB41C; &#xC138;&#xD3EC; &#xC678; &#xC2E0;&#xD638;&#xC5D0; &#xC758;&#xD574; &#xC81C;&#xC5B4; &#xB418;&#xB294; &#xACE0; &#xCD9C;&#xB825; &#xC2E0;&#xACBD; &#xC2DC;&#xC2A4;&#xD15C;&#xC5D0; &#xC804;&#xB2EC; &#xD558;&#xB294; &#xC804;&#xAE30; &#xC790;&#xADF9;&#xC73C;&#xB85C; &#xBC88;&#xC5ED; &#xB418;&#xC5C8;&#xB2E4;. &#xCCAB; &#xBC88;&#xC9F8; &#xC5F0;&#xAD6C;&#xC758; &#xBAA9;&#xD45C;&#xB294; &#xB2E8;&#xC77C; &#xC785;&#xB825;/&#xB2E8;&#xC77C; &#xCD9C;&#xB825; &#xAD6C;&#xC131;&#xC5D0; &#xC2E0;&#xACBD; &#xC900;&#xBE44;&#xC758; &#xB3D9;&#xC801; &#xCE58;&#xC218;&#xB97C; &#xCD94;&#xC815; &#xD588;&#xB2E4;. &#xB3D9;&#xC801; &#xCC28;&#xC6D0; &#xC801;&#xC6A9;&#xB41C; &#xC785;&#xB825; &#xD568;&#xAED8; &#xC2DC;&#xC2A4;&#xD15C;&#xC758; &#xCD9C;&#xB825;&#xC744; &#xACB0;&#xC815; &#xD558;&#xB294; &#xC0C1;&#xD0DC; &#xBCC0;&#xC218; &#xC218;&#xC785;&#xB2C8;&#xB2E4;. &#xACB0;&#xACFC; &#xADF8; &#xB3D9;&#xC548;&#xC774; &#xC2E0;&#xACBD; &#xC2DC;&#xC2A4;&#xD15C;&#xC5D0; &#xC911;&#xC694; &#xD55C; &#xC5ED; &#xB3D9; &#xC18D;&#xC131;, &#xADF8; &#xD6A8;&#xACFC;&#xC801;&#xC778; &#xBCF5;&#xC7A1; &#xB3D9;&#xC801; &#xCC28;&#xC6D0;&#xC5D0; &#xC758;&#xD574; &#xC124;&#xB9BD;&#xC740; &#xC624;&#xD788;&#xB824; &#xC801;&#xB2F9; &#xD55C; &#xB098;&#xD0C0;&#xB0C5;&#xB2C8;&#xB2E4;. &#xB450; &#xBC88;&#xC9F8; &#xC5F0;&#xAD6C;&#xC5D0;&#xC11C; &#xC6B0;&#xB9AC;&#xB294; &#xC880; &#xB354; &#xAD6C;&#xCCB4;&#xC801;&#xC778; &#xC0C1;&#xD669;, &#xC2E0; &#xACBD;&#xACC4;&#xC758; &#xB3D9;&#xC77C;&#xD55C; &#xBD80;&#xBD84; 2-&#xC785;&#xB825;/2 &#xAC1C;&#xC758; &#xCD9C;&#xB825; &#xAD6C;&#xC131;&#xC5D0;&#xC11C; &#xB85C;&#xBD07;&#xC744; &#xC774;&#xC6A9;&#xD55C; &#xC7A5;&#xCE58;&#xB97C; &#xC81C;&#xC5B4; &#xAC04;&#xC8FC; &#xB429;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC; &#xC2E0;&#xACBD; &#xB85C;&#xBD07; &#xC900;&#xBE44; &#xB2E4;&#xB978; &#xB0B4;&#xBD80; &#xC5ED;&#xD559; &#xD558;&#xB294; &#xB370; &#xC2E0;&#xACBD;&#xB9DD; &#xBAA8;&#xB378;&#xC758; &#xC785;&#xCD9C;&#xB825; &#xB370;&#xC774;&#xD130;&#xB97C; &#xC7A5;&#xCC29; &#xD558; &#xACE0; &#xAC01; &#xBAA8;&#xB378;&#xC758; &#xC77C;&#xBC18;&#xD654; &#xC624;&#xB958; &#xAD00;&#xCC30;. &#xCCAB; &#xBC88;&#xC9F8; &#xC5F0;&#xAD6C; &#xACB0;&#xACFC;&#xC640; &#xC77C;&#xCE58;,&#xC774; &#xB450; &#xBC88;&#xC9F8; &#xC2E4;&#xD5D8; &#xAC04;&#xB2E8;&#xD55C; &#xC7AC;&#xBC1C; &#xC131; &#xC5ED; &#xB3D9; &#xBAA8;&#xB378; &#xD558;&#xC774;&#xBE0C;&#xB9AC;&#xB4DC; &#xC2DC;&#xC2A4;&#xD15C;&#xC758; &#xB3D9;&#xC791;&#xC744; &#xCEA1;&#xCC98;&#xD560; &#xC218; &#xC788;&#xC5C8;&#xB2E4; &#xBCF4;&#xC600;&#xB2E4;. &#xC774; &#xC2E4;&#xD5D8; &#xBC0F; &#xC804;&#xC0B0; &#xD504;&#xB808;&#xC784; &#xC6CC;&#xD06C; &#xC870;&#xC0AC; &#xC2E0;&#xACBD;&#xAC00; &#xC18C;&#xC131; &#xBC0F; &#xB1CC;-&#xAE30;&#xACC4; &#xC778;&#xD130;&#xD398;&#xC774;&#xC2A4;&#xC758; &#xB9E5;&#xB77D;&#xC5D0;&#xC11C; &#xB0B4;&#xBD80; &#xD45C;&#xD604;&#xC5D0; &#xB300; &#xD55C; &#xC218;&#xB2E8;&#xC744; &#xC81C;&#xACF5; &#xD569;&#xB2C8;&#xB2E4;.

&#xC804;&#xC0B0; &#xBD84;&#xC11D; &#xCCB4; &#xC678;: &#xC5ED;&#xD559; &#xBC0F; &#xC18C;&#xC131; &#xC2E0;&#xACBD; &#xB85C;&#xBD07; &#xC2DC;&#xC2A4;&#xD15C;&#xC758;.

Cuando el cerebro interact&uacute;a con el medio ambiente se adapta constantemente al representar el medio ambiente en una forma que se llama un modelo interno. La base neurobiol&oacute;gica para modelos internos es proporcionada por la conectividad y las propiedades din&aacute;micas de las neuronas. As&iacute;, las interacciones entre los tejidos neuronales y dispositivos externos constituyen un medio fundamental para investigar la conectividad y las propiedades din&aacute;micas de poblaciones neuronales. Desarrollamos esta idea, propuesta en la d&eacute;cada de 1980 por Valentino Braitenberg, para investigar y que representa el comportamiento din&aacute;mico de poblaciones neuronales en la m&eacute;dula oblonga de la lamprea. El tronco encef&aacute;lico se mantuvo in vitro y conectado en un circuito cerrado con dos tipos de dispositivo artificial: un sistema din&aacute;mico simulado y (b) un peque&ntilde;o robot m&oacute;vil. En ambos casos, el dispositivo fue controlado por se&ntilde;ales extracelulares grabadas y su salida fue traducido a est&iacute;mulos el&eacute;ctricos entregados al sistema neural. El objetivo del primer estudio fue estimar la dimensi&oacute;n din&aacute;mica de preparaci&oacute;n neural en una configuraci&oacute;n de single-single-entrada-salida. La dimensi&oacute;n din&aacute;mica es el n&uacute;mero de variables de estado que junto con la entrada aplicada determinan la salida de un sistema. Los resultados indican que si bien este sistema neural tiene importantes propiedades din&aacute;micas, su complejidad efectiva, seg&uacute;n lo establecido por la dimensi&oacute;n din&aacute;mica, es bastante moderada. En el segundo estudio, consideramos una situaci&oacute;n m&aacute;s concreta, en que la misma porci&oacute;n del sistema nervioso controla un dispositivo rob&oacute;tico en una configuraci&oacute;n de dos-dos-entrada-salida. Hemos equipado los datos de entrada-salida desde la preparaci&oacute;n neuro-rob&oacute;tica a modelos de redes neuronales con diferentes din&aacute;micas internas y observamos el error de generalizaci&oacute;n de cada modelo. De acuerdo con el primer estudio, este segundo experimento demostr&oacute; que un simple modelo din&aacute;mico recurrente fue capaz de capturar el comportamiento del sistema h&iacute;brido. Este marco experimental y computacional proporciona los medios para investigar la plasticidad neuronal y representaciones internas en el contexto de las interfaces cerebro-m&aacute;quina.

An&aacute;lisis computacional in vitro: din&aacute;mica y plasticidad de un sistema neuro-rob&oacute;tica.

&#x4ECE;&#x7ED1;&#x4F60;&#x7684;&#x978B;&#x5B50;&#x548C;&#x88C1;&#x526A;&#x4F60;&#x5230;&#x672B;&#x5C3E;&#x7684;&#x7CBE;&#x7EC6;&#x7814;&#x8BA8;&#x4F1A;&#x5939;&#x9053;&#x7684;&#x9886;&#x5E26;&#xFF0C;&#x4E24;&#x624B;&#x534F;&#x8C03;&#x6211;&#x4EEC;&#x5728;&#x65E5;&#x5E38;&#x6D3B;&#x52A8;&#x4E2D;&#x53D1;&#x6325;&#x4E86;&#x91CD;&#x8981;&#x7684;&#x4F5C;&#x7528;&#x3002;&#x4E24;&#x624B;&#x534F;&#x8C03;&#x4E2D;&#x7684;&#x4E00;&#x4E2A;&#x91CD;&#x8981;&#x73B0;&#x8C61;&#x662F;&#x671D;&#x4E2D;&#x7684;&#x4E24;&#x624B;&#x8282;&#x594F;&#x7684;&#x8FD0;&#x52A8;&#x6027;&#x80FD;&#x7684;&#x955C;&#x50CF;&#x5BF9;&#x79F0;&#x7684;&#x503E;&#x5411;&#x3002;&#x867D;&#x7136;&#x5B66;&#x4E60;&#x548C;&#x9002;&#x5E94;&#x7684;&#x4E24;&#x624B;&#x534F;&#x8C03;&#x5DF2;&#x89C2;&#x5BDF;&#x5230;&#x7684;&#x73B0;&#x8C61;&#xFF0C;&#x4ED6;&#x4EEC;&#x5C1A;&#x672A;&#x5F97;&#x5230;&#x7814;&#x7A76;&#x81EA;&#x9002;&#x5E94;&#x63A7;&#x5236;&#x548C;&#x6210;&#x529F;&#x53D7;&#x8058;&#x5728;&#x8FBE;&#x6210;&#x8FD0;&#x52A8;&#x548C;&#x9002;&#x5E94;&#x7684;&#x821E;&#x53F0;&#x4E0A;&#xFF0C;&#x8FEB;&#x4F7F;&#x6270;&#x52A8;&#x7684;&#x5185;&#x90E8;&#x8868;&#x793A;&#x5F62;&#x5F0F;&#x65B9;&#x6CD5;&#x7684;&#x4E0A;&#x4E0B;&#x6587;&#x4E2D;&#x3002;&#x5728;&#x672C;&#x6587;&#x4E2D;&#x6211;&#x4EEC;&#x68C0;&#x67E5;&#x6D89;&#x53CA;&#x7684;&#x5B66;&#x4E60;&#x673A;&#x5236;&#x7684;&#x52A8;&#x6001;&#x65F6;&#x79D1;&#x76EE;&#x88AB;&#x8BAD;&#x7EC3;&#x6765;&#x6267;&#x884C;&#x4E24;&#x624B;&#x7684;&#x975E;&#x8C10;&#x6CE2; polyrhythm &#x4E24;&#x624B;&#x98DF;&#x6307;&#x653B;&#x4EFB;&#x52A1;&#x4E2D;&#x3002;&#x79D1;&#x76EE;&#x57F9;&#x8BAD;&#x5728;&#x6B64;&#x4EFB;&#x52A1;&#x4E2D;&#x9690;&#x5F0F;&#x4F7F;&#x7528;&#x53D8;&#x9020;&#x7684;&#x89C6;&#x89C9;&#x53CD;&#x9988;&#xFF0C;&#x800C;&#x4ED6;&#x4EEC;&#x7684;&#x8868;&#x73B0;&#x4E0D;&#x65AD;&#x8FDB;&#x884C;&#x76D1;&#x6D4B;&#xFF0C;&#x5728;&#x6574;&#x4E2A;&#x8BD5;&#x9A8C;&#x3002;&#x6211;&#x4EEC;&#x7684;&#x5B9E;&#x9A8C;&#x7ED3;&#x679C;&#x8868;&#x660E;&#x5B58;&#x5728;&#x91CD;&#x5927; (p &lt; 0.01) &#x5B66;&#x4E60;&#x66F2;&#x7EBF; (&#x5373;&#x9519;&#x8BEF;&#x60C5;&#x8282;&#x91CD;&#x5927;&#x8D1F;&#x9762;&#x659C;&#x5761;&#xFF09; &#x671F;&#x95F4;&#x57F9;&#x8BAD;&#x548C;&#x5E26;&#x53E5;&#x53F7;&#x51B2;&#x8680;&#x7684;&#x53EF;&#x89C6;&#x53CD;&#x9988;&#x6D88;&#x5931;&#x800C;&#x4FEE;&#x6539;&#x540E;&#x7684;&#x540E;&#x9057;&#x75C7;&#x3002;&#x8FD9;&#x4E9B;&#x7ED3;&#x679C;&#x8BC1;&#x5B9E;&#x5728;&#x4E24;&#x624B;&#x7684;&#x7535;&#x673A;&#x63A7;&#x5236;&#x4E2D;&#x7684;&#x5185;&#x90E8;&#x8868;&#x793A;&#x5F62;&#x5F0F;&#x7684;&#x5F62;&#x6210;&#x3002;&#x6211;&#x4EEC;&#x73B0;&#x65F6;&#x7B80;&#x5355;&#x3001; &#x751F;&#x7406;&#x4F3C;&#x662F;&#x800C;&#x975E;&#x7684;&#x795E;&#x7ECF;&#x7684;&#x6A21;&#x578B;&#xFF0C;&#x7ED3;&#x5408;&#x4E86;&#x53CD;&#x9988;&#x548C;&#x63A7;&#x5236;&#x8FC7;&#x7A0B;&#x4E2D;&#x7684;&#x9002;&#x5E94;&#xFF0C;&#x5373;&#x80FD;&#x591F;&#x91CD;&#x73B0;&#x7684;&#x4E24;&#x624B;&#x534F;&#x8C03;&#x548C;&#x9002;&#x5E94;&#x7684;&#x5173;&#x952E;&#x73B0;&#x8C61;&#x3002;

&#x4E24;&#x624B;&#x9002;&#x5E94;&#xFF1A; &#x4E24;&#x624B;&#x8282;&#x594F;&#x7684;&#x8FD0;&#x52A8;&#x7684;&#x5185;&#x90E8;&#x8868;&#x793A;&#x5F62;&#x5F0F;&#x3002;

From tying your shoes and clipping your tie to the claps at the end of a fine seminar, bimanual coordination plays a major role in our daily activities. An important phenomenon in bimanual coordination is the predisposition toward mirror symmetry in the performance of bimanual rhythmic movements. Although learning and adaptation in bimanual coordination are phenomena that have been observed, they have not been studied in the context of adaptive control and internal representations-approaches that were successfully employed in the arena of reaching movements and adaptation to force perturbations. In this paper we examine the dynamics of the learning mechanisms involved when subjects are trained to perform a bimanual non-harmonic polyrhythm in a bimanual index finger tapping task. Subjects are trained in this task implicitly, using altered visual feedback, while their performance is continuously monitored throughout the experiment. Our experimental results indicate the existence of significant (p<0.01) learning curves (i.e., error plots with significantly negative slopes) during training and aftereffects with a washout period after the visual feedback ceases to be altered. These results confirm the formation of internal representations in bimanual motor control. We present a simple, physiologically plausible, neural model that combines feedback and adaptation in the control process and which is able to reproduce key phenomena of bimanual coordination and adaptation.

Bimanual adaptation: internal representations of bimanual rhythmic movements.

De lier vos chaussures et le d&eacute;coupage de votre cravate pour le coups &agrave; la fin d&#39;un s&eacute;minaire fine, coordination bimanuelle joue un r&ocirc;le majeur dans nos activit&eacute;s quotidiennes. Un important ph&eacute;nom&egrave;ne de coordination bimanuelle est la pr&eacute;disposition &agrave; la sym&eacute;trie miroir dans l&#39;ex&eacute;cution de mouvements rythmiques bimanuelles. Bien que l&#39;apprentissage et adaptation en coordination bimanuelle sont des ph&eacute;nom&egrave;nes qui ont &eacute;t&eacute; observ&eacute;s, ils n&#39;ont pas &eacute;t&eacute; &eacute;tudi&eacute;es dans le contexte de la commande adaptative et repr&eacute;sentations internes-des approches qui ont &eacute;t&eacute; utilis&eacute;s avec succ&egrave;s dans l&#39;ar&egrave;ne d&#39;atteindre les mouvements et l&#39;adaptation &agrave; des perturbations de la force. Dans cet article, nous examinons la dynamique des m&eacute;canismes d&#39;apprentissage lorsque les sujets sont form&eacute;s pour effectuer une polyrythmie non harmonique bimanuelle dans une t&acirc;che de tapement bimanuelle doigt d&#39;index. Sujets sont form&eacute;s &agrave; cette t&acirc;che implicitement, en utilisant la r&eacute;troaction visuelle alt&eacute;r&eacute;e, alors que leur performance est surveill&eacute;e de fa&ccedil;on continue tout au long de l&#39;exp&eacute;rience. Nos r&eacute;sultats exp&eacute;rimentaux indiquent l&#39;existence d&#39;importants (p &lt; 0,01) courbes d&#39;apprentissage (p. ex., erreur parcelles avec pentes nettement d&eacute;favorable) au cours de la formation et aftereffects avec une p&eacute;riode de sevrage apr&egrave;s la r&eacute;troaction visuelle cesse d&#39;&ecirc;tre modifi&eacute;. Ces r&eacute;sultats confirment la formation des repr&eacute;sentations internes de commande bimanuelle de moteur. Nous pr&eacute;sentons un mod&egrave;le simple, physiologiquement plausible, neural qui combine la r&eacute;troaction et l&#39;adaptation dans le processus de contr&ocirc;le et qui est capable de reproduire des ph&eacute;nom&egrave;nes cl&eacute;s de coordination bimanuelle et adaptation.

Adaptation bimanuelle : repr&eacute;sentations internes des mouvements rythmiques bimanuelles.

Aus Ihre Schuhe zu binden und clipping Krawatte um die klatscht am Ende ein feiner Seminar, Rolle bimanuelle Koordination eine gro&szlig;e in unserer t&auml;glichen Aktivit&auml;ten durch. Ein wichtiges Ph&auml;nomen in bimanuelle Koordination ist die Pr&auml;disposition in Richtung Spiegelsymmetrie in Aus&uuml;bung bimanuelle rhythmischen Bewegungen. Obwohl lernen und die Anpassung in die bimanuelle Koordination Ph&auml;nomene, die beobachtet wurden sind, haben sie nicht studiert worden, im Rahmen der adaptive Steuerung und interne Vertretungen-Konzepte, die erfolgreich in der Arena Bewegungen und Anpassung zu erreichen besch&auml;ftigt waren, um St&ouml;rungen zu erzwingen. In diesem Papier untersuchen wir die Dynamik der beteiligten Lernmechanismen, wenn Themen geschult sind, um eine bimanuelle nicht-harmonische Polyrhythmik in eine bimanuelle Zeigefinger tippen Aufgabe ausf&uuml;hren. Themen sind implizit in dieser Aufgabe ausgebildet mit ver&auml;ndertes visuelles Feedback, w&auml;hrend ihre Leistung kontinuierlich w&auml;hrend das Experiment &uuml;berwacht wird. Unsere experimentellen Ergebnisse zeigen die Existenz der signifikanten (p &lt; 0,01) Lernkurven (d.h. Fehler Stellpl&auml;tze mit deutlich negativen Steigungen) bei Ausbildung und Nachwirkungen mit einer Auswaschung Periode, nachdem das visuelle Feedback nicht mehr ge&auml;ndert werden. Diese Ergebnisse best&auml;tigen die Bildung von internen Darstellungen in bimanuelle Motorsteuerung. Wir pr&auml;sentieren Ihnen ein einfaches, physiologisch plausible neuronales Modell, die kombiniert, Feedback und Anpassung in den Kontrollprozess und die ist in der Lage, wichtige Ph&auml;nomene der bimanuelle Koordination und Anpassung zu reproduzieren.

Bimanuelle Anpassung: internen Darstellungen der bimanuelle rhythmischen Bewegungen.

Da legare le scarpe e la cravatta per gli applausi alla fine di un seminario di fine di ritaglio, coordinamento bimanuale gioca un ruolo importante nella nostra attivit&agrave; quotidiana. Un fenomeno importante nella coordinazione bimanuale &egrave; la predisposizione verso la simmetria speculare nell&#39;esecuzione dei movimenti ritmici bimanuali. Anche se l&#39;apprendimento e l&#39;adattamento in coordinamento bimanuale sono fenomeni che sono stati osservati, essi non sono stati studiati nel contesto del controllo adattativo e rappresentazioni interni-approcci che sono stati impiegati con successo nell&#39;arena di raggiungere i movimenti e adattamento a perturbazioni della forza. Questo libro esamina le dinamiche dei meccanismi di apprendimento coinvolti quando i soggetti sono addestrati a eseguire una poliritmia bimanuale non armonica in un compito di maschiatura bimanuale dito indice. Soggetti sono addestrati in questo compito in modo implicito, mediante feedback visivi alterati, mentre la loro performance &egrave; continuamente monitorato durante l&#39;esperimento. I nostri risultati sperimentali indicano l&#39;esistenza di significative (p &lt; 0,01) le curve di apprendimento (cio&egrave; errore piazzole con pendii significativamente negativi) durante l&#39;allenamento e aftereffects con un periodo di washout dopo il feedback visivo non cessa di essere alterato. Questi risultati confermano la formazione di rappresentazioni interne nel controllo motore bimanuale. Vi presentiamo un modello semplice, fisiologicamente plausibile, neurale che combina feedback e adattamento nel processo di controllo e che &egrave; in grado di riprodurre fenomeni chiavi del coordinamento bimanuale e l&#39;adattamento.

Adattamento bimanuale: rappresentazioni interne dei movimenti ritmici bimanuali.

&#x3042;&#x306A;&#x305F;&#x306E;&#x9774;&#x3092;&#x7D50;&#x3076;&#x3053;&#x3068;&#x3068;&#x7F70;&#x91D1;&#x30BB;&#x30DF;&#x30CA;&#x30FC;&#x306E;&#x6700;&#x5F8C;&#x306B;&#x62CD;&#x624B;&#x306B;&#x30CD;&#x30AF;&#x30BF;&#x30A4;&#x3092;&#x30AF;&#x30EA;&#x30C3;&#x30D4;&#x30F3;&#x30B0;&#x304B;&#x3089;&#x4E21;&#x624B;&#x5354;&#x5FDC;&#x904B;&#x52D5;&#x79C1;&#x305F;&#x3061;&#x306E;&#x65E5;&#x5E38;&#x306E;&#x6D3B;&#x52D5;&#x306B;&#x5927;&#x304D;&#x306A;&#x5F79;&#x5272;&#x3092;&#x62C5;&#x3044;&#x307E;&#x3059;&#x3002;&#x4E21;&#x624B;&#x5354;&#x8ABF;&#x904B;&#x52D5;&#x306B;&#x304A;&#x3051;&#x308B;&#x91CD;&#x8981;&#x306A;&#x73FE;&#x8C61;&#x306E;&#x4E21;&#x624B;&#x306E;&#x30EA;&#x30BA;&#x30E0;&#x904B;&#x52D5;&#x30D1;&#x30D5;&#x30A9;&#x30FC;&#x30DE;&#x30F3;&#x30B9;&#x306B;&#x304A;&#x3051;&#x308B;&#x30DF;&#x30E9;&#x30FC;&#x5BFE;&#x79F0;&#x6027;&#x306B;&#x5411;&#x304B;&#x3063;&#x3066;&#x7D20;&#x56E0;&#x3067;&#x3059;&#x3002;&#x4E21;&#x624B;&#x5354;&#x8ABF;&#x904B;&#x52D5;&#x9069;&#x5FDC;&#x3068;&#x5B66;&#x7FD2;&#x89B3;&#x5BDF;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B;&#x73FE;&#x8C61;&#x3067;&#x3059;&#x304C;&#x3001;&#x5F7C;&#x3089;&#x306F;&#x9069;&#x5FDC;&#x5236;&#x5FA1;&#x3068;&#x6B63;&#x5E38;&#x306B;&#x3001;&#x30A2;&#x30EA;&#x30FC;&#x30CA;&#x3067;&#x306E;&#x52D5;&#x304D;&#x3068;&#x9069;&#x5FDC;&#x306B;&#x9054;&#x3059;&#x308B;&#x306B;&#x6442;&#x52D5;&#x3092;&#x5F37;&#x5236;&#x7684;&#x306B;&#x96C7;&#x7528;&#x3055;&#x308C;&#x305F;&#x5185;&#x90E8;&#x306E;&#x8868;&#x73FE;&#x65B9;&#x6CD5;&#x306E;&#x30B3;&#x30F3;&#x30C6;&#x30AD;&#x30B9;&#x30C8;&#x3067;&#x7814;&#x7A76;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x305B;&#x3093;&#x3002;&#x672C;&#x7A3F;&#x3067;&#x306F;&#x79D1;&#x76EE;&#x4E21;&#x624B;&#x975E;&#x8ABF;&#x548C;&#x30DD;&#x30EA;&#x30EA;&#x30BA;&#x30E0;&#x4E21;&#x624B;&#x4EBA;&#x5DEE;&#x3057;&#x6307;&#x30BF;&#x30C3;&#x30D4;&#x30F3;&#x30B0;&#x306E;&#x30BF;&#x30B9;&#x30AF;&#x3092;&#x5B9F;&#x884C;&#x3059;&#x308B;&#x8A13;&#x7DF4;&#x3092;&#x53D7;&#x3051;&#x3066;&#x3044;&#x308B;&#x3068;&#x304D;&#x95A2;&#x4E0E;&#x3059;&#x308B;&#x5B66;&#x7FD2;&#x30E1;&#x30AB;&#x30CB;&#x30BA;&#x30E0;&#x306E;&#x52D5;&#x529B;&#x5B66;&#x3092;&#x8ABF;&#x3079;&#x307E;&#x3059;&#x3002;&#x79D1;&#x76EE;&#x3053;&#x306E;&#x30BF;&#x30B9;&#x30AF;&#x3067;&#x306F;&#x3001;&#x6697;&#x9ED9;&#x7684;&#x306B;&#x3001;&#x5F7C;&#x3089;&#x306E;&#x30D1;&#x30D5;&#x30A9;&#x30FC;&#x30DE;&#x30F3;&#x30B9;&#x306F;&#x5B9F;&#x9A13;&#x3092;&#x3068;&#x304A;&#x3057;&#x3066;&#x7D99;&#x7D9A;&#x7684;&#x306B;&#x76E3;&#x8996;&#x3055;&#x308C;&#x307E;&#x3059;&#x4E2D;&#x306B;&#x5909;&#x66F4;&#x3055;&#x308C;&#x305F;&#x8996;&#x899A;&#x7684;&#x306A;&#x30D5;&#x30A3;&#x30FC;&#x30C9;&#x30D0;&#x30C3;&#x30AF;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x8A13;&#x7DF4;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x5B9F;&#x9A13;&#x306E;&#x7D50;&#x679C;&#x306E;&#x91CD;&#x8981;&#x306A;&#x5B58;&#x5728;&#x3092;&#x793A;&#x3059; (p &lt; 0.01) &#x30C8;&#x30EC;&#x30FC;&#x30CB;&#x30F3;&#x30B0;&#x3068;&#x5F8C;&#x907A;&#x75C7;&#x3092;&#x5909;&#x66F4;&#x3059;&#x308B;&#x8996;&#x899A;&#x7684;&#x306A;&#x30D5;&#x30A3;&#x30FC;&#x30C9;&#x30D0;&#x30C3;&#x30AF;&#x3092;&#x505C;&#x6B62;&#x3057;&#x305F;&#x5F8C;&#x3001;&#x30A6;&#x30A9;&#x30C3;&#x30B7;&#x30E5; &#x30A2;&#x30A6;&#x30C8;&#x671F;&#x9593;&#x4E2D;&#x306E;&#x5B66;&#x7FD2;&#x66F2;&#x7DDA; (&#x3059;&#x306A;&#x308F;&#x3061;&#x3001;&#x30A8;&#x30E9;&#x30FC; &#x30D7;&#x30ED;&#x30C3;&#x30C8;&#x6709;&#x610F;&#x306E;&#x8CA0;&#x52FE;&#x914D;&#x3092;&#x6709;&#x3059;&#x308B;)&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x7D50;&#x679C;&#x306F;&#x3001;&#x4E21;&#x624B;&#x306E;&#x904B;&#x52D5;&#x5236;&#x5FA1;&#x306B;&#x304A;&#x3051;&#x308B;&#x5185;&#x90E8;&#x8868;&#x73FE;&#x306E;&#x5F62;&#x6210;&#x3092;&#x78BA;&#x8A8D;&#x3057;&#x307E;&#x3059;&#x3002;&#x30D5;&#x30A3;&#x30FC;&#x30C9;&#x30D0;&#x30C3;&#x30AF;&#x3068;&#x9069;&#x5FDC;&#x5236;&#x5FA1;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x306B;&#x7D44;&#x307F;&#x5408;&#x308F;&#x305B;&#x305F;&#x3057;&#x3001;&#x30AD;&#x30FC;&#x73FE;&#x8C61;&#x306B;&#x304A;&#x3051;&#x308B;&#x4E21;&#x624B;&#x5354;&#x5FDC;&#x904B;&#x52D5;&#x306E;&#x9069;&#x5FDC;&#x3092;&#x518D;&#x73FE;&#x3067;&#x304D;&#x308B;&#x30B7;&#x30F3;&#x30D7;&#x30EB;&#x3067;&#x3082;&#x3063;&#x3068;&#x3082;&#x3089;&#x3057;&#x3044;&#x751F;&#x7406;&#x7684;&#x3001;&#x795E;&#x7D4C;&#x30E2;&#x30C7;&#x30EB;&#x3092;&#x63D0;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;

&#x4E21;&#x624B;&#x306E;&#x9069;&#x5FDC;: &#x4E21;&#x624B;&#x306E;&#x30EA;&#x30BA;&#x30E0;&#x904B;&#x52D5;&#x306E;&#x5185;&#x90E8;&#x8868;&#x73FE;&#x3002;

&#xB2F9;&#xC2E0;&#xC758; &#xB2E8; &#xD654;&#xB97C; &#xB9E4;&#xC5D0;&#xC11C; &#xC88B;&#xC740; &#xC138;&#xBBF8;&#xB098;&#xB97C; &#xB05D;&#xC5D0; &#xBC15;&#xC218;&#xB97C; &#xB125;&#xD0C0;&#xC774; &#xD074;&#xB9AC;&#xD551; bimanual &#xC870;&#xC815;&#xC740; &#xC77C;&#xC0C1; &#xD65C;&#xB3D9;&#xC5D0; &#xC911;&#xC694; &#xD55C; &#xC5ED;&#xD560;&#xC744; &#xD55C;&#xB2E4;. Bimanual &#xC870;&#xC815;&#xC5D0; &#xC911;&#xC694; &#xD55C; &#xD604;&#xC0C1;&#xC740; bimanual &#xB9AC;&#xB4EC; &#xC6C0;&#xC9C1;&#xC784;&#xC758; &#xC131;&#xB2A5;&#xC744; &#xAC70;&#xC6B8; &#xB300;&#xCE6D;&#xC73C;&#xB85C; &#xD0C0;&#xACE0; &#xB0AC;&#xB2E4;&#xB294;. &#xD559;&#xC2B5; &#xBC0F; &#xC801;&#xC751; bimanual &#xC870;&#xC815;&#xC5D0;&#xC11C; &#xAD00;&#xCC30; &#xB41C; &#xD604;&#xC0C1; &#xC774;&#xC9C0;&#xB9CC;, &#xADF8;&#xB4E4;&#xC740; &#xACF5;&#xBD80; &#xD558;&#xC9C0; &#xC54A;&#xC740; &#xC801;&#xC751; &#xC81C;&#xC5B4; &#xBC0F; &#xC131;&#xACF5;&#xC801;&#xC73C;&#xB85C; &#xBB3C;&#xACB0;&#xC744; &#xAC15;&#xC81C;&#xB85C; &#xC6C0;&#xC9C1;&#xC784; &#xC801;&#xC751;&#xC5D0; &#xB3C4;&#xB2EC;&#xC758; &#xBD84;&#xC57C;&#xC5D0;&#xC11C; &#xACE0;&#xC6A9; &#xD558;&#xB294; &#xB0B4;&#xBD80; &#xD45C;&#xD604; &#xBC29;&#xBC95;&#xC758; &#xB9E5;&#xB77D;&#xC5D0;&#xC11C;. &#xC774; &#xB17C;&#xBB38;&#xC5D0;&#xC11C; &#xC6B0;&#xB9AC; &#xACFC;&#xBAA9; bimanual &#xBE44; &#xC870;&#xD654; polyrhythm bimanual &#xAC80;&#xC9C0; &#xC190;&#xAC00;&#xB77D; &#xD0ED;&#xD551; &#xC791;&#xC5C5;&#xC5D0;&#xC11C; &#xC218;&#xD589; &#xD558;&#xB294; &#xD6C8;&#xB828;&#xC744; &#xD558;&#xB294; &#xACBD;&#xC6B0; &#xAD00;&#xB828; &#xB41C; &#xD559;&#xC2B5; &#xBA54;&#xCEE4;&#xB2C8;&#xC998;&#xC758; &#xC5ED;&#xD559; &#xAC80;&#xC0AC;. &#xC8FC;&#xC81C;&#xB294; &#xD6C8;&#xB828;&#xC774; &#xC791;&#xC5C5;&#xC5D0;&#xC11C; &#xC554;&#xC2DC;&#xC801;&#xC73C;&#xB85C;, &#xADF8;&#xB4E4;&#xC758; &#xC131;&#xB2A5; &#xC2E4;&#xD5D8;&#xC744; &#xD1B5;&#xD574; &#xC9C0;&#xC18D;&#xC801;&#xC73C;&#xB85C; &#xBAA8;&#xB2C8;&#xD130;&#xB9C1; &#xD558;&#xB294; &#xB3D9;&#xC548; &#xBCC0;&#xACBD; &#xB41C; &#xC2DC;&#xAC01;&#xC801; &#xD53C;&#xB4DC;&#xBC31;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC;. &#xC6B0;&#xB9AC;&#xC758; &#xC2E4;&#xD5D8; &#xACB0;&#xACFC; &#xB098;&#xD0C0;&#xB0B4;&#xB294; &#xC911;&#xC694; &#xD55C; &#xC874;&#xC7AC; (p &lt; 0.01) &#xD6C8;&#xB828; &#xBC0F; &#xC2DC;&#xAC01;&#xC801; &#xD53C;&#xB4DC;&#xBC31;&#xC744; &#xBCC0;&#xACBD; &#xD574;&#xC57C; &#xC911;&#xB2E8; &#xD6C4; &#xD76C;&#xBBF8;&#xD558;&#xAC8C; &#xB9C8;&#xCE68;&#xD45C;&#xB85C; &#xD6C4;&#xC720;&#xC99D; &#xC911; &#xD559;&#xC2B5; &#xACE1;&#xC120; (&#xC989;, &#xC0C1;&#xB2F9;&#xD788; &#xBD80;&#xC815;&#xC801;&#xC778; &#xC2AC;&#xB85C;&#xD504;&#xC640; &#xC624;&#xB958; &#xD50C;&#xB86F;). &#xC774; &#xACB0;&#xACFC; &#xD655;&#xC778; bimanual &#xBAA8;&#xD130; &#xCEE8;&#xD2B8;&#xB864; &#xB0B4;&#xBD80; &#xD45C;&#xD604; &#xD615;&#xC131; &#xD569;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xAC04;&#xB2E8; &#xD558; &#xACE0;, &#xC21C;&#xC218; &#xADF8;&#xB7F4;&#xB4EF;&#xD55C;, &#xC2E0;&#xACBD; &#xBAA8;&#xB378;&#xC744; &#xACB0;&#xD569; &#xD558; &#xC5EC; &#xD53C;&#xB4DC;&#xBC31; &#xBC0F; &#xC81C;&#xC5B4; &#xD504;&#xB85C;&#xC138;&#xC2A4;&#xC5D0; &#xC801;&#xC751; &#xD558; &#xACE0; &#xC5B4;&#xB5A4; bimanual &#xC870;&#xC815;&#xACFC; &#xC801;&#xC751;&#xC758; &#xC8FC;&#xC694; &#xD604;&#xC0C1;&#xC744; &#xC7AC;&#xD604;&#xD560; &#xC218; &#xC81C;&#xC2DC;.

Bimanual &#xC801;&#xC751;: bimanual &#xB9AC;&#xB4EC; &#xC6C0;&#xC9C1;&#xC784;&#xC758; &#xB0B4;&#xBD80; &#xD45C;&#xD604;.

De atar sus zapatos y recorte la corbata a los aplausos al final de un seminario fino, coordinaci&oacute;n bimanual desempe&ntilde;a un papel importante en nuestras actividades diarias. Un fen&oacute;meno importante en la coordinaci&oacute;n bimanual es la predisposici&oacute;n hacia la simetr&iacute;a especular en la realizaci&oacute;n de movimientos r&iacute;tmicos bimanual. Aunque aprendizaje y adaptaci&oacute;n en coordinaci&oacute;n bimanual son fen&oacute;menos que se han observado, no han sido estudiados en el contexto de control adaptable y representaciones-enfoques internos que fueron empleados con &eacute;xito en la arena de llegar a movimientos y adaptaci&oacute;n a las perturbaciones de la fuerza. En este art&iacute;culo examinamos la din&aacute;mica de los mecanismos de aprendizaje implicados cuando sujetos est&aacute;n capacitados para llevar a cabo una polirritmia no arm&oacute;nico bimanual en una tarea de golpear ligeramente bimanual dedo &iacute;ndice. Temas se entrenan en esta tarea impl&iacute;citamente, con retroalimentaci&oacute;n visual alterada, mientras que su rendimiento se monitorea continuamente durante todo el experimento. Nuestros resultados experimentales indican la existencia de significativas (p &lt; 0.01) curva de aprendizaje (es decir, error parcelas con pendientes significativamente negativos) durante la formaci&oacute;n y efectos secundarios con un per&iacute;odo de lavado despu&eacute;s de la retroalimentaci&oacute;n visual deja de ser alterado. Estos resultados confirman la formaci&oacute;n de representaciones internas de control del motor bimanual. Se presenta un modelo simple, fisiol&oacute;gicamente plausible, neural que combina regeneraci&oacute;n y adaptaci&oacute;n en el proceso de control y que es capaz de reproducir los fen&oacute;menos claves de coordinaci&oacute;n bimanual y adaptaci&oacute;n.

Adaptaci&oacute;n bimanual: representaciones internas de movimientos r&iacute;tmicos bimanual.

&#x4EC0;&#x4E48;&#x56E0;&#x7D20;&#x51B3;&#x5B9A;&#x7684;&#x7279;&#x5B9A;&#x6A21;&#x5F0F;&#x7684;&#x8FD0;&#x52A8;&#x76AE;&#x5C42; &#xFF08;M1&#xFF09; &#x5728;&#x7ED9;&#x5B9A;&#x7684;&#x7535;&#x673A;&#x4EFB;&#x52A1;&#x7684;&#x4E0A;&#x4E0B;&#x6587;&#x4E2D;&#x7684;&#x795E;&#x7ECF;&#x5143;&#x7684;&#x6FC0;&#x6D3B;&#xFF1F;&#x6211;&#x4EEC;&#x76EE;&#x524D;&#x63CF;&#x8FF0;&#x4ECE;&#x795E;&#x7ECF;&#x6D3B;&#x52A8; M1&#x3001; &#x808C;&#x8089;&#x63A7;&#x5236;&#x4FE1;&#x53F7;&#xFF0C;&#x901A;&#x8FC7;&#x5230;&#x5173;&#x8282;&#x529B;&#x77E9;&#x548C;&#x5230;&#x7EC8;&#x7ED3;&#x70B9;&#x529B;&#x91CF;&#x548C;&#x8FD0;&#x52A8;&#x8F6C;&#x5316;&#x7684;&#x7CFB;&#x7EDF;&#x7EA7;&#x751F;&#x7406;&#x6A21;&#x578B;&#x3002;&#x7CFB;&#x7EDF;&#x7684;&#x5197;&#x4F59;&#x88AB;&#x89E3;&#x51B3;&#x751F;&#x7269;&#x5408;&#x7406;&#x4F18;&#x5316;&#x6807;&#x51C6;&#x3002;&#x8BE5;&#x6A21;&#x578B;&#x89E3;&#x91CA;&#x4E86;&#x795E;&#x7ECF;&#x6D3B;&#x52A8;&#x7684;&#x4EBA;&#x53E3;&#x548C;&#x5355;&#x4E2A;&#x795E;&#x7ECF;&#x5143;&#xFF0C;&#x6C34;&#x5E73;&#x3002;&#x7531;&#x4E8E;&#x8BE5;&#x6A21;&#x578B;&#x7684;&#x76F8;&#x5BF9;&#x7B80;&#x5355;&#x548C;&#x89E3;&#x6790;&#x6613;&#x4E8E;&#x533A;&#x5206;&#xFF0C;&#x5B83;&#x63D0;&#x4F9B;&#x4E86;&#x7CFB;&#x7EDF;&#xFF0C;&#x4EE5;&#x53CA;&#x53EF;&#x80FD;&#x7684;&#x56E0;&#x679C;&#x89E3;&#x91CA;&#xFF0C;&#x8FD9;&#x4E9B;&#x662F;&#x5982;&#x4F55;&#x786E;&#x5B9A;&#x7684;&#x603B;&#x4F53;&#x884C;&#x4E3A;&#x7684;&#x6700;&#x663E;&#x8457;&#x7684;&#x7279;&#x5F81;&#x5C31;&#x76F4;&#x89C9;&#x3002;&#x6B64;&#x5916;&#xFF0C;&#x5B83;&#x89E3;&#x91CA;&#x4E86;&#x4E00;&#x5927;&#x6279;&#x6700;&#x8FD1;&#x7684;&#x610F;&#x89C1;&#xFF0C;&#x5176;&#x4E2D;&#x5305;&#x62EC;&#x65F6;&#x95F4;&#x4E0A;&#x7684;&#x5355;&#x795E;&#x7ECF;&#x5143;&#x548C;&#x70E7;&#x6210;&#x7387;&#x5728;&#x7B49;&#x8F74;&#x6D4B;&#x56FE;&#x548C;&#x79FB;&#x52A8;&#x4EFB;&#x52A1;&#xFF0C;&#x7A84;&#x8C03;&#x8C10;&#x66F2;&#x7EBF;&#x3001; &#x975E;&#x4F59;&#x5F26;&#x8C03;&#x8C10;&#x66F2;&#x7EBF;&#x3001; &#x9996;&#x9009;&#x65B9;&#x5411;&#x4EFB;&#x52A1;&#x671F;&#x95F4;&#x7684;&#x53D8;&#x5316;&#x53CA;&#x53D8;&#x5316;&#x7684;&#x9996;&#x9009;&#x65B9;&#x5411;&#x7531;&#x4E8E;&#x4E0D;&#x540C;&#x7684;&#x5B9E;&#x9A8C;&#x6761;&#x4EF6;&#x7684;&#x4EBA;&#x53E3;&#x7684;&#x683C;&#x5C40;&#x3002;

&#x89E3;&#x91CA;&#x5728;&#x4F7F;&#x7528;&#x810A;&#x9AD3;&#x548C;&#x4E0B;&#x80A2;&#x7684;&#x751F;&#x7269;&#x529B;&#x5B66;&#x6A21;&#x578B;&#x7684;&#x8FD0;&#x52A8;&#x76AE;&#x5C42;&#x7684;&#x795E;&#x7ECF;&#x6D3B;&#x52A8;&#x7684;&#x6A21;&#x5F0F;&#x3002;

What determines the specific pattern of activation of primary motor cortex (M1) neurons in the context of a given motor task? We present a systems level physiological model describing the transformation from the neural activity in M1, through the muscle control signal, into joint torques and down to endpoint forces and movements. The redundancy of the system is resolved by biologically plausible optimization criteria. The model explains neural activity at both the population, and single neuron, levels. Due to the model's relative simplicity and analytic tractability, it provides intuition as to the most salient features of the system as well as a possible causal explanation of how these determine the overall behavior. Moreover, it explains a large number of recent observations, including the temporal patterns of single-neuron and population firing rates during isometric and movement tasks, narrow tuning curves, non cosine tuning curves, changes of preferred directions during a task, and changes of preferred directions due to different experimental conditions.

Explaining patterns of neural activity in the primary motor cortex using spinal cord and limb biomechanics models.

Ce qui d&eacute;termine le mod&egrave;le sp&eacute;cifique de l&#39;activation des neurones du cortex moteur primaire (M1) dans le cadre d&#39;une t&acirc;che motrice donn&eacute;e ? Nous pr&eacute;sentons un mod&egrave;le physiologique niveau de syst&egrave;mes qui d&eacute;crit la transformation de l&#39;activit&eacute; neuronale dans M1, le signal de contr&ocirc;le musculaire, en couples mixte et vers le bas pour les forces de point de terminaison et de mouvements. La redondance du syst&egrave;me est r&eacute;solue par crit&egrave;res d&#39;optimisation biologiquement plausible. Le mod&egrave;le explique l&#39;activit&eacute; neuronale &agrave; la population et seul neurone, niveaux. En raison de la relative simplicit&eacute; du mod&egrave;le et la tra&ccedil;abilit&eacute; analytique, il fournit l&#39;intuition sur les principales caract&eacute;ristiques du syst&egrave;me ainsi une possible explication causale de comment ils d&eacute;terminent le comportement global. En outre, il explique un grand nombre d&#39;observations r&eacute;centes, y compris les patrons temporels de single-neurone et population taux pendant isom&eacute;trique et t&acirc;ches de mouvement, &eacute;troites, r&eacute;glage des courbes, courbes de param&eacute;trage des cosinus, changements de direction pr&eacute;dominante au cours d&#39;une t&acirc;che et changements de directions privil&eacute;gi&eacute;es en raison de diff&eacute;rentes conditions exp&eacute;rimentales de tir.

Examinent les tendances de l&#39;activit&eacute; neuronale dans le cortex moteur primaire, &agrave; l&#39;aide de mod&egrave;les de biom&eacute;canique de la moelle &eacute;pini&egrave;re et l&#39;int&eacute;grit&eacute; physique.

Was bestimmt das spezifische Muster der Aktivierung des prim&auml;ren motorischen Kortex (M1) Neuronen im Zusammenhang mit einer bestimmten motorischen Aufgabe? Wir pr&auml;sentieren ein Systeme Ebene physiologische Modell zur Beschreibung der Transformations von der neuronalen Aktivit&auml;t in M1, durch das Muskel-Steuersignal in gemeinsamen Drehmomente und hinunter nach Endpunkt Kr&auml;fte und Bewegungen. Die Redundanz des Systems wird nach biologisch plausiblen Optimierung Kriterien aufgel&ouml;st. Das Modell erkl&auml;rt neuronale Aktivit&auml;t bei der Bev&ouml;lkerung sowohl einzelnes Neuron, Ebenen. Aufgrund des Modells relative Einfachheit und analytische Lenkbarkeit bietet es Intuition, die wichtigsten Funktionen des Systems sowie eine m&ouml;gliche kausale Erkl&auml;rung von, wie diese das allgemeine Verhalten bestimmen. Dar&uuml;ber hinaus erkl&auml;rt es zahlreiche j&uuml;ngste Beobachtungen, einschlie&szlig;lich der zeitlichen Muster der Einzel-Neuron und Bev&ouml;lkerung schie&szlig;en Preise w&auml;hrend der isometrischen und Bewegung Aufgaben, engen Kurven, nicht Kosinus tuning Kurven, &Auml;nderungen der bevorzugte Richtungen w&auml;hrend einer Aufgabe und &Auml;nderungen der bevorzugte Richtungen wegen verschiedenen experimentellen Bedingungen.

Muster der neuronalen Aktivit&auml;t in den prim&auml;ren motorischen Kortex mit Leib und R&uuml;ckenmark Biomechanik-Modellen zu erkl&auml;ren.

Che cosa determina il modello specifico di attivazione dei neuroni della corteccia motoria primaria (M1) nel contesto di un dato compito motore? Vi presentiamo un modello fisiologico livello di sistemi che descrive la trasformazione dall&#39;attivit&agrave; neurale in M1, attraverso il segnale di controllo muscolare, in coppie congiunta e gi&ugrave; per le forze dell&#39;endpoint e movimenti. La ridondanza del sistema &egrave; risolto dai criteri di ottimizzazione biologicamente plausibile. Il modello spiega attivit&agrave; neurale alla popolazione sia singolo neurone, livelli. A causa della relativa semplicit&agrave; del modello e trattabilit&agrave; analitica, fornisce l&#39;intuizione per quanto riguarda le caratteristiche pi&ugrave; salienti del sistema cos&igrave; come una possibile spiegazione causale di come queste a determinare il comportamento complessivo. Inoltre, essa spiega un gran numero di osservazioni recenti, tra cui il pattern temporale del singolo neurone e popolazione sparando tariffe durante isometrica e attivit&agrave; di movimento, stretta regolazione curve, curve tuning non coseno, cambiamenti di direzioni preferite durante un&#39;attivit&agrave; e cambiamenti di direzioni preferite a causa di differenti condizioni sperimentali.

La spiegazione di modelli di attivit&agrave; neurale nella corteccia motoria primaria utilizzando modelli di biomeccanica del midollo spinale e degli arti.

&#x3069;&#x306E;&#x3088;&#x3046;&#x306A;&#x4E0E;&#x3048;&#x3089;&#x308C;&#x305F;&#x30E2;&#x30FC;&#x30BF;&#x30FC; &#x30BF;&#x30B9;&#x30AF;&#x306E;&#x30B3;&#x30F3;&#x30C6;&#x30AD;&#x30B9;&#x30C8;&#x3067;&#x306E;&#x4E00;&#x6B21;&#x904B;&#x52D5;&#x91CE; (M1) &#x30CB;&#x30E5;&#x30FC;&#x30ED;&#x30F3;&#x306E;&#x6D3B;&#x6027;&#x5316;&#x306E;&#x7279;&#x5B9A;&#x306E;&#x30D1;&#x30BF;&#x30FC;&#x30F3;&#x3092;&#x6C7A;&#x5B9A;&#x3059;&#x308B;&#xFF1F;&#x795E;&#x7D4C;&#x56DE;&#x8DEF;&#x5185;&#x306E;&#x30A2;&#x30AF;&#x30C6;&#x30A3;&#x30D3;&#x30C6;&#x30A3;&#x304B;&#x3089; M1&#x3001;&#x7B4B;&#x8089;&#x5236;&#x5FA1;&#x4FE1;&#x53F7;&#x3092;&#x4ECB;&#x3057;&#x3066;&#x30C0;&#x30A6;&#x30F3; &#x30A8;&#x30F3;&#x30C9;&#x30DD;&#x30A4;&#x30F3;&#x30C8;&#x529B;&#x3068;&#x904B;&#x52D5;&#x3068;&#x95A2;&#x7BC0;&#x30C8;&#x30EB;&#x30AF;&#x306B;&#x5909;&#x63DB;&#x3092;&#x8A18;&#x8FF0;&#x3059;&#x308B;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306E;&#x30EC;&#x30D9;&#x30EB;&#x306E;&#x751F;&#x7406;&#x5B66;&#x7684;&#x30E2;&#x30C7;&#x30EB;&#x3092;&#x63D0;&#x6848;&#x3057;&#x307E;&#x3059;&#x3002;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306E;&#x5197;&#x9577;&#x6027;&#x306F;&#x3001;&#x751F;&#x7269;&#x5B66;&#x7684;&#x306B;&#x3082;&#x3063;&#x3068;&#x3082;&#x3089;&#x3057;&#x3044;&#x6700;&#x9069;&#x5316;&#x57FA;&#x6E96;&#x306B;&#x3088;&#x3063;&#x3066;&#x89E3;&#x6C7A;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x30E2;&#x30C7;&#x30EB;&#x795E;&#x7D4C;&#x6D3B;&#x52D5;&#x4EBA;&#x53E3;&#x3001;&#x5358;&#x4E00;&#x30CB;&#x30E5;&#x30FC;&#x30ED;&#x30F3; &#x30EC;&#x30D9;&#x30EB;&#x3067;&#x8AAC;&#x660E;&#x3057;&#x307E;&#x3059;&#x3002;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x76F8;&#x5BFE;&#x7684;&#x306A;&#x30B7;&#x30F3;&#x30D7;&#x30EB;&#x3055;&#x3068;&#x5206;&#x6790;&#x7684;&#x30C8;&#x30EC;&#x30FC;&#x30B5;&#x30D3;&#x30EA;&#x30C6;&#x30A3;&#x306E;&#x305F;&#x3081;&#x306B;&#x3001;&#x6700;&#x3082;&#x9855;&#x8457;&#x306A;&#x7279;&#x5FB4;&#x3068;&#x3057;&#x3066;&#x76F4;&#x89B3;&#x306E;&#x5168;&#x4F53;&#x7684;&#x306A;&#x52D5;&#x4F5C;&#x3092;&#x7279;&#x5B9A;&#x3059;&#x308B;&#x65B9;&#x6CD5;&#x3053;&#x308C;&#x3089;&#x306E;&#x53EF;&#x80FD;&#x306A;&#x56E0;&#x679C;&#x8AAC;&#x660E;&#x3068;&#x540C;&#x69D8;&#x306B;&#x3001;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059;&#x3002;&#x307E;&#x305F;&#x3001;&#x5358;&#x4E00;&#x30CB;&#x30E5;&#x30FC;&#x30ED;&#x30F3;&#x3068;&#x767A;&#x706B;&#x7387;&#x7B49;&#x5C3A;&#x3068;&#x79FB;&#x52D5;&#x306E;&#x30BF;&#x30B9;&#x30AF;&#x306F;&#x3001;&#x6700;&#x5BC4;&#x308A;&#x306E;&#x65B9;&#x5411;&#x306B;&#x3088;&#x308A;&#x3055;&#x307E;&#x3056;&#x307E;&#x306A;&#x5B9F;&#x9A13;&#x6761;&#x4EF6;&#x306E;&#x5909;&#x5316;&#x306B;&#x5BFE;&#x3057;&#x3066;&#x3001;&#x30BF;&#x30B9;&#x30AF;&#x306E;&#x4E2D;&#x306B;&#x6700;&#x5BC4;&#x308A;&#x306E;&#x65B9;&#x5411;&#x306E;&#x5909;&#x5316;&#x306B;&#x5BFE;&#x3057;&#x3066;&#x3001;&#x975E;&#x30B3;&#x30B5;&#x30A4;&#x30F3; &#x30C1;&#x30E5;&#x30FC;&#x30CB;&#x30F3;&#x30B0;&#x66F2;&#x7DDA;&#x66F2;&#x7DDA;&#x3092;&#x30C1;&#x30E5;&#x30FC;&#x30CB;&#x30F3;&#x30B0;&#x72ED;&#x3044;&#x4EBA;&#x53E3;&#x306E;&#x6642;&#x7A7A;&#x9593;&#x30D1;&#x30BF;&#x30FC;&#x30F3;&#x3092;&#x542B;&#x3080;&#x6700;&#x8FD1;&#x306E;&#x89B3;&#x6E2C;&#x306E;&#x591A;&#x304F;&#x306B;&#x3064;&#x3044;&#x3066;&#x8AAC;&#x660E;&#x3057;&#x307E;&#x3059;&#x3002;

&#x810A;&#x9AC4;&#x3068;&#x4E0B;&#x80A2;&#x306E;&#x30D0;&#x30A4;&#x30AA;&#x30E1;&#x30AB;&#x30CB;&#x30AF;&#x30B9; &#x30E2;&#x30C7;&#x30EB;&#x3092;&#x7528;&#x3044;&#x305F;&#x4E00;&#x6B21;&#x904B;&#x52D5;&#x91CE;&#x306E;&#x795E;&#x7D4C;&#x6D3B;&#x52D5;&#x306E;&#x30D1;&#x30BF;&#x30FC;&#x30F3;&#x3092;&#x8AAC;&#x660E;&#x3057;&#x307E;&#x3059;&#x3002;

&#xC5B4;&#xB5A4; &#xC8FC;&#xC5B4;&#xC9C4;&#xB41C; &#xBAA8;&#xD130; &#xC791;&#xC5C5;&#xC758; &#xCEE8;&#xD14D;&#xC2A4;&#xD2B8;&#xC5D0;&#xC11C; &#xAE30;&#xBCF8; &#xBAA8;&#xD130; &#xD53C; &#xC9C8; (M1) &#xB274;&#xB7F0;&#xC758; &#xD65C;&#xC131;&#xD654;&#xC758; &#xD2B9;&#xC815; &#xD328;&#xD134;&#xC744; &#xACB0;&#xC815;? &#xC6B0;&#xB9AC;&#xB294; &#xC2E0;&#xACBD; &#xD65C;&#xB3D9;&#xC5D0; M1, &#xADFC;&#xC721; &#xC81C;&#xC5B4; &#xC2E0;&#xD638;&#xB97C; &#xD1B5;&#xD574; &#xACF5;&#xB3D9; &#xD1A0;&#xD06C;&#xC640; &#xB05D;&#xC810; &#xC138;&#xB825; &#xBC0F; &#xC6C0;&#xC9C1;&#xC784;&#xC5D0;&#xC11C; &#xBCC0;&#xD654;&#xB97C; &#xC124;&#xBA85; &#xD558;&#xB294; &#xC2DC;&#xC2A4;&#xD15C; &#xC218;&#xC900;&#xC758; &#xC0DD;&#xB9AC; &#xC801; &#xBAA8;&#xB378; &#xC81C;&#xC2DC;. &#xC2DC;&#xC2A4;&#xD15C;&#xC758; &#xC911;&#xBCF5;&#xC740; &#xC0DD;&#xBB3C;&#xD559;&#xC801;&#xC73C;&#xB85C; &#xADF8;&#xB7F4; &#xB4EF; &#xD558; &#xAC8C; &#xCD5C;&#xC801;&#xD654; &#xAE30;&#xC900;&#xC73C;&#xB85C; &#xD655;&#xC778; &#xB429;&#xB2C8;&#xB2E4;. &#xBAA8;&#xB378; &#xC2E0;&#xACBD; &#xD65C;&#xB3D9; &#xC778;&#xAD6C;, &#xB2E8;&#xC77C; &#xB274;&#xB7F0; &#xC218;&#xC900;&#xC5D0;&#xC11C; &#xC124;&#xBA85;&#xD569;&#xB2C8;&#xB2E4;. &#xBAA8;&#xB378;&#xC758; &#xC0C1;&#xB300;&#xC801; &#xB2E8;&#xC21C; &#xBC0F; &#xBD84;&#xC11D; &#xCD94;&#xC801;&#xC131;, &#xC774;&#xB7EC;&#xD55C; &#xC804;&#xBC18;&#xC801;&#xC778; &#xB3D9;&#xC791;&#xC744; &#xACB0;&#xC815; &#xD558;&#xB294; &#xBC29;&#xBC95;&#xC758; &#xAC00;&#xB2A5;&#xD55C; &#xC6D0;&#xC778; &#xC124;&#xBA85;&#xC73C;&#xB85C;&#xB294; &#xC2DC;&#xC2A4;&#xD15C;&#xC758; &#xAC00;&#xC7A5; &#xD604;&#xC800;&#xD55C; &#xD2B9;&#xC9D5;&#xC73C;&#xB85C; &#xC9C1;&#xAC10;&#xC744; &#xC81C;&#xACF5; &#xD569;&#xB2C8;&#xB2E4;. &#xB610;&#xD55C;, &#xB9CE;&#xC740; &#xC218;&#xC758; &#xB2E8;&#xC77C; &#xC2E0;&#xACBD; &#xBC0F; &#xC778;&#xAD6C; &#xC544;&#xC774;&#xC18C;&#xBA54;&#xD2B8;&#xB9AD; &#xB3D9;&#xC548;&#xC758; &#xC18D;&#xB3C4; &#xBC0F; &#xC6B4;&#xB3D9; &#xC791;&#xC5C5;, &#xC881;&#xC740; &#xACE1;&#xC120;, &#xBE44; &#xCF54;&#xC0AC;&#xC778; &#xD29C;&#xB2DD; &#xACE1;&#xC120;, &#xBCC0;&#xACBD; &#xC791;&#xC5C5;&#xC744; &#xD558;&#xB294; &#xB3D9;&#xC548; &#xAE30;&#xBCF8; &#xBC29;&#xD5A5; &#xBC0F; &#xB2E4;&#xB978; &#xC2E4;&#xD5D8; &#xC870;&#xAC74;&#xC5D0; &#xB530;&#xB77C; &#xC6D0;&#xD558;&#xB294; &#xBC29;&#xD5A5;&#xC73C;&#xB85C;&#xC758; &#xBCC0;&#xD654;&#xB97C; &#xC870;&#xC815;&#xC758; &#xC2DC;&#xAC04;&#xC801; &#xD328;&#xD134;&#xC744; &#xD3EC;&#xD568; &#xD55C; &#xCD5C;&#xADFC; &#xAD00;&#xCC30;&#xC744; &#xC124;&#xBA85; &#xD569;&#xB2C8;&#xB2E4;.

&#xCC99;&#xC218;&#xC640; &#xB2E4;&#xB9AC; &#xC5ED;&#xD559; &#xBAA8;&#xB378;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xAE30;&#xBCF8; &#xBAA8;&#xD130; &#xD53C; &#xC9C8;&#xC5D0;&#xC11C; &#xC2E0;&#xACBD; &#xD65C;&#xB3D9;&#xC758; &#xD328;&#xD134;&#xC744; &#xC124;&#xBA85; &#xD558;.

&iquest;Qu&eacute; determina el patr&oacute;n espec&iacute;fico de activaci&oacute;n de las neuronas de la corteza primaria del motor (M1) en el contexto de una tarea dada de motor? Presentamos un modelo de nivel fisiol&oacute;gico sistemas que describe la transformaci&oacute;n de la actividad neuronal en M1, a trav&eacute;s de la se&ntilde;al de control muscular, en pares conjunta y hasta el extremo las fuerzas y movimientos. La redundancia del sistema se resuelve mediante criterios de optimizaci&oacute;n biol&oacute;gicamente plausible. El modelo explica la actividad neurol&oacute;gica en la poblaci&oacute;n y la &uacute;nica neurona, niveles. Debido a la relativa simplicidad del modelo y tratabilidad anal&iacute;tica, proporciona intuici&oacute;n en cuanto a las caracter&iacute;sticas m&aacute;s salientes del sistema as&iacute; como una posible explicaci&oacute;n causal de c&oacute;mo determinan el comportamiento general. Por otra parte, explica un gran n&uacute;mero de observaciones recientes, incluyendo los patrones temporales de neuronas individuales y poblaci&oacute;n disparando tarifas durante isom&eacute;trica y tareas del movimiento, estrechas ajuste curvas, coseno no ajuste curvas, cambios de direcciones recomendado: durante una tarea y cambios de direcciones preferidos debido a diferentes condiciones experimentales.

Explicando los patrones de actividad neuronal en el c&oacute;rtex motor primario utilizando modelos de Biomec&aacute;nica de la m&eacute;dula espinal y del miembro.

&#x5FEB;&#x901F;&#x8FBE;&#x6210;&#x624B;&#x81C2;&#x8FD0;&#x52A8;&#x4F5C;&#x4E3A;&#x4F18;&#x79C0;&#x8BD5;&#x9A8C;&#x53F0;&#x7684;&#x4EFB;&#x4F55;&#x5173;&#x4E8E;&#x8F68;&#x8FF9;&#x5F62;&#x6210;&#x7684;&#x7406;&#x8BBA;&#x3002;&#x8FD9;&#x4E9B;&#x8FD0;&#x52A8;&#x8BA1;&#x5212;&#x5982;&#x4F55;&#xFF1F;&#x6700;&#x5C0F;&#x52A0;&#x901F;&#x5EA6;&#x6807;&#x51C6;&#x66FE;&#x5728;&#x8FC7;&#x53BB;&#x548C;&#x83B7;&#x5F97;&#xFF0C;&#x8BE5;&#x89E3;&#x51B3;&#x65B9;&#x6848;&#x57FA;&#x4E8E;&#x6B27;&#x62C9;&#x6CCA;&#x677E;&#x65B9;&#x7A0B;&#xFF0C;&#x672A;&#x80FD;&#x9884;&#x6D4B;&#x624B;&#x5C06;&#x5F00;&#x59CB;&#x548C;&#x7ED3;&#x675F; &#xFF08;&#x5373;&#x7740;&#x96F6;&#x52A0;&#x901F;&#x5EA6;&#xFF09; &#x4F11;&#x606F;&#x8FD0;&#x52A8;&#x3002;&#x56E0;&#x6B64;&#xFF0C;&#x8FD9;&#x4E00;&#x6807;&#x51C6;&#x88AB;&#x62D2;&#x7EDD;&#x652F;&#x6301;&#x6700;&#x4F4E;&#x7684;&#x6DF7;&#x86CB;&#xFF0C;&#x88AB;&#x8BC1;&#x660E;&#x662F;&#x6210;&#x529F;&#x5730;&#x63CF;&#x8FF0;&#x4EBA;&#x4F53;&#x8FD0;&#x52A8;&#x7684;&#x8BB8;&#x591A;&#x529F;&#x80FD;&#x3002;&#x8FD9;&#x5C01;&#x4FE1;&#x9075;&#x5FAA;&#x53E6;&#x4E00;&#x79CD;&#x65B9;&#x6CD5;&#xFF0C;&#x89E3;&#x51B3;&#x4E86;&#x4F7F;&#x7528;&#x6C42;&#x89E3;&#x673A;&#x68B0;&#x7684;&#x6700;&#x5C0F;&#x539F;&#x5219;&#x7684;&#x7EA6;&#x675F;&#x7684;&#x6700;&#x5C0F;&#x52A0;&#x901F;&#x5EA6;&#x95EE;&#x9898;&#x3002;&#x6211;&#x4EEC;&#x4F7F;&#x7528;&#x7684;&#x6700;&#x4F4E;&#x9650;&#x5EA6;&#x7684;&#x539F;&#x5219;&#x83B7;&#x5F97;&#x6700;&#x4F4E;&#x52A0;&#x901F;&#x5EA6;&#x8F68;&#x8FF9;&#x548C;&#x633A;&#x4E3E;&#x7528;&#x4F5C;&#x63A7;&#x5236;&#x4FE1;&#x53F7;&#x3002;&#x627E;&#x5230;&#x4E00;&#x4E2A;&#x89E3;&#x51B3;&#x529E;&#x6CD5;&#xFF0C;&#x4E0D;&#x5305;&#x62EC;&#x751F;&#x7406;&#x6027;&#x51B2;&#x52A8;&#x7684;&#x529F;&#x80FD;&#xFF0C;&#x6700;&#x5927;&#x7684;&#x5236;&#x7EA6;&#x56E0;&#x7D20;&#x548C;&#x5047;&#x5B9A;&#x503C;&#x6700;&#x5C0F;&#x6DF7;&#x86CB;&#x3002;&#x8BE5;&#x5206;&#x6790;&#x89E3;&#x51B3;&#x65B9;&#x6848;&#x63D0;&#x4F9B;&#x4E86;&#x4E09;&#x4E2A;&#x9636;&#x6BB5;&#x5206;&#x6BB5;&#x5E38;&#x6570;&#x633A;&#x4E3E;&#x548C;&#x8FD9;&#x4E24;&#x4E2A;&#x5F00;&#x5173;&#x65F6;&#x95F4;&#x7684;&#x7A0B;&#x5EA6;&#x53D6;&#x51B3;&#x4E8E;&#x89C4;&#x6A21;&#x6700;&#x5927;&#x548C;&#x6700;&#x5C0F;&#x53EF;&#x7528;&#x633A;&#x4E3E;&#x503C;&#x7684;&#x4FE1;&#x53F7;&#x633A;&#x4E3E; &#xFF08;&#x68D2;&#x68D2;&#x63A7;&#x5236;&#xFF09;&#x3002;&#x8FD9;&#x4E00;&#x7ED3;&#x679C;&#x9002;&#x5408;&#x89C2;&#x6D4B;&#x5230;&#x8FBE;&#x6210;&#x8FD0;&#x52A8;&#x7684;&#x8F68;&#x8FF9;&#xFF0C;&#x5E76;&#x8003;&#x8651;&#x5230;&#x5916;&#x5728;&#x7684;&#x5750;&#x6807;&#x548C;&#x808C;&#x8089;&#x9650;&#x5236;&#x5728;&#x4E00;&#x4E2A;&#x5355;&#x4E00;&#x7684;&#x6846;&#x67B6;&#x4E2D;&#x3002;&#x6700;&#x4F4E;&#x52A0;&#x901F;&#x4E0E;&#x7EA6;&#x675F;&#x539F;&#x5219;&#x4F5C;&#x4E3A;&#x4E00;&#x4E2A;&#x7EDF;&#x4E00;&#x7684;&#x65B9;&#x6CD5;&#xFF0C;&#x4E3A;&#x5F88;&#x591A;&#x610F;&#x89C1;&#x8BA8;&#x8BBA;&#x4E86;&#x5173;&#x4E8E;&#x8FD0;&#x52A8;&#x7684;&#x795E;&#x7ECF;&#x63A7;&#x5236;&#x3002;

&#x5177;&#x6709;&#x7EA6;&#x675F;&#x7684;&#x6700;&#x5C0F;&#x52A0;&#x901F;&#x5EA6;&#x6807;&#x51C6;&#x610F;&#x5473;&#x7740;&#x68D2;&#x68D2;&#x63A7;&#x5236;&#x4F5C;&#x4E3A;&#x624B;&#x81C2;&#x8FBE;&#x5230;&#x8FD0;&#x52A8;&#x8F68;&#x8FF9;&#x4F18;&#x5316;&#x7684;&#x57FA;&#x672C;&#x539F;&#x5219;&#x3002;

Rapid arm-reaching movements serve as an excellent test bed for any theory about trajectory formation. How are these movements planned? A minimum acceleration criterion has been examined in the past, and the solution obtained, based on the Euler-Poisson equation, failed to predict that the hand would begin and end the movement at rest (i.e., with zero acceleration). Therefore, this criterion was rejected in favor of the minimum jerk, which was proved to be successful in describing many features of human movements. This letter follows an alternative approach and solves the minimum acceleration problem with constraints using Pontryagin's minimum principle. We use the minimum principle to obtain minimum acceleration trajectories and use the jerk as a control signal. In order to find a solution that does not include nonphysiological impulse functions, constraints on the maximum and minimum jerk values are assumed. The analytical solution provides a three-phase piecewise constant jerk signal (bang-bang control) where the magnitude of the jerk and the two switching times depend on the magnitude of the maximum and minimum available jerk values. This result fits the observed trajectories of reaching movements and takes into account both the extrinsic coordinates and the muscle limitations in a single framework. The minimum acceleration with constraints principle is discussed as a unifying approach for many observations about the neural control of movements.

Minimum acceleration criterion with constraints implies bang-bang control as an underlying principle for optimal trajectories of arm reaching movements.

Les mouvements rapides pour atteindre les bras servent un banc d&#39;essai excellent pour toute th&eacute;orie sur la formation de la trajectoire. Comment ces mouvements sont pr&eacute;vues ? Un crit&egrave;re minimal d&#39;acc&eacute;l&eacute;ration a &eacute;t&eacute; examin&eacute; par le pass&eacute; et la solution obtenue, bas&eacute;e sur l&#39;&eacute;quation d&#39;Euler-Poisson, n&#39;a pas pu pr&eacute;dire que la main serait commencent et se terminent le mouvement au repos (avec z&eacute;ro acc&eacute;l&eacute;ration). Par cons&eacute;quent, ce crit&egrave;re a &eacute;t&eacute; rejet&eacute; en faveur de l&#39;&eacute;paul&eacute;-jet&eacute; minimale, qui s&#39;est s&#39;est av&eacute;r&eacute;e fructueuse dans la description de nombreuses caract&eacute;ristiques des mouvements humains. Cette lettre fait suite &agrave; une approche alternative et r&eacute;sout le probl&egrave;me d&#39;acc&eacute;l&eacute;ration minimale avec contraintes en utilisant le principe minimum de Pontryagin. Nous utilisons le principe minimal pour obtenir des trajectoires d&#39;acc&eacute;l&eacute;ration minimale et utiliser le jerk comme un signal de commande. Afin de trouver une solution qui n&#39;inclut pas les fonctions des impulsions, les contraintes sur le maximum et on suppose que les valeurs minimales de secousse. La solution analytique fournit une constante par morceaux triphas&eacute; secousse signal (contr&ocirc;le de bang-bang) o&ugrave; l&#39;amplitude de la secousse et les temps de commutation deux d&eacute;pendent de la grandeur des valeurs maximales et minimales de jerk disponibles. Ce r&eacute;sultat s&#39;inscrit les trajectoires observ&eacute;es d&#39;atteindre les mouvements et prend en compte aussi bien les coordonn&eacute;es extrins&egrave;ques et les limitations de muscle dans un cadre unique. L&#39;acc&eacute;l&eacute;ration minimale avec le principe de contraintes est d&eacute;crite comme une approche unificatrice pour de nombreuses observations relatives au contr&ocirc;le neuronal des mouvements.

Crit&egrave;re acc&eacute;l&eacute;ration minimale avec contraintes implique le contr&ocirc;le de bang-bang comme un principe fondamental pour les trajectoires optimales du bras pour atteindre les mouvements.

Schnelle Arm reichende Bewegungen dienen als eine ausgezeichnete Pr&uuml;fstand f&uuml;r jede Theorie &uuml;ber Flugbahn Bildung. Wie sind diese Bewegungen geplant? Minimale Beschleunigung Kriterium ist untersucht worden, in der Vergangenheit, und diese L&ouml;sung, basierend auf der Euler-Poisson-Gleichung, nicht voraussah, dass die Hand w&uuml;rde beginnen und die Bewegung im Ruhezustand (also mit NULL Beschleunigung enden). Daher wurde dieses Kriterium zu Gunsten der minimalen Ruck abgelehnt erfolgreich erwiesen war bei der Beschreibung der vielen Funktionen der menschlichen Bewegungen. Dieses Schreiben verfolgt einen alternativen Ansatz und l&ouml;st das Problem der minimale Beschleunigung mit Einschr&auml;nkungen mithilfe Pontrjagins minimale Prinzip. Wir verwenden das Prinzip der minimale minimale Beschleunigung Flugbahnen und Verwendung der Ruck als Steuersignal. Um eine L&ouml;sung zu finden, die enth&auml;lt keinen nonphysiological Impuls Funktionen, Einschr&auml;nkungen f&uuml;r die maximale und minimale Ruck-Werte werden als angenommen. Die analytische L&ouml;sung bietet eine dreiphasige st&uuml;ckweise Konstante Ruck Signal (Bang-Bang-Steuerelement), wo die H&ouml;he der wichsen und die zwei Schaltzeiten h&auml;ngen das Ausma&szlig; der maximalen und minimalen verf&uuml;gbar Ruck-Werte. Dieses Ergebnis passt die beobachteten Flugbahnen Bewegungen zu erreichen und ber&uuml;cksichtigt die extrinsischen Koordinaten und der Muskel-Einschr&auml;nkungen in einem einzigen Rahmen. Die minimale Beschleunigung mit Einschr&auml;nkungen-Prinzip wird als verbindende Ansatz f&uuml;r viele Beobachtungen &uuml;ber die neuronale Kontrolle der Verbringung er&ouml;rtert.

Minimale Beschleunigung Kriterium mit Einschr&auml;nkungen impliziert Bang-Bang-Steuerelement als zugrunde liegende Prinzip f&uuml;r optimale Bahnen der Arm Bewegungen zu erreichen.

Rapidi raggiungimento di braccio movimenti servono come un banco di prova eccellente per qualsiasi teoria sulla formazione di traiettoria. Come questi movimenti sono previsti? Un criterio minimo di accelerazione &egrave; stato esaminato in passato e la soluzione ottenuta, basata sull&#39;equazione di Eulero-Poisson, non &egrave; riuscito a prevedere che la mano vuoi iniziare e terminare il movimento a riposo (cio&egrave;, con zero accelerazione). Pertanto, questo criterio &egrave; stato respinto in favore il jerk minimo, che &egrave; stato dimostrato di essere riuscito a descrivere molte caratteristiche dei movimenti umani. Questa lettera segue un approccio alternativo e risolve il problema di accelerazione minima con vincoli di utilizzo minimo principio di Pontryagin. Utilizziamo il principio di minimo per ottenere traiettorie accelerazione minima e utilizzare il coglione come un segnale di controllo. Al fine di trovare una soluzione che non include funzioni di impulso nonphysiological, vincoli su massimo e valori minimi jerk sono presupposti. La soluzione analitica fornisce una costante a tratti trifase jerk segnale (controllo bang-bang) dove la grandezza il jerk e dei tempi di commutazione due dipende la grandezza dei valori massimo e minimo scatto disponibili. Questo risultato si inserisce le traiettorie osservate di raggiungere movimenti e prende in considerazione sia le coordinate estrinseche e le limitazioni del muscolo in un quadro unico. L&#39;accelerazione minima con principio di vincoli &egrave; discusso come un approccio unificante per molte osservazioni circa il controllo neurale dei movimenti.

Criterio minimo di accelerazione con vincoli implica controllo bang-bang come un principio sottostante per traiettorie ottimali del braccio che raggiungendo i movimenti.

&#x6025;&#x901F;&#x4E0A;&#x80A2;&#x5230;&#x9054;&#x904B;&#x52D5;&#x306F;&#x4EFB;&#x610F;&#x8ECC;&#x9053;&#x5F62;&#x6210;&#x306B;&#x3064;&#x3044;&#x3066;&#x306E;&#x7406;&#x8AD6;&#x306E;&#x512A;&#x79C0;&#x306A;&#x30C6;&#x30B9;&#x30C8; &#x30D9;&#x30C3;&#x30C9;&#x3068;&#x3057;&#x3066;&#x30B5;&#x30FC;&#x30D6;&#x3057;&#x307E;&#x3059;&#x3002;&#x3069;&#x306E;&#x3088;&#x3046;&#x306B;&#x3053;&#x308C;&#x3089;&#x306E;&#x52D5;&#x304D;&#x306E;&#x4E88;&#x5B9A;&#x306F;&#xFF1F;&#x6700;&#x5C0F;&#x52A0;&#x901F;&#x5EA6;&#x57FA;&#x6E96;&#x304C;&#x904E;&#x53BB;&#x3068;&#x5F97;&#x3001;&#x30BD;&#x30EA;&#x30E5;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3067;&#x691C;&#x8A0E;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B;&#x4E88;&#x6E2C;&#x624B;&#x3060;&#x308D;&#x3046;&#x3092;&#x958B;&#x59CB;&#x3057;&#x3001;&#x6B8B;&#x308A;&#x306E;&#x90E8;&#x5206; &#xFF08;&#x3059;&#x306A;&#x308F;&#x3061;&#x3068;&#x52A0;&#x901F;&#x5EA6;&#x304C;&#x30BC;&#x30ED;&#xFF09; &#x3067;&#x306E;&#x79FB;&#x52D5;&#x3092;&#x7D42;&#x4E86;&#x306B;&#x5931;&#x6557;&#x3057;&#x307E;&#x3057;&#x305F;&#x3001;&#x30AA;&#x30A4;&#x30E9;&#x30FC; &#x30DD;&#x30A2;&#x30BD;&#x30F3;&#x65B9;&#x7A0B;&#x5F0F;&#x306B;&#x57FA;&#x3065;&#x304D;&#x307E;&#x3059;&#x3002;&#x3057;&#x305F;&#x304C;&#x3063;&#x3066;&#x3001;&#x3053;&#x306E;&#x57FA;&#x6E96;&#x306F;&#x3001;&#x4EBA;&#x9593;&#x306E;&#x52D5;&#x304D;&#x306E;&#x591A;&#x304F;&#x306E;&#x6A5F;&#x80FD;&#x3092;&#x8A18;&#x8FF0;&#x3059;&#x308B;&#x3053;&#x3068;&#x306B;&#x6210;&#x529F;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x8A3C;&#x660E;&#x3055;&#x308C;&#x305F;&#x6700;&#x5C0F;&#x306E;&#x30B8;&#x30E3;&#x30FC;&#x30AF;&#x3092;&#x652F;&#x6301;&#x3057;&#x3066;&#x62D2;&#x5426;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;&#x3053;&#x306E;&#x624B;&#x7D19;&#x306F;&#x4EE3;&#x66FF;&#x30A2;&#x30D7;&#x30ED;&#x30FC;&#x30C1;&#x306B;&#x5F93;&#x3063;&#x3066;&#x3001;&#x30DD;&#x30F3;&#x30C8;&#x30EA;&#x30E3;&#x30FC;&#x30AE;&#x30F3;&#x306E;&#x6700;&#x5C0F;&#x539F;&#x7406;&#x3092;&#x7528;&#x3044;&#x305F;&#x5236;&#x7D04;&#x4ED8;&#x304D;&#x6700;&#x5C0F;&#x52A0;&#x901F;&#x554F;&#x984C;&#x3092;&#x89E3;&#x6C7A;&#x3057;&#x307E;&#x3059;&#x3002;&#x6700;&#x5C0F;&#x306E;&#x52A0;&#x901F;&#x8ECC;&#x8DE1;&#x3092;&#x53D6;&#x5F97;&#x3057;&#x3001;&#x30B8;&#x30E3;&#x30FC;&#x30AF;&#x5236;&#x5FA1;&#x4FE1;&#x53F7;&#x3068;&#x3057;&#x3066;&#x4F7F;&#x7528;&#x3059;&#x308B;&#x6700;&#x5C0F;&#x306E;&#x539F;&#x7406;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x304F;&#x3060;&#x3055;&#x3044;&#x3002;Nonphysiological &#x30A4;&#x30F3;&#x30D1;&#x30EB;&#x30B9;&#x95A2;&#x6570;&#x306F;&#x3001;&#x6700;&#x5927;&#x306E;&#x5236;&#x7D04;&#x306F;&#x542B;&#x307E;&#x308C;&#x305A;&#x3001;&#x89E3;&#x6C7A;&#x7B56;&#x3092;&#x898B;&#x3064;&#x3051;&#x308B;&#x305F;&#x3081;&#x306B;&#x306F;&#x3001;&#x8E8D;&#x5EA6;&#x6700;&#x5C0F;&#x5024;&#x3068;&#x898B;&#x306A;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x5206;&#x6790;&#x30BD;&#x30EA;&#x30E5;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059; 3 &#x76F8;&#x533A;&#x5206;&#x5B9A;&#x6570;&#x306E;&#x5927;&#x304D;&#x3055;&#x3001;&#x30B8;&#x30E3;&#x30FC;&#x30AF;&#x3068; 2 &#x3064;&#x306E;&#x30B9;&#x30A4;&#x30C3;&#x30C1;&#x30F3;&#x30B0;&#x6642;&#x9593;&#x4F9D;&#x5B58;&#x306E;&#x6700;&#x5927;&#x304A;&#x3088;&#x3073;&#x6700;&#x5C0F;&#x306E;&#x5229;&#x7528;&#x53EF;&#x80FD;&#x306A;&#x30B8;&#x30E3;&#x30FC;&#x30AF;&#x5024;&#x306E;&#x30DE;&#x30B0;&#x30CB;&#x30C1;&#x30E5;&#x30FC;&#x30C9;&#x306B;&#x30B8;&#x30E3;&#x30FC;&#x30AF;&#x4FE1;&#x53F7; (&#x30D0;&#x30F3;&#x30B0;&#x30D0;&#x30F3;&#x30B0;&#x5236;&#x5FA1;)&#x3002;&#x3053;&#x306E;&#x7D50;&#x679C;&#x306F;&#x3001;&#x5230;&#x9054;&#x904B;&#x52D5;&#x306E;&#x8ECC;&#x8DE1;&#x3092;&#x30D5;&#x30A3;&#x30C3;&#x30C8;&#x3057;&#x3001;&#x5916;&#x56E0;&#x6027;&#x306E;&#x5EA7;&#x6A19;&#x3068;&#x7B4B;&#x306E;&#x5236;&#x9650;&#x5358;&#x4E00;&#x306E;&#x30D5;&#x30EC;&#x30FC;&#x30E0;&#x30EF;&#x30FC;&#x30AF;&#x306B;&#x8003;&#x616E;&#x3057;&#x307E;&#x3059;&#x3002;&#x6700;&#x5C0F;&#x306E;&#x52A0;&#x901F;&#x3068;&#x5236;&#x7D04;&#x539F;&#x7406;&#x3068;&#x3057;&#x3066;&#x591A;&#x304F;&#x306E;&#x89B3;&#x6E2C;&#x306E;&#x7D71;&#x4E00;&#x306E;&#x30A2;&#x30D7;&#x30ED;&#x30FC;&#x30C1;&#x306F;&#x3001;&#x904B;&#x52D5;&#x306E;&#x30CB;&#x30E5;&#x30FC;&#x30E9;&#x30EB;&#x5236;&#x5FA1;&#x306B;&#x3064;&#x3044;&#x3066;&#x8AAC;&#x660E;&#x3057;&#x307E;&#x3059;&#x3002;

&#x5236;&#x7D04;&#x4ED8;&#x304D;&#x6700;&#x5C0F;&#x52A0;&#x901F;&#x5EA6;&#x57FA;&#x6E96;&#x306F;&#x8155;&#x306E;&#x5230;&#x9054;&#x904B;&#x52D5;&#x306E;&#x6700;&#x9069;&#x8ECC;&#x9053;&#x306E;&#x57FA;&#x790E;&#x3068;&#x306A;&#x308B;&#x539F;&#x7406;&#x3068;&#x3057;&#x3066;&#x30D0;&#x30F3;&#x30B0;&#x30D0;&#x30F3;&#x30B0;&#x5236;&#x5FA1;&#x3092;&#x610F;&#x5473;&#x3057;&#x307E;&#x3059;&#x3002;

&#xD314;&#xC5D0; &#xB3C4;&#xB2EC; &#xBE60;&#xB978; &#xC6C0;&#xC9C1;&#xC784; &#xADA4;&#xC801; &#xD615;&#xC131;&#xC5D0; &#xB300; &#xD55C; &#xBAA8;&#xB4E0; &#xC774;&#xB860;&#xC5D0; &#xB300; &#xD55C; &#xD14C;&#xC2A4;&#xD2B8; &#xBCA0;&#xB4DC; &#xC5ED;&#xD560;. &#xC774;&#xB7EC;&#xD55C; &#xC6C0;&#xC9C1;&#xC784;&#xC740; &#xC5B4;&#xB5BB;&#xAC8C; &#xACC4;&#xD68D;&#xC740;? &#xCD5C;&#xC18C; &#xAC00;&#xC18D; &#xC870;&#xAC74;, &#xACFC;&#xAC70;&#xC5D0; &#xCDE8;&#xB4DD;, &#xC194;&#xB8E8;&#xC158; &#xAC80;&#xC0AC; &#xC190;&#xC744; &#xAC83; &#xC2DC;&#xC791; &#xD558; &#xACE0; &#xC885;&#xB8CC; (&#xC989;, 0 &#xAC00;&#xC18D;)&#xC640; &#xD568;&#xAED8; &#xB098;&#xBA38;&#xC9C0;&#xC5D0; &#xC6C0;&#xC9C1;&#xC784;&#xC744; &#xC608;&#xCE21; &#xD558;&#xC9C0; &#xBABB;&#xD588;&#xC2B5;&#xB2C8;&#xB2E4; &#xC624;&#xC77C;&#xB7EC; &#xD478;&#xC544;&#xC1A1; &#xBC29;&#xC815;&#xC2DD;&#xC744; &#xAE30;&#xBC18;&#xC73C;&#xB85C; &#xD569;&#xB2C8;&#xB2E4;. &#xB530;&#xB77C;&#xC11C;,&#xC774; &#xC870;&#xAC74;&#xC740; &#xC778;&#xAC04;&#xC758; &#xC6C0;&#xC9C1;&#xC784;&#xC758; &#xB2E4;&#xC591; &#xD55C; &#xAE30;&#xB2A5;&#xC744; &#xC124;&#xBA85; &#xD558;&#xB294;&#xC5D0;&#xC11C; &#xC131;&#xACF5; &#xC785;&#xC99D; &#xD588;&#xB2E4; &#xCD5C;&#xC18C; &#xACBD;&#xB828;&#xC5D0; &#xCC2C;&#xC131; &#xAC70;&#xBD80; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC774; &#xD3B8;&#xC9C0;&#xB294; &#xB300;&#xCCB4; &#xC811;&#xADFC; &#xBC29;&#xC2DD; &#xBC0F; Pontryagin&#xC758; &#xCD5C;&#xC18C; &#xC6D0;&#xCE59;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC81C;&#xC57D; &#xC870;&#xAC74;&#xC5D0; &#xB300; &#xD55C; &#xCD5C;&#xC18C; &#xAC00;&#xC18D; &#xBB38;&#xC81C; &#xD574;&#xACB0;. &#xC6B0;&#xB9AC;&#xB294; &#xCD5C;&#xC18C; &#xAC00;&#xC18D; &#xADA4;&#xB3C4; &#xAD6C;&#xD558;&#xACE0; &#xACBD;&#xB828; &#xC81C;&#xC5B4; &#xC2E0;&#xD638;&#xB85C; &#xC0AC;&#xC6A9; &#xD558; &#xCD5C;&#xC18C; &#xC6D0;&#xB9AC;&#xB97C; &#xC0AC;&#xC6A9; &#xD569;&#xB2C8;&#xB2E4;. &#xC194;&#xB8E8;&#xC158;&#xC744; &#xCC3E;&#xAE30; &#xC704;&#xD574; &#xD558;&#xB294; nonphysiological &#xC784;&#xD384;&#xC2A4; &#xD568;&#xC218;, &#xCD5C;&#xB300;&#xC5D0; &#xB300; &#xD55C; &#xC81C;&#xC57D;&#xC744; &#xD3EC;&#xD568; &#xD558;&#xC9C0; &#xC54A;&#xC2B5;&#xB2C8;&#xB2E4; &#xBC0F; &#xCD5C;&#xC18C; &#xBC18;&#xC0AC; &#xAC12;&#xC73C;&#xB85C; &#xAC04;&#xC8FC; &#xB429;&#xB2C8;&#xB2E4;. 3 &#xC0C1; &#xBD88;&#xC5F0;&#xC18D; &#xC0C1;&#xC218;&#xB97C; &#xC81C;&#xACF5; &#xD558;&#xB294; &#xBD84;&#xC11D; &#xC194;&#xB8E8;&#xC158; &#xBC18;&#xC0AC; &#xC2E0;&#xD638; (&#xBC45; &#xBC45; &#xC81C;&#xC5B4;) &#xACBD;&#xB828; &#xBC0F; &#xB450; &#xAC1C;&#xC758; &#xC2A4;&#xC704;&#xCE6D; &#xC2DC;&#xAC04; &#xD06C;&#xAE30; &#xCD5C;&#xB300; &#xBC0F; &#xCD5C;&#xC18C; &#xC0AC;&#xC6A9; &#xAC00;&#xB2A5;&#xD55C; &#xBA4D; &#xCCAD;&#xC774; &#xAC12;&#xC758; &#xD06C;&#xAE30;&#xC5D0; &#xB530;&#xB77C; &#xB2EC;&#xB77C; &#xC9D1;&#xB2C8;&#xB2E4;. &#xC774; &#xACB0;&#xACFC; &#xB3C4;&#xB2EC; &#xC6C0;&#xC9C1;&#xC784;&#xC758; &#xAD00;&#xCC30; &#xB41C; &#xADA4;&#xB3C4; &#xB9DE;&#xB294; &#xACE0; &#xC678;&#xBD80; &#xC88C;&#xD45C; &#xBC0F; &#xB2E8;&#xC77C; &#xD504;&#xB808;&#xC784; &#xC6CC;&#xD06C;&#xC5D0;&#xC11C; &#xADFC;&#xC721; &#xC81C;&#xD55C; &#xACC4;&#xC815;&#xC5D0; &#xAC78;&#xB9BD;&#xB2C8;&#xB2E4;. &#xC81C;&#xC57D; &#xC6D0;&#xB9AC;&#xC640; &#xCD5C;&#xC18C; &#xAC00;&#xC18D; &#xC6B4;&#xB3D9; &#xC2E0;&#xACBD; &#xC81C;&#xC5B4;&#xC5D0; &#xB300; &#xD55C; &#xB9CE;&#xC740; &#xAD00;&#xCC30;&#xC744; &#xC704;&#xD55C; &#xD1B5;&#xD569; &#xC811;&#xADFC; &#xBC29;&#xC2DD;&#xC73C;&#xB85C; &#xC124;&#xBA85; &#xD569;&#xB2C8;&#xB2E4;.

&#xCD5C;&#xC18C; &#xAC00;&#xC18D; &#xC870;&#xAC74; &#xC81C;&#xC57D;&#xC73C;&#xB85C; &#xD314;&#xC758; &#xC6C0;&#xC9C1;&#xC784;&#xC5D0; &#xB3C4;&#xB2EC;&#xC758; &#xCD5C;&#xC801;&#xC758; &#xADA4;&#xC801;&#xC5D0; &#xB300; &#xD55C; &#xAE30;&#xBCF8; &#xC6D0;&#xCE59;&#xC73C;&#xB85C; &#xBC45; &#xBC45; &#xC81C;&#xC5B4;&#xB97C; &#xC758;&#xBBF8; &#xD569;&#xB2C8;&#xB2E4;.

Movimientos r&aacute;pidos de brazo-llegar a servir como una excelente prueba para cualquier teor&iacute;a sobre la formaci&oacute;n de la trayectoria. &iquest;C&oacute;mo planean estos movimientos? Un criterio m&iacute;nimo de aceleraci&oacute;n se ha examinado en el pasado y la soluci&oacute;n obtenida, basado en la ecuaci&oacute;n de Euler-Poisson, no pudo predecir que la mano comienzan y terminan el movimiento en reposo (es decir, con cero aceleraci&oacute;n). Por lo tanto, este criterio fue rechazada a favor del tir&oacute;n m&iacute;nimo, que fue probado para tener &eacute;xito en describir muchas caracter&iacute;sticas de movimientos humanos. Esta carta sigue un enfoque alternativo y resuelve el problema de aceleraci&oacute;n m&iacute;nima con restricciones usando principio m&iacute;nimo de Pontryagin. Utilizamos el principio m&iacute;nimo para obtener trayectorias de aceleraci&oacute;n m&iacute;nima y utilizar el tir&oacute;n como una se&ntilde;al de control. Con el fin de encontrar una soluci&oacute;n que no incluye funciones de impulso abrigarse, restricciones en el m&aacute;ximo y m&iacute;nimo tir&oacute;n valores se asumen. La soluci&oacute;n anal&iacute;tica proporciona una constante por partes de tres fases se&ntilde;al del tir&oacute;n (control de bang-bang) donde la magnitud del tir&oacute;n y los tiempos de conmutaci&oacute;n dos dependen de la magnitud de los valores m&aacute;ximo y m&iacute;nimo tir&oacute;n disponibles. Este resultado ajusta a las trayectorias observadas de llegar a movimientos y tiene en cuenta tanto las coordenadas extr&iacute;nsecas y las limitaciones del m&uacute;sculo en un marco &uacute;nico. La aceleraci&oacute;n m&iacute;nima con el principio de las restricciones se discute como un enfoque unificador para muchas observaciones sobre el control neural de movimientos.

Criterio m&iacute;nimo de aceleraci&oacute;n con restricciones implica control de bang-bang como principio subyacente para trayectorias &oacute;ptimas de llegar a los movimientos del brazo.

&#x5728;&#x8FC7;&#x53BB;&#x51E0;&#x4E2A;&#x51E0;&#x5341;&#x5E74;&#x7535;&#x673A;&#x9002;&#x5E94;&#x5E7F;&#x6CDB;&#x7814;&#x7A76;&#x89C2;&#x6D4B;&#x8FBE;&#x6210;&#x52A8;&#x4F5C;&#x4E0D;&#x53D8;&#x7684;&#x7279;&#x5F81;&#x3002;&#x5728;&#x5E76;&#x884C;&#x795E;&#x7ECF;&#x884C;&#x4E3A;&#x5B66;&#x4E60;&#x7684;&#x53CC;&#x56E0;&#x7D20;&#x7406;&#x8BBA;&#x7684;&#x4FDD;&#x62A4;&#x4F1E;&#x4E0B;&#x7814;&#x7A76;&#x4E86;&#x7EBF;&#x7814;&#x7A76;&#x60C5;&#x7EEA;&#x6027;&#x5B66;&#x4E60;&#x3002;&#x5728;&#x8FD9;&#x9879;&#x7814;&#x7A76;&#x4E2D;&#x6211;&#x4EEC;&#x63A2;&#x7D22;&#x8FD0;&#x52A8;&#x6280;&#x80FD;&#x5B66;&#x4E60;&#x4E0E;&#x6267;&#x884C;&#x63E1;&#x4F4F;&#x8BA1;&#x7B97;&#x673A;&#x9F20;&#x6807;&#x7684;&#x70B9;&#x5230;&#x70B9;&#x8FBE;&#x5230;&#x8FD0;&#x52A8;&#x7684;&#x79D1;&#x76EE;&#x7684;&#x81EA;&#x4E3B;&#x795E;&#x7ECF;&#x53CD;&#x5E94; (&#x5FC3;&#x7387;&#x3001; HR) &#x4E4B;&#x95F4;&#x7684;&#x5173;&#x7CFB;&#x3002;&#x6211;&#x4EEC;&#x8003;&#x8651;&#x66FF;&#x4EE3;&#x7684;&#x4E24;&#x79CD;&#x7ED3;&#x679C;&#xFF1A; &#x4E00;&#x4E2A;&#x662F;&#x81EA;&#x4E3B;&#x795E;&#x7ECF;&#x53CD;&#x5E94;&#x76F8;&#x5173;&#x5B66;&#x4E60;&#x7387;&#x548C;&#x7B2C;&#x4E8C;&#x4E2A;&#x662F;&#x81EA;&#x4E3B;&#x795E;&#x7ECF;&#x53CD;&#x5E94;&#x5173;&#x8054;&#xFF0C;&#x6B8B;&#x4F59;&#x7684;&#x9519;&#x8BEF;&#xFF0C;&#x5728;&#x7A33;&#x5B9A;&#x72B6;&#x6001;&#x3002;&#x5341;&#x516B;&#x4E2A;&#x79D1;&#x76EE;&#x8FDB;&#x884C;&#x8FBE;&#x5230;&#x8FD0;&#x52A8;&#x4E0B;&#x6444;&#x52A8;&#x7684;&#x89C6;&#x89C9;&#x53CD;&#x9988;&#xFF0C;&#x8868;&#x660E;&#x5B66;&#x4E60;&#x548C;&#x5B66;&#x4E60;&#x6548;&#x679C;&#x540E;&#x3002;&#x624B;&#x8FD0;&#x52A8;&#x4EE5;&#x53CA;&#x5FC3;&#x7535;&#x56FE;&#x4FE1;&#x53F7;&#x88AB;&#x6574;&#x4E2A;&#x57F9;&#x8BAD;&#x8BB0;&#x5F55;&#x548C;&#x4ED4;&#x7EC6;&#x5206;&#x6790;&#x4E86;&#x8131;&#x673A;&#x63D0;&#x53D6;&#x5BA1;&#x5224;&#x7684;&#x5BA1;&#x5224;&#x9519;&#x8BEF;&#x4EE5;&#x53CA;&#x5FC3;&#x671F;&#x3002;&#x7ED3;&#x679C;&#x663E;&#x793A;&#x660E;&#x663E;&#x7684;&#x76F8;&#x4E92;&#x5173;&#x7CFB; HR &#x7684;&#x53D8;&#x5316;&#x548C;&#x5269;&#x4F59;&#x7684;&#x9519;&#x8BEF;&#x4F46; HR &#x7684;&#x53D8;&#x5316;&#x4E0E;&#x652F;&#x6301;&#x7B2C;&#x4E8C;&#x79CD;&#x5907;&#x9009;&#x7684;&#x81EA;&#x4E3B;&#x795E;&#x7ECF;&#x53CD;&#x5E94;&#x4E0E;&#x5173;&#x8054;&#x7684;&#x9519;&#x8BEF;&#xFF0C;&#x4F46;&#x4E0D;&#x5B66;&#x4E60;&#x7387;&#x7684;&#x654F;&#x611F;&#x6027;&#xFF0C;&#x5B66;&#x4E60;&#x7387;&#x65E0;&#x76F8;&#x5173;&#x6027;&#x3002;&#x53E6;&#x4E00;&#x4E2A;&#x4E03;&#x4E2A;&#x79D1;&#x76EE;&#x63A7;&#x5236;&#x7EC4;&#x7ECF;&#x5386;&#x4E86;&#x76F8;&#x540C;&#x7684;&#x5B9E;&#x9A8C;&#x65E0;&#x6444;&#x52A8;&#x7684;&#x89C6;&#x89C9;&#x53CD;&#x9988;&#x3002;&#x6B64;&#x63A7;&#x4EF6;&#x7EC4;&#x5728; HR &#x8868;&#x660E;&#x6CA1;&#x6709;&#x53D8;&#x5316;&#x3002;&#x8FDB;&#x4E00;&#x6B65;&#x7684;&#x7814;&#x7A76;&#x548C;&#x6240;&#x9700;&#x9A8C;&#x8BC1;&#x8FD9;&#x4E00;&#x5047;&#x8BBE;&#x89E3;&#x5F00;&#x5176;&#x4E2D;&#x7684;&#x81EA;&#x4E3B;&#x795E;&#x7ECF;&#x53CD;&#x5E94;&#x4E0E;&#x6B8B;&#x4F59;&#x7684;&#x9A6C;&#x8FBE;&#x9519;&#x8BEF;&#x5173;&#x8054;&#x7684;&#x673A;&#x5236;&#x3002;

&#x5728;&#x9A6C;&#x8FBE;&#x9002;&#x5E94;&#x81EA;&#x4E3B;&#x795E;&#x7ECF;&#x7CFB;&#x7EDF;&#x7684;&#x53C2;&#x4E0E;&#xFF1A; &#x52A0;&#x901F;&#x6216;&#x9519;&#x8BEF;&#x51CF;&#x5C11;&#x5417;&#xFF1F;

In the last few decades motor adaptation was extensively studied observing the invariant features of reaching movements. In a parallel neurobehavioral line of research emotional learning was studied under the umbrella of the 'two-factor theory of learning'. In this study we explore the relation between motor learning and the autonomic response (heart rate, HR) of subjects performing point to point reaching movements holding a computer mouse. We consider two alternative outcomes: one is that autonomic response correlates with the learning rate and the second is that the autonomic response correlates with the residual error at the steady state. Eighteen subjects performed reaching movements under perturbed visual feedback demonstrating learning and after effects of learning. The hand movement as well as an Electrocardiogram signal were recorded throughout the training and carefully analyzed offline to extract the trial by trial error as well as the heart period. The results show clear correlation between the change in HR and the residual error but no correlation between the change in HR and the learning rate supporting the second alternative that the sensitivity to errors but not the learning rate correlates with the autonomic response. A control group of another seven subjects underwent the same experiment without the perturbed visual feedback. This control group showed no change in the HR. Further studies are required to validate this hypothesis and unravel the mechanism by which the autonomic response correlates with the residual motor error.

Involvement of the autonomic nervous system in motor adaptation: acceleration or error reduction?

Dans la derni&egrave;re adaptation moteur de quelques d&eacute;cennies a &eacute;t&eacute; &eacute;tudi&eacute;e, observant les caract&eacute;ristiques invariantes d&#39;atteindre les mouvements. Dans un parall&egrave;le neurocomportementales ligne de recherche apprentissage &eacute;motionnel a &eacute;t&eacute; &eacute;tudi&eacute;e sous l&#39;&eacute;gide de la &laquo; th&eacute;orie des deux facteurs de l&#39;apprentissage &raquo;. Dans cette &eacute;tude, nous examinons la relation entre l&#39;apprentissage moteur et la r&eacute;ponse autonome (rythme cardiaque, HR) des sujets en effectuant des mouvements pour atteindre un point &agrave; tenir une souris d&#39;ordinateur. Nous consid&eacute;rons deux r&eacute;sultats alternatifs : l&#39;une est que r&eacute;ponse autonome est corr&eacute;l&eacute;e avec le taux d&#39;apprentissage, et la seconde est que la r&eacute;ponse du syst&egrave;me nerveux autonome est corr&eacute;l&eacute;e avec l&#39;erreur r&eacute;siduelle &agrave; l&#39;&eacute;tat stationnaire. Dix-huit sujets ex&eacute;cutent des mouvements d&#39;atteinte sous une r&eacute;troaction visuelle perturb&eacute;e d&eacute;montrant l&#39;apprentissage et after effects d&#39;apprentissage. Le mouvement de la main, mais aussi un signal &eacute;lectrocardiographique ont &eacute;t&eacute; enregistr&eacute; tout au long de la formation et soigneusement analys&eacute; hors ligne pour extraire l&#39;essai par essai erreur ainsi que la p&eacute;riode de c&oelig;ur. Les r&eacute;sultats montrent une corr&eacute;lation claire entre le changement dans les ressources humaines et l&#39;erreur r&eacute;siduelle mais aucune corr&eacute;lation entre le changement dans les ressources humaines et le taux d&#39;apprentissage soutenant la deuxi&egrave;me solution que la sensibilit&eacute; aux erreurs, mais pas le taux d&#39;apprentissage est corr&eacute;l&eacute;e avec la r&eacute;ponse du syst&egrave;me nerveux autonome. Un groupe t&eacute;moin d&#39;un autre de sept sujets ont subi la m&ecirc;me exp&eacute;rience sans la r&eacute;troaction visuelle perturb&eacute;e. Ce groupe de contr&ocirc;le a montr&eacute; aucun changement dans les ressources humaines. D&#39;autres &eacute;tudes sont n&eacute;cessaires pour valider cette hypoth&egrave;se et d&eacute;cortiquer le m&eacute;canisme par lequel la r&eacute;ponse du syst&egrave;me nerveux autonome est en corr&eacute;lation avec l&#39;erreur r&eacute;siduelle du moteur.

Implication du syst&egrave;me nerveux autonome en adaptation moteur : r&eacute;duction de l&#39;acc&eacute;l&eacute;ration ou erreur ?

In den letzten wurde einige Jahrzehnte motor Anpassung ausgiebig studiert, beobachten die invarianten Funktionen Bewegungen zu erreichen. In einem parallelen neuropsychologische wurde die Linie der Forschung emotionale lernen unter dem Dach der &quot;zwei-Faktor-Theorie des Lernens&quot; untersucht. In dieser Studie untersuchen wir die Beziehung zwischen motorischen Lernens und die autonome Reaktion (Herzfrequenz, HF) der Themen, die Durchf&uuml;hrung von Punkt zu Punkt reichender Bewegungen halten eine Computermaus. Betrachten wir zwei alternative Ergebnisse: Autonome Antwort korreliert mit der Lern-Kurs und die zweite ist, dass die autonome Reaktion mit der verbleibende Fehler an der Steady-State korreliert. Achtzehn F&auml;chern durchgef&uuml;hrt reichende Bewegungen unter gest&ouml;rt visuelles Feedback demonstrieren lernen und after Effects des Lernens. Die Handbewegung sowie ein EKG-Signal wurden im Laufe der Schulung aufgenommen und sorgf&auml;ltig offline analysiert, um die Testversion von Versuch-Irrtum sowie die Herz-Zeitraum zu extrahieren. Die Ergebnisse zeigen eindeutige Korrelation zwischen der &Auml;nderung im HR und der verbleibende Fehler aber keine Korrelation zwischen der &Auml;nderung des HR und der Lern-Kurs unterst&uuml;tzt die zweite Alternative, die die Empfindlichkeit gegen&uuml;ber St&ouml;rungen aber nicht der Lern-Kurs mit der vegetativen Antwort korreliert. Eine Kontrollgruppe von einem anderen sieben Themen unterzog das gleiche Experiment ohne die gest&ouml;rt visuelles Feedback. Diese Kontrollgruppe zeigte keine &Auml;nderung in der HR. Weitere Studien sind erforderlich, um diese Hypothese zu &uuml;berpr&uuml;fen und den Mechanismus, durch den die autonome Reaktion mit der verbleibende motor Fehler korreliert, zu entwirren.

Beteiligung des autonomen Nervensystems in motor-Adaption: Verringerung der Beschleunigung oder Fehler?

Nell&#39;ultimo adattamento motore di pochi decenni &egrave; stato estesamente studiato osservando le caratteristiche invarianti di raggiungere movimenti. In un parallelo neurocomportamentale linea di apprendimento emotivo di ricerca &egrave; stato studiato sotto l&#39;ombrello della teoria di due fattori di apprendimento. In questo studio abbiamo esplorare la relazione tra apprendimento motore e la risposta autonomica (heart rate, HR) di soggetti eseguendo movimenti raggiungendo punto a punto, tenendo il mouse di un computer. Consideriamo due esiti alternativi: uno &egrave; che risposta autonomica correla con il tasso di apprendimento e la seconda &egrave; che la risposta autonomica correla con l&#39;errore residuo allo stato stazionario. Diciotto soggetti hanno eseguito movimenti raggiungendo sotto perturbato feedback visivo dimostrando apprendimento e dopo gli effetti dell&#39;apprendimento. Il movimento della mano, cos&igrave; come un segnale di elettrocardiogramma fosse registrato durante l&#39;addestramento e attentamente analizzato non in linea per estrarre il trial di prova errore, nonch&eacute; il periodo di cuore. I risultati mostrano la chiara correlazione tra il cambiamento in HR e l&#39;errore residuo ma nessuna correlazione tra il cambiamento in HR e il tasso di apprendimento sostenendo la seconda alternativa che la sensibilit&agrave; di errori, ma non il tasso di apprendimento correla con la risposta autonomica. Un gruppo di controllo di un altro sette soggetti sub&igrave; lo stesso esperimento senza il feedback visivo perturbato. Questo gruppo di controllo ha mostrato alcun cambiamento in HR. Ulteriori studi sono necessari per convalidare questa ipotesi e svelare il meccanismo mediante il quale la risposta autonomica correla con l&#39;errore residuo del motore.

Coinvolgimento del sistema nervoso autonomo nell&#39;adattamento motore: riduzione di accelerazione o errore?

&#x6700;&#x5F8C;&#x306E;&#x6570;&#x5341;&#x5E74;&#x30E2;&#x30FC;&#x30BF;&#x30FC;&#x9069;&#x5FDC;&#x5E83;&#x7BC4;&#x56F2;&#x5230;&#x9054;&#x904B;&#x52D5;&#x306E;&#x4E0D;&#x5909;&#x7279;&#x5FB4;&#x3092;&#x89B3;&#x5BDF;&#x3059;&#x308B;&#x3053;&#x3068;&#x3092;&#x8ABF;&#x3079;&#x305F;&#x3002;&#x4E26;&#x5217;&#x306E;&#x795E;&#x7D4C;&#x884C;&#x52D5;&#x306B;&#x611F;&#x60C5;&#x7684;&#x306A;&#x5B66;&#x7FD2;&#x7814;&#x7A76;&#x306E;&#x884C;&#x300C;&#x5B66;&#x7FD2;&#x306E; 2 &#x8981;&#x56E0;&#x7406;&#x8AD6;&#39; &#x5098;&#x306E;&#x4E0B;&#x3067;&#x691C;&#x8A0E;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x672C;&#x7814;&#x7A76;&#x3067;&#x306F;&#x904B;&#x52D5;&#x5B66;&#x7FD2;&#x3068;&#x8AB2;&#x984C;&#x30B3;&#x30F3;&#x30D4;&#x30E5;&#x30FC;&#x30BF;&#x30FC; &#x30DE;&#x30A6;&#x30B9;&#x3092;&#x63E1;&#x3063;&#x3066;&#x30DD;&#x30A4;&#x30F3;&#x30C8;&#x5230;&#x9054;&#x904B;&#x52D5;&#x9042;&#x884C;&#x306E;&#x81EA;&#x5F8B;&#x53CD;&#x5FDC; (&#x5FC3;&#x62CD;&#x3001;HR&#xFF09; &#x306E;&#x95A2;&#x4FC2;&#x3092;&#x63A2;&#x308B;&#x3002;&#x6211;&#x3005; &#x306F; 2 &#x3064;&#x306E;&#x4EE3;&#x66FF;&#x306E;&#x6210;&#x679C;&#x3092;&#x8003;&#x616E;&#xFF1A; 1 &#x3064;&#x306F;&#x81EA;&#x5F8B;&#x795E;&#x7D4C;&#x5FDC;&#x7B54;&#x76F8;&#x95A2;&#x3092;&#x5B66;&#x7FD2;&#x7387;&#x3068; 2 &#x756A;&#x76EE;&#x306E;&#x81EA;&#x5F8B;&#x795E;&#x7D4C;&#x53CD;&#x5FDC;&#x306F;&#x5B9A;&#x5E38;&#x72B6;&#x614B;&#x306B;&#x304A;&#x3051;&#x308B;&#x6B8B;&#x7559;&#x30A8;&#x30E9;&#x30FC;&#x3068;&#x76F8;&#x95A2;&#x3059;&#x308B;&#x3053;&#x3068;&#x3067;&#x3059;&#x3002;18 &#x79D1;&#x76EE;&#x5230;&#x9054;&#x904B;&#x52D5;&#x5B66;&#x7FD2;&#x3092;&#x793A;&#x3059;&#x6442;&#x52D5;&#x306E;&#x8996;&#x899A;&#x7684;&#x306A;&#x30D5;&#x30A3;&#x30FC;&#x30C9;&#x30D0;&#x30C3;&#x30AF;&#x4E0B;&#x3068;&#x5B66;&#x7FD2;&#x52B9;&#x679C;&#x306E;&#x5F8C;&#x306B;&#x5B9F;&#x884C;&#x3002;&#x5FC3;&#x96FB;&#x56F3;&#x4FE1;&#x53F7;&#x3068;&#x540C;&#x69D8;&#x306B;&#x3001;&#x624B;&#x306E;&#x52D5;&#x304D;&#x3060;&#x3063;&#x305F;&#x3092;&#x901A;&#x3058;&#x3066;&#x7814;&#x4FEE;&#x3092;&#x8A18;&#x9332;&#x3001;&#x5206;&#x6790;&#x614E;&#x91CD;&#x306B;&#x30AA;&#x30D5;&#x30E9;&#x30A4;&#x30F3;&#x8A66;&#x9A13;&#x30A8;&#x30E9;&#x30FC;&#x3068;&#x3057;&#x3066;&#x5FC3;&#x306E;&#x671F;&#x9593;&#x3092;&#x62BD;&#x51FA;&#x3057;&#x307E;&#x3059;&#x3002;&#x7D50;&#x679C;&#x30AF;&#x30EA;&#x30A2;&#x76F8;&#x95A2; HR &#x3067;&#x306E;&#x5909;&#x66F4;&#x3068;&#x6B8B;&#x7559;&#x30A8;&#x30E9;&#x30FC;&#x3067;&#x3059;&#x304C;&#x306A;&#x3044; HR &#x306E;&#x5909;&#x5316;&#x3068;&#x81EA;&#x5F8B;&#x795E;&#x7D4C;&#x306E;&#x5FDC;&#x7B54;&#x3068;&#x30A8;&#x30E9;&#x30FC;&#x304C;&#x306A;&#x3044;&#x5B66;&#x7FD2;&#x7387;&#x3078;&#x306E;&#x611F;&#x5EA6;&#x3092;&#x76F8;&#x95A2; 2 &#x756A;&#x76EE;&#x306E;&#x9078;&#x629E;&#x80A2;&#x3092;&#x652F;&#x6301;&#x3059;&#x308B;&#x5B66;&#x7FD2;&#x7387;&#x306E;&#x76F8;&#x95A2;&#x95A2;&#x4FC2;&#x3092;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;&#x5225;&#x306E; 7 &#x79D1;&#x76EE;&#x306E;&#x5236;&#x5FA1;&#x30B0;&#x30EB;&#x30FC;&#x30D7;&#x306F;&#x6442;&#x52D5;&#x306E;&#x8996;&#x899A;&#x7684;&#x306A;&#x30D5;&#x30A3;&#x30FC;&#x30C9;&#x30D0;&#x30C3;&#x30AF;&#x306A;&#x3057;&#x540C;&#x3058;&#x5B9F;&#x9A13;&#x3092;&#x65BD;&#x884C;&#x3057;&#x305F;.&#x3053;&#x306E;&#x30B3;&#x30F3;&#x30C8;&#x30ED;&#x30FC;&#x30EB; &#x30B0;&#x30EB;&#x30FC;&#x30D7;&#x306F;&#x3001;&#x4EBA;&#x4E8B;&#x90E8;&#x306E;&#x5909;&#x5316;&#x3092;&#x8A8D;&#x3081;&#x306A;&#x304B;&#x3063;&#x305F;&#x3002;&#x3055;&#x3089;&#x306A;&#x308B;&#x7814;&#x7A76;&#x306F;&#x3001;&#x3053;&#x306E;&#x4EEE;&#x8AAC;&#x3092;&#x691C;&#x8A3C;&#x3057;&#x3001;&#x81EA;&#x5F8B;&#x795E;&#x7D4C;&#x53CD;&#x5FDC;&#x6B8B;&#x7559;&#x30E2;&#x30FC;&#x30BF;&#x30FC; &#x30A8;&#x30E9;&#x30FC;&#x3068;&#x76F8;&#x95A2;&#x3059;&#x308B;&#x306B;&#x3088;&#x3063;&#x3066;&#x30E1;&#x30AB;&#x30CB;&#x30BA;&#x30E0;&#x3092;&#x89E3;&#x660E;&#x3059;&#x308B;&#x5FC5;&#x8981;&#x304C;&#x3042;&#x308A;&#x307E;&#x3059;&#x3002;

&#x904B;&#x52D5;&#x9069;&#x5FDC;&#x306B;&#x304A;&#x3051;&#x308B;&#x81EA;&#x5F8B;&#x795E;&#x7D4C;&#x7CFB;&#x306E;&#x95A2;&#x4E0E;: &#x52A0;&#x901F;&#x5EA6;&#x307E;&#x305F;&#x306F;&#x30A8;&#x30E9;&#x30FC;&#x306E;&#x524A;&#x6E1B;&#x3067;&#x3059;&#x304B;&#xFF1F;

&#xC9C0;&#xB09C;&#xC5D0;&#xC11C; &#xBA87; &#xC2ED; &#xB144;&#xAC04; &#xBAA8;&#xD130; &#xC801;&#xC751; &#xAD11;&#xBC94;&#xC704; &#xD558; &#xAC8C; &#xB3C4;&#xB2EC; &#xC6C0;&#xC9C1;&#xC784;&#xC758; &#xACE0;&#xC815; &#xAE30;&#xB2A5;&#xC744; &#xAD00;&#xCC30; &#xC5F0;&#xAD6C; &#xD588;&#xB2E4;. &#xBCD1;&#xB82C; neurobehavioral &#xC5F0;&#xAD6C; &#xC815;&#xC11C;&#xC801; &#xD559;&#xC2B5;&#xC758; &#xC120; &#39;&#xD559;&#xC2B5; 2 &#xB2E8;&#xACC4; &#xC774;&#xB860;&#39;&#xC758; &#xC6B0;&#xC0B0; &#xC544;&#xB798;&#xC5D0;&#xC11C; &#xC5F0;&#xAD6C; &#xD588;&#xB2E4;. &#xC774; &#xC5F0;&#xAD6C;&#xC5D0;&#xC11C; &#xBAA8;&#xD130; &#xD559;&#xC2B5;&#xACFC; &#xCEF4;&#xD4E8;&#xD130; &#xB9C8;&#xC6B0;&#xC2A4;&#xB97C; &#xC7A1;&#xACE0; &#xD3EC;&#xC778;&#xD2B8; &#xD3EC;&#xC778;&#xD2B8; &#xB3C4;&#xB2EC; &#xC6C0;&#xC9C1;&#xC784;&#xC744; &#xC218;&#xD589; &#xD558;&#xB294; &#xACFC;&#xBAA9;&#xC758; &#xC790;&#xC728; &#xBC18;&#xC751; (&#xC2EC;&#xC7A5; &#xBC15;&#xB3D9;, HR) &#xC0AC;&#xC774;&#xC758; &#xAD00;&#xACC4;&#xB97C; &#xD0D0;&#xD5D8;. &#xC6B0;&#xB9AC;&#xB294; &#xB450; &#xAC1C;&#xC758; &#xB300;&#xCCB4; &#xACB0;&#xACFC; &#xACE0;&#xB824;: &#xD558;&#xB098; &#xC790;&#xC728; &#xC751;&#xB2F5; &#xD559;&#xC2B5; &#xC18D;&#xB3C4;&#xC640; &#xC5F0;&#xACB0; &#xD558; &#xACE0; &#xB450; &#xBC88;&#xC9F8;&#xB294; &#xC790;&#xC728; &#xBC18;&#xC751; &#xC548;&#xC815; &#xB41C; &#xC0C1;&#xD0DC;&#xC5D0;&#xC11C; &#xC794;&#xC5EC; &#xC624;&#xB958;&#xC640; &#xC5F0;&#xAD00; &#xB429;&#xB2C8;&#xB2E4;. 18 &#xACFC;&#xBAA9; &#xC218;&#xD589; &#xAD50;&#xB780;&#xB41C; &#xC2DC;&#xAC01;&#xC801; &#xD53C;&#xB4DC;&#xBC31; &#xD559;&#xC2B5;&#xC744; &#xBCF4;&#xC5EC;&#xC8FC;&#xB294; &#xC544;&#xB798; &#xB3C4;&#xB2EC; &#xC6C0;&#xC9C1;&#xC784;&#xC744; &#xD559;&#xC2B5;&#xC758; &#xD6C4;&#xC720;&#xC99D;. &#xC190; &#xC6B4;&#xB3D9;&#xC73C;&#xB85C; &#xC2EC;&#xC804;&#xB3C4; &#xC2E0;&#xD638;&#xB97C; &#xD6C8;&#xB828;&#xC744; &#xD1B5;&#xD574; &#xAE30;&#xB85D; &#xD558; &#xACE0; &#xC2E0;&#xC911; &#xD558; &#xAC8C; &#xCD94;&#xCD9C; &#xD574;&#xC57C; &#xC2EC;&#xC7A5; &#xAE30;&#xAC04;&#xC73C;&#xB85C; &#xC7AC;&#xD310;&#xC5D0; &#xC758;&#xD574; &#xC2DC;&#xB3C4; &#xC624;&#xB958; &#xC624;&#xD504; &#xB77C;&#xC778; &#xBD84;&#xC11D; &#xD588;&#xB2E4;. &#xACB0;&#xACFC; HR&#xC758; &#xBCC0;&#xD654; &#xBC0F; &#xC794;&#xC5EC; &#xC624;&#xB958; &#xD558;&#xC9C0;&#xB9CC; HR&#xC758; &#xBCC0;&#xD654;&#xC640; &#xC790;&#xC728; &#xC751;&#xB2F5; &#xC624;&#xB958;&#xB9CC; &#xC544;&#xB2C8;&#xB77C; &#xD559;&#xC2B5; &#xC18D;&#xB3C4; &#xAC10;&#xB3C4; &#xAD00;&#xB828; &#xB450; &#xBC88;&#xC9F8; &#xB300;&#xC548;&#xC744; &#xC9C0; &#xC6D0;&#xD558;&#xB294; &#xD559;&#xC2B5; &#xC18D;&#xB3C4; &#xC0AC;&#xC774;&#xC758; &#xC0C1;&#xAD00; &#xAD00;&#xACC4;&#xAC00; &#xC0AC;&#xC774; &#xBA85;&#xD655;&#xD55C; &#xC0C1;&#xAD00; &#xAD00;&#xACC4;&#xB97C; &#xBCF4;&#xC5EC;&#xC900;&#xB2E4;. &#xB2E4;&#xB978; 7 &#xAC1C; &#xACFC;&#xBAA9;&#xC758; &#xC81C;&#xC5B4; &#xADF8;&#xB8F9; &#xAD50;&#xB780;&#xB41C; &#xC2DC;&#xAC01;&#xC801; &#xD53C;&#xB4DC;&#xBC31; &#xC5C6;&#xC774; &#xB3D9;&#xC77C;&#xD55C; &#xC2E4;&#xD5D8;&#xC744; &#xBC1B;&#xC558;&#xB2E4;. &#xC774; &#xCEE8;&#xD2B8;&#xB864; &#xADF8;&#xB8F9; HR&#xC5D0;&#xC11C; &#xBCC0;&#xD654;&#xB97C; &#xBCF4;&#xC600;&#xB2E4;. &#xCD94;&#xAC00; &#xC5F0;&#xAD6C;&#xB294;&#xC774; &#xAC00;&#xC124;&#xC758; &#xC720;&#xD6A8;&#xC131;&#xC744; &#xAC80;&#xC0AC; &#xD558; &#xACE0;&#xB294; &#xC790;&#xC728; &#xB300;&#xC751; &#xAD00;&#xB828; &#xC794;&#xC5EC; &#xBAA8;&#xD130; &#xC624;&#xB958; &#xBA54;&#xCEE4;&#xB2C8;&#xC998;&#xC744; &#xD574;&#xBA85; &#xD558;&#xB294; &#xB370; &#xD544;&#xC694;&#xD55C;.

&#xC790;&#xC728; &#xC2E0; &#xACBD;&#xACC4; &#xBAA8;&#xD130; &#xC801;&#xC751;&#xC5D0;&#xC758; &#xCC38;&#xC5EC;: &#xAC00;&#xC18D; &#xB610;&#xB294; &#xC624;&#xB958; &#xAC10;&#xC18C;?

En la &uacute;ltima adaptaci&oacute;n motor de pocas d&eacute;cadas fue estudiado observando las caracter&iacute;sticas invariantes de alcanzar movimientos. En un paralelo neurobehavioral l&iacute;nea de aprendizaje emocional investigaci&oacute;n estudi&oacute; bajo el paraguas de la &#39;teor&iacute;a de dos factores de aprendizaje&#39;. En este estudio exploramos a la relaci&oacute;n entre el aprendizaje motor y la respuesta auton&oacute;mica (pulso, HR) de sujetos realizando movimientos llegando a punto a punto, sosteniendo un rat&oacute;n de la computadora. Consideramos que los resultados de dos alternativos: una es que la respuesta auton&oacute;mica se correlaciona con la tasa de aprendizaje y la segunda es que la respuesta auton&oacute;mica se correlaciona con el error residual en el estado estacionario. Dieciocho temas realizan movimientos alcanzando bajo perturbado retroalimentaci&oacute;n visual demostrando aprendizaje y after effects de aprendizaje. El movimiento de la mano como una se&ntilde;al de electrocardiograma fueron registrada a lo largo de la formaci&oacute;n y cuidadosamente analizada fuera de l&iacute;nea para extraer el juicio por ensayo error as&iacute; como el per&iacute;odo de coraz&oacute;n. Los resultados muestran una correlaci&oacute;n clara entre el cambio en recursos humanos y el error residual pero ninguna correlaci&oacute;n entre el cambio en recursos humanos y la tasa de aprendizaje apoyando la segunda alternativa que la sensibilidad a los errores pero no el tipo de aprendizaje se correlaciona con la respuesta auton&oacute;mica. Un grupo de control de otro siete sujetos experimentaron el mismo experimento sin informaci&oacute;n visual al perturbado. Este grupo de control no mostraron cambios en la frecuencia cardiaca. Otros estudios son necesarios para validar esta hip&oacute;tesis y desentra&ntilde;ar el mecanismo por el cual la respuesta auton&oacute;mica se correlaciona con el error residual del motor.

&iquest;Implicaci&oacute;n del sistema nervioso aut&oacute;nomo en la adaptaci&oacute;n del motor: reducci&oacute;n de la aceleraci&oacute;n o error?

&#x8FD1;&#x7AEF;&#x548C;&#x8FDC;&#x7AEF;&#x7684;&#x808C;&#x8089;&#x662F;&#x4E0D;&#x540C;&#x7684;&#x5927;&#x5C0F;&#xFF0C;&#x6700;&#x5927;&#x9A71;&#x52A8;&#x529B;&#x3001; &#x673A;&#x68B0;&#x64CD;&#x4F5C;&#x548C;&#x795E;&#x7ECF;&#x808C;&#x8089;&#x63A7;&#x5236;&#x3002;&#x5F53;&#x524D;&#x7814;&#x7A76;&#x4E2D;&#x6211;&#x4EEC;&#x63A2;&#x8BA8;&#x5EF6;&#x8FDF;&#x521A;&#x5EA6;&#x7684;&#x770B;&#x6CD5;&#xFF0C;&#x63A2;&#x8BA8;&#x4F7F;&#x7528;&#x4E0D;&#x540C;&#x5173;&#x8282;&#x8FD0;&#x52A8;&#x6267;&#x884C;&#x65F6;&#x3002;&#x6211;&#x4EEC;&#x53D1;&#x73B0;&#x6240;&#x4F4E;&#x4F30;&#x7684;&#x5EF6;&#x8FDF;&#x521A;&#x5EA6; proximodistal &#x6E10;&#x53D8;&#x4E2D;&#x63A2;&#x6D4B;&#x4E0E;&#x80A9;&#x3001; &#x8098;&#x3001; &#x548C;&#x8155;&#x5173;&#x8282;&#x4E4B;&#x95F4;&#x7684;&#x8FC7;&#x6E21;&#x3002;&#x6B64;&#x5916;&#xFF0C;&#x5728;&#x7C7B;&#x4F3C;&#x6E10;&#x53D8;&#x521A;&#x5EA6;&#x7684;&#x4F30;&#x8BA1;&#x548C;&#x9884;&#x6D4B;&#x5BF9;&#x8BAE;&#x9898;&#x7684;&#x770B;&#x6CD5;&#x7684;&#x9075;&#x5B88;&#x60C5;&#x51B5;&#x7684;&#x4F30;&#x8BA1;&#x7684;&#x9006;&#x4E4B;&#x95F4;&#x7684;&#x6700;&#x4F18;&#x6743;&#x91CD;&#x3002;&#x8FD9;&#x4E9B;&#x6E10;&#x53D8;&#x4E0D;&#x53EF;&#x4EE5;&#x5F52;&#x548E;&#x4E8E;&#x8FD0;&#x52A8;&#x5E45;&#x5EA6;&#x3001; &#x6301;&#x7EED;&#x65F6;&#x95F4;&#x3001; &#x901F;&#x5EA6;&#x548C;&#x529B;&#x91CF;&#x632F;&#x5E45;&#x7684;&#x5DEE;&#x5F02;&#xFF0C;&#x56E0;&#x4E3A;&#x8054;&#x5408;&#x7528;&#x4E8E;&#x63A2;&#x6D4B;&#x4E0D;&#x663E;&#x8457;&#x8C03;&#x5236;&#x8FD9;&#x4E9B;&#x53D8;&#x91CF;&#x3002;&#x5E73;&#x5747;&#x529B;&#x6CA1;&#x6709;&#x8981;&#x4E48;&#x9075;&#x5FAA;&#x7C7B;&#x4F3C;&#x7684;&#x6E10;&#x53D8;&#x3002;&#x56E0;&#x6B64;&#x6211;&#x4EEC;&#x5EFA;&#x8BAE;&#x5728;&#x611F;&#x77E5;&#x4E2D;&#x7684;&#x89C2;&#x5BDF;&#x5230;&#x7684;&#x6E10;&#x53D8;&#x663E;&#x793A; proximodistal &#x6E10;&#x53D8;&#x5728;&#x63A7;&#x4EF6;&#x4E2D;&#xFF0C;&#x8FD9;&#x6837;&#x8FD1;&#x7AEF;&#x5173;&#x8282;&#x7531;&#x529B;&#x63A7;&#x5236;&#xFF0C;&#x800C;&#x8FDC;&#x7AEF;&#x7684;&#x5173;&#x8282;&#x4F4D;&#x7F6E;&#x63A7;&#x5236;&#x7531;&#x4E3B;&#x5BB0;&#x4E3B;&#x5BB0;&#x3002;

Proximodistal &#x6E10;&#x53D8;&#x4E2D;&#x5EF6;&#x8FDF;&#x521A;&#x5EA6;&#x7684;&#x770B;&#x6CD5;&#x3002;

Proximal and distal muscles are different in size, maximum force, mechanical action, and neuromuscular control. In the current study we explore the perception of delayed stiffness when probing is executed using movement of different joints. We found a proximodistal gradient in the amount of underestimation of delayed stiffness in the transition between probing with shoulder, elbow, and wrist joints. Moreover, there was a similar gradient in the optimal weighting between estimation of stiffness and the inverse of estimation of compliance that predicted the perception of the subjects. These gradients could not be ascribed to differences in movement amplitude, duration, velocity, and force amplitude because these variables were not significantly modulated by the joint used for probing. Mean force did not follow a similar gradient either. Therefore we suggest that the observed gradient in perception reveals a proximodistal gradient in control, such that proximal joints are dominated by force control, whereas distal joints are dominated by position control.

Proximodistal gradient in the perception of delayed stiffness.

Muscles proximaux et distaux sont de tailles diff&#xE9;rentes, la force maximale, action m&#xE9;canique, et le contr&#xF4;le neuromusculaire. Dans l&#x26;#39;&#xE9;tude actuelle, nous explorons la perception de la rigidit&#xE9; retard&#xE9;e durant la sonde est ex&#xE9;cut&#xE9;e en utilisant le mouvement des articulations diff&#xE9;rentes. Nous avons trouv&#xE9; un gradient proximo dans le montant de la sous-estimation de la rigidit&#xE9; retard dans la transition entre sondage avec l&#x26;#39;&#xE9;paule, du coude et les poignets. En outre, il y avait un gradient similaire dans la pond&#xE9;ration optimale entre l&#x26;#39;estimation de la rigidit&#xE9; et l&#x26;#39;inverse de l&#x26;#39;estimation de la conformit&#xE9; qui pr&#xE9;dit la perception des sujets. Ces gradients ne pouvait pas &#xEA;tre attribu&#xE9;e aux diff&#xE9;rences dans l&#x26;#39;amplitude du mouvement, la dur&#xE9;e, la vitesse et amplitude de la force, car ces variables ne sont pas significativement modul&#xE9;e par la commune utilis&#xE9;e pour sonder. Force moyenne n&#x26;#39;a pas suivi un gradient similaire soit. Nous sugg&#xE9;rons donc que le gradient observ&#xE9; dans la perception r&#xE9;v&#xE8;le un gradient proximo dans le contr&#xF4;le, tels que les joints proximales sont domin&#xE9;es par commande de la force, tandis que les articulations distales sont domin&#xE9;s par le contr&#xF4;le de position.

D&#xE9;grad&#xE9; proximodistal dans la perception de la rigidit&#xE9; en diff&#xE9;r&#xE9;

Proximalen und distale Muskeln unterscheiden sich in Gr&ouml;&szlig;e, Maximalkraft, mechanische Wirkung und neuromuskul&auml;re Kontrolle. In der aktuellen Studie untersuchen wir die Wahrnehmung der verz&ouml;gerten Steifigkeit beim sondieren mit Bewegung der verschiedenen Gelenke ausgef&uuml;hrt wird. Wir fanden einen Proximodistal Farbverlauf in H&ouml;he von Untersch&auml;tzung der verz&ouml;gerten Steifigkeit im &Uuml;bergang zwischen Sondierung mit Schulter-, Ellenbogen und Handgelenk. Dar&uuml;ber hinaus gab es ein &auml;hnlicher Verlauf in die optimale Gewichtung zwischen Absch&auml;tzung der Steifigkeit und die Umkehrung der Einsch&auml;tzung der Compliance, die die Wahrnehmung der Subjekte vorhergesagt. Diese Steigungen konnte nicht auf Unterschiede in Bewegung-Amplitude, Dauer, Geschwindigkeit und Kraft Amplitude zur&uuml;ckgef&uuml;hrt werden, weil diese Variablen nicht deutlich vom gemeinsamen zur Sondierung moduliert wurden. Mittlere Kraft folgte entweder keinen &auml;hnlichen Verlauf. Daher empfehlen wir der beobachtete Farbverlauf in der Wahrnehmung einen Proximodistal Farbverlauf im Steuerelement zeigt, dass Kraftregelung, proximale Gelenken dominiert sind, w&auml;hrend der distalen Gelenke Lageregelung &uuml;berwiegen.

Proximodistal Farbverlauf in der Wahrnehmung der verz&ouml;gerten Steifigkeit.

Muscoli prossimali e distali sono differenti in dimensione, forza massima, azione meccanica e controllo neuromuscolare. Nello studio corrente Esploriamo la percezione di rigidit&agrave; ritardata quando sondando viene eseguita utilizzando il movimento delle diverse articolazioni. Abbiamo trovato una sfumatura proximodistal nella quantit&agrave; di sottovalutazione della rigidit&agrave; ritardo nella transizione tra sondando con articolazioni spalla, gomito e polso. Inoltre, c&#39;era una sfumatura simile alla ponderazione ottima tra stima di rigidit&agrave; e l&#39;inverso di valutazione della conformit&agrave; che predisse la percezione dei soggetti. Questi gradienti non potrebbero essere attribuiti alle differenze nell&#39;ampiezza di movimento, durata, velocit&agrave; e forza di ampiezza perch&eacute; queste variabili non erano significativamente modulate dal giunto usato per sondare. Forza media non seguire neanche una sfumatura simile. Pertanto consigliamo che il gradiente osservato nella percezione rivela una sfumatura proximodistal nel controllo, tale che articolazioni prossimali sono dominate dal controllo della forza, mentre le articolazioni distali sono dominate dal controllo di posizione.

Proximodistal gradiente nella percezione della rigidit&agrave; ritardata.

&#x8FD1;&#x4F4D;&#x304A;&#x3088;&#x3073;&#x9060;&#x4F4D;&#x306E;&#x7B4B;&#x8089;&#x304C;&#x3001;&#x6700;&#x5927;&#x306E;&#x529B;&#x3001;&#x6A5F;&#x68B0;&#x7684;&#x4F5C;&#x7528;&#x3001;&#x304A;&#x3088;&#x3073;&#x795E;&#x7D4C;&#x7B4B;&#x30B3;&#x30F3;&#x30C8;&#x30ED;&#x30FC;&#x30EB;&#x306E;&#x30B5;&#x30A4;&#x30BA;&#x304C;&#x7570;&#x306A;&#x3063;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x73FE;&#x5728;&#x306E;&#x7814;&#x7A76;&#x3067;&#x306F;&#x3001;&#x30D7;&#x30ED;&#x30FC;&#x30D3;&#x30F3;&#x30B0;&#x304C;&#x7570;&#x306A;&#x308B;&#x95A2;&#x7BC0;&#x306E;&#x52D5;&#x304D;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x5B9F;&#x884C;&#x3055;&#x308C;&#x3001;&#x9045;&#x5EF6;&#x525B;&#x6027;&#x306E;&#x8A8D;&#x8B58;&#x3092;&#x63A2;&#x308B;&#x3002;&#x6211;&#x3005;&#x306F;&#x80A9;&#x3001;&#x8098;&#x3001;&#x624B;&#x9996;&#x306E;&#x95A2;&#x7BC0;&#x3067;&#x30D7;&#x30ED;&#x30FC;&#x30D3;&#x30F3;&#x30B0;&#x9593;&#x306E;&#x9077;&#x79FB;&#x306B;&#x304A;&#x3051;&#x308B;&#x9045;&#x5EF6;&#x525B;&#x6027;&#x306E;&#x904E;&#x5C0F;&#x8A55;&#x4FA1;&#x306E;&#x91CF;&#x3067;proximodistal&#x52FE;&#x914D;&#x3092;&#x767A;&#x898B;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x307E;&#x305F;&#x3001;&#x525B;&#x6027;&#x306E;&#x63A8;&#x5B9A;&#x3068;&#x88AB;&#x9A13;&#x8005;&#x306E;&#x77E5;&#x899A;&#x3092;&#x4E88;&#x6E2C;&#x3057;&#x3001;&#x30B3;&#x30F3;&#x30D7;&#x30E9;&#x30A4;&#x30A2;&#x30F3;&#x30B9;&#x306E;&#x63A8;&#x5B9A;&#x306E;&#x9006;&#x6570;&#x3068;&#x306E;&#x9593;&#x306E;&#x6700;&#x9069;&#x306A;&#x91CD;&#x307F;&#x4ED8;&#x3051;&#x3067;&#x985E;&#x4F3C;&#x3057;&#x305F;&#x52FE;&#x914D;&#x304C;&#x3042;&#x3063;&#x305F;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x5909;&#x6570;&#x306F;&#x30D7;&#x30ED;&#x30FC;&#x30D3;&#x30F3;&#x30B0;&#x306E;&#x305F;&#x3081;&#x306B;&#x4F7F;&#x7528;&#x3059;&#x308B;&#x63A5;&#x5408;&#x70B9;&#x306B;&#x3088;&#x3063;&#x3066;&#x5927;&#x5E45;&#x306B;&#x5909;&#x8ABF;&#x3055;&#x308C;&#x3066;&#x3044;&#x306A;&#x304B;&#x3063;&#x305F;&#x306E;&#x3067;&#x3001;&#x3053;&#x308C;&#x3089;&#x306E;&#x52FE;&#x914D;&#x306F;&#x3001;&#x904B;&#x52D5;&#x306E;&#x632F;&#x5E45;&#x3001;&#x6301;&#x7D9A;&#x6642;&#x9593;&#x3001;&#x901F;&#x5EA6;&#x3001;&#x529B;&#x306E;&#x632F;&#x5E45;&#x306E;&#x9055;&#x3044;&#x306B;&#x5E30;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x305B;&#x3093;&#x3067;&#x3057;&#x305F;&#x3002;&#x529B;&#x306E;&#x3044;&#x305A;&#x308C;&#x304B;&#x306E;&#x540C;&#x3058;&#x3088;&#x3046;&#x306A;&#x52FE;&#x914D;&#x306B;&#x5F93;&#x3063;&#x3066;&#x3044;&#x307E;&#x305B;&#x3093;&#x3067;&#x3057;&#x305F;&#x3092;&#x610F;&#x5473;&#x3057;&#x307E;&#x3059;&#x3002;&#x305D;&#x3053;&#x3067;&#x6211;&#x3005;&#x306F;&#x3001;&#x77E5;&#x899A;&#x3067;&#x89B3;&#x5BDF;&#x3055;&#x308C;&#x305F;&#x52FE;&#x914D;&#x304C;&#x9060;&#x4F4D;&#x95A2;&#x7BC0;&#x4F4D;&#x7F6E;&#x5236;&#x5FA1;&#x306B;&#x652F;&#x914D;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B;&#x306E;&#x306B;&#x5BFE;&#x3057;&#x3001;&#x8FD1;&#x4F4D;&#x306E;&#x95A2;&#x7BC0;&#x304C;&#x3001;&#x529B;&#x5236;&#x5FA1;&#x306B;&#x3088;&#x3063;&#x3066;&#x652F;&#x914D;&#x3055;&#x308C;&#x308B;&#x3088;&#x3046;&#x306A;&#x5236;&#x5FA1;&#x3067;proximodistal&#x52FE;&#x914D;&#x3092;&#x3001;&#x660E;&#x3089;&#x304B;&#x306B;&#x793A;&#x5506;&#x3057;&#x3066;&#x3044;&#x308B;&#x3002;

&#x9045;&#x5EF6;&#x525B;&#x6027;&#x306E;&#x77E5;&#x899A;&#x306B;&#x304A;&#x3051;&#x308B;Proximodistal&#x30B0;&#x30E9;&#x30C7;&#x30FC;&#x30B7;&#x30E7;&#x30F3;

&#xD06C;&#xAE30;, &#xCD5C;&#xB300; &#xD798;, &#xAE30;&#xACC4; &#xB3D9;&#xC791; &#xC2E0;&#xACBD; &#xADFC;&#xC721; &#xD559; &#xCEE8;&#xD2B8;&#xB864;&#xC5D0; &#xC778;&#xC811; &#xD558; &#xACE0; &#xB9D0; &#xCD08; &#xADFC;&#xC721; &#xC11C;&#xB85C; &#xB2E4;&#xB985;&#xB2C8;&#xB2E4;. &#xD604;&#xC7AC; &#xC5F0;&#xAD6C;&#xC5D0;&#xC11C; &#xC6B0;&#xB9AC;&#xAC00; &#xC9C0;&#xC5F0;&#xB41C; &#xAC15;&#xC131; &#xC778;&#xC2DD;&#xC744; &#xD0D0;&#xD5D8; &#xD558;&#xB294; &#xB2E4;&#xB978; &#xAD00;&#xC808;&#xC758; &#xC6C0;&#xC9C1;&#xC784;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC2E4;&#xD589; &#xD504;&#xB85C; &#xBE59;. &#xC6B0;&#xB9AC;&#xB294; &#xC5B4;&#xAE68;, &#xD314;&#xAFC8;&#xCE58;, &#xC190;&#xBAA9; &#xAD00;&#xC808;&#xC640; &#xD504;&#xB85C;&#xBE0C; &#xAC04;&#xC5D0; &#xC804;&#xD658; &#xC9C0;&#xC5F0;&#xB41C; &#xAC15;&#xC131; &#xB300;&#xCD9C; &#xAE08;&#xC561; proximodistal &#xADF8;&#xB77C;&#xB370;&#xC774;&#xC158; &#xBC1C;&#xACAC;. &#xB610;&#xD55C;, &#xACBD;&#xC9C1;&#xC131;&#xC758; &#xCD94;&#xC815;&#xACFC; &#xC608;&#xCE21; &#xB300;&#xC0C1;&#xC758; &#xC778;&#xC2DD;&#xC744; &#xADDC;&#xC815; &#xC900;&#xC218;&#xC758; &#xD3C9;&#xAC00;&#xC758; &#xC5ED; &#xC0AC;&#xC774;&#xC758; &#xCD5C;&#xC801;&#xC758; &#xAC00;&#xC911;&#xCE58; &#xBE44;&#xC2B7;&#xD55C; &#xADF8;&#xB77C;&#xB370;&#xC774;&#xC158;&#xC774; &#xD588;&#xB2E4;. &#xC774; &#xAE30;&#xC628; &#xBCC0;&#xD654;&#xB3C4; &#xC774;&#xB7EC;&#xD55C; &#xBCC0;&#xC218; &#xD588;&#xB2E4; &#xD06C;&#xAC8C; &#xAC80;&#xC0C9;&#xC5D0; &#xC0AC;&#xC6A9; &#xB418;&#xB294; &#xC870;&#xC778;&#xD2B8;&#xC5D0; &#xC758;&#xD574; &#xBCC0;&#xC870; &#xB41C; &#xB54C;&#xBB38;&#xC5D0; &#xC6B4;&#xB3D9;&#xC758; &#xC9C4;&#xD3ED;, &#xAE30;&#xAC04;, &#xC18D;&#xB3C4; &#xBC0F; &#xD798; &#xC9C4;&#xD3ED;&#xC758; &#xCC28;&#xC774;&#xB97C; &#xAD00;&#xCC30; &#xD558;&#xC9C0; &#xC218; &#xC5C6;&#xC2B5;&#xB2C8;&#xB2E4;. &#xB9D0;&#xC740; &#xD798;&#xB3C4; &#xBE44;&#xC2B7;&#xD55C; &#xADF8;&#xB77C;&#xB370;&#xC774;&#xC158;&#xC744; &#xB530;&#xB974;&#xC9C0; &#xC54A;&#xC558;&#xB2E4;. &#xADF8;&#xB7F0; &#xBC18;&#xBA74;&#xC5D0; &#xB9D0; &#xCD08; &#xAD00;&#xC808; &#xC704;&#xCE58; &#xC81C;&#xC5B4;&#xC5D0; &#xC758;&#xD574; &#xC8FC;&#xB3C4; &#xB418; &#xACE0; &#xADFC; &#xC704; &#xAD00;&#xC808; &#xD798; &#xC81C;&#xC5B4;&#xC5D0; &#xC758;&#xD574; &#xC8FC;&#xB3C4; &#xB418; &#xACE0; &#xB530;&#xB77C;&#xC11C; &#xC6B0;&#xB9AC; &#xC778;&#xC2DD;&#xC5D0; &#xAD00;&#xCC30; &#xB41C; &#xADF8;&#xB77C;&#xB370;&#xC774;&#xC158; proximodistal &#xADF8;&#xB77C;&#xB370;&#xC774;&#xC158; &#xCEE8;&#xD2B8;&#xB864;&#xC5D0;&#xC11C; &#xBC1D;&#xD600; &#xC81C;&#xC548;.

Proximodistal &#xADF8;&#xB77C;&#xB370;&#xC774;&#xC158; &#xC9C0;&#xC5F0;&#xB41C; &#xAC15;&#xC131; &#xC778;&#xC2DD;&#xC785;&#xB2C8;&#xB2E4;.

Los m&#xFA;sculos proximales y distales son diferentes en tama&#xF1;o, fuerza m&#xE1;xima, la acci&#xF3;n mec&#xE1;nica y el control neuromuscular. En el presente estudio se explora la percepci&#xF3;n de la rigidez de retraso cuando se prueban los que se ejecuta utilizando el movimiento de las articulaciones diferentes. Se encontr&#xF3; un gradiente proximodistal en la cantidad de la subestimaci&#xF3;n de la rigidez del retraso en la transici&#xF3;n entre el sondeo con el hombro, el codo y la mu&#xF1;eca. Adem&#xE1;s, hubo un gradiente similar en la ponderaci&#xF3;n &#xF3;ptima entre la estimaci&#xF3;n de la rigidez y la inversa de la estimaci&#xF3;n de cumplimiento que predice la percepci&#xF3;n de los sujetos. Estos gradientes no puede atribuirse a diferencias en la amplitud de movimiento, la duraci&#xF3;n, la velocidad y la amplitud de la fuerza debido a que estas variables no fueron significativamente modulada por la articulaci&#xF3;n de la utilizada para el sondeo. La media de fuerza de no seguir un gradiente similar tampoco. Por lo tanto, sugieren que la pendiente observada en la percepci&#xF3;n revela un gradiente proximodistal en el control, de tal manera que las articulaciones proximales est&#xE1;n dominados por el control de la fuerza, mientras que las articulaciones distales est&#xE1;n dominados por el control de posici&#xF3;n.

Gradiente proximodistal en la percepci&#xF3;n de la rigidez tard&#xED;a

&#x4EBA;&#x7C7B;&#x7684;&#x7535;&#x673A;&#x63A7;&#x5236;&#x7CFB;&#x7EDF;&#x6B63;&#x5E38;&#x52A8;&#x6001;&#x548C;&#x65F6;&#x95F4;&#x7684;&#x4E0D;&#x540C;&#x73AF;&#x5883;&#x4E2D;&#x7684;&#x884C;&#x4E3A;&#x3002;&#x5728;&#x8FD9;&#x91CC;&#xFF0C;&#x6211;&#x4EEC;&#x63A2;&#x8BA8;&#x4E86;&#x5728;&#x4E00;&#x4E2A;&#x7B80;&#x5355;&#x7684;&#x7535;&#x673A;&#x4EFB;&#x52A1;&#x53D6;&#x6D88;&#x4E00;&#x7CFB;&#x5217;&#x865A;&#x62DF;&#x5BF9;&#x8C61;&#x7684;&#x7535;&#x673A;&#x7CFB;&#x7EDF;&#x7684;&#x9884;&#x6D4B;&#x80FD;&#x529B;&#x3002;&#x65F6;&#x4E3B;&#x9898;&#x5347;&#x964D;&#x673A;&#x7684;&#x5BF9;&#x8C61;&#xFF0C;&#x4ED6;/&#x5979;&#x4F7F;&#x7528;&#x671F;&#x671B;&#x91CD;&#x91CF;&#x7684;&#x5BF9;&#x8C61;&#x751F;&#x6210;&#x7535;&#x673A;&#x7684;&#x547D;&#x4EE4;&#x3002;&#x5404;&#x79CD;&#x578B;&#x53F7;&#x7684;&#x7535;&#x673A;&#x5B66;&#x4E60;&#x5B66;&#x4E60;&#x7B97;&#x6CD5;&#x7684;&#x96C7;&#x7528;&#xFF0C;&#x57FA;&#x672C;&#x4E0A;&#x662F;&#x671F;&#x671B;&#x672A;&#x6765;&#xFF0C;&#x6210;&#x4E3A;&#x7C7B;&#x4F3C;&#x4E8E;&#x4EE5;&#x524D;&#x6709;&#x7ECF;&#x9A8C;&#x7684;&#x73AF;&#x5883;&#x3002;&#x5728;&#x6B64;&#x7814;&#x7A76;&#x4E2D;&#xFF0C;&#x6211;&#x4EEC;&#x8981;&#x6C42;&#x53D6;&#x6D88;&#x589E;&#x52A0;&#x6743;&#x91CD;&#x7684;&#x4E00;&#x7CFB;&#x5217;&#x7684;&#x4E3B;&#x9898;&#x548C;&#x786E;&#x5B9A;&#x5B83;&#x4EEC;&#x662F;&#x5426;&#x4ECE;&#x8FC7;&#x53BB;&#x7684;&#x7ECF;&#x9A8C;&#x63A8;&#x65AD;&#xFF0C;&#x5E76;&#x9884;&#x8A00;&#x7CFB;&#x5217;&#x4E2D;&#x7684;&#x4E0B;&#x4E00;&#x4E2A;&#x91CD;&#x91CF;&#xFF0C;&#x5373;&#x4F7F;&#x4ECE;&#x6765;&#x6CA1;&#x6709;&#x7ECF;&#x5386;&#x8FC7;&#x7684;&#x91CD;&#x91CF;&#x3002;&#x63E1;&#x529B;&#x7684;&#x540A;&#x88C5;&#x4EFB;&#x52A1;&#x7684;&#x5F00;&#x5934;&#x662F;&#x671F;&#x671B;&#x7684;&#x7535;&#x673A;&#x6E05;&#x6D01;&#x6807;&#x5FD7;&#x3002;&#x4E0E;&#x6587;&#x5B66;&#x4E3B;&#x5F20;&#x9002;&#x5E94;&#x4EE5;&#x671F;&#x5F85;&#x52A0;&#x6743;&#x7684;&#x5E73;&#x5747;&#x57FA;&#x4E8E;&#x8FC7;&#x53BB;&#x7684;&#x7ECF;&#x9A8C;&#x5B66;&#x4E60;&#x7684;&#x9A6C;&#x8FBE;&#xFF0C;&#x6211;&#x4EEC;&#x7ED3;&#x679C;&#x8868;&#x660E;&#x7535;&#x673A;&#x7CFB;&#x7EDF;&#x80FD;&#x591F;&#x9884;&#x6D4B;&#x968F;&#x540E;&#x91CD;&#x91CF;&#x540E;&#x9762;&#x4E00;&#x7CFB;&#x5217;&#x7684;&#x589E;&#x52A0;&#x91CD;&#x91CF;&#x3002;

&#x5728;&#x8D77;&#x91CD;&#x7CFB;&#x5217;&#x865A;&#x62DF;&#x5BF9;&#x8C61;&#x7684;&#x9884;&#x6D4B;&#x63A7;&#x5236;&#x7684;&#x8BC1;&#x636E;&#x3002;

The human motor control system gracefully behaves in a dynamic and time varying environment. Here, we explored the predictive capabilities of the motor system in a simple motor task of lifting a series of virtual objects. When a subject lifts an object, she/he uses an expectation of the weight of the object to generate a motor command. All models of motor learning employ learning algorithms that essentially expect the future to be similar to the previously experienced environment. In this study, we asked subjects to lift a series of increasing weights and determined whether they extrapolated from past experience and predicted the next weight in the series even though that weight had never been experienced. The grip force at the beginning of the lifting task is a clean indication of the motor expectation. In contrast to the motor learning literature asserting adaptation by means of expecting a weighted average based on past experience, our results suggest that the motor system is able to predict the subsequent weight that follows a series of increasing weights.

Evidence for predictive control in lifting series of virtual objects.

Le syst&egrave;me de contr&ocirc;le moteur humain se comporte avec &eacute;l&eacute;gance dans un environnement variable dynamique et en temps. Ici, nous avons explor&eacute; les capacit&eacute;s pr&eacute;dictives du syst&egrave;me moteur en une simple t&acirc;che motrice de soulever une s&eacute;rie d&#39;objets virtuels. Lorsqu&#39;un sujet soul&egrave;ve un objet, il/elle utilise une attente du poids de l&#39;objet pour g&eacute;n&eacute;rer une commande de moteur. Tous les mod&egrave;les d&#39;apprentissage utilisent des algorithmes d&#39;apprentissage moteur qui attendent essentiellement l&#39;avenir est semblable &agrave; l&#39;environnement d&eacute;j&agrave; exp&eacute;riment&eacute;. Dans cette &eacute;tude, nous avons demand&eacute; des sujets pour soulever une s&eacute;rie de poids de plus en plus et de d&eacute;terminer si elles extrapol&eacute;es &agrave; partir des exp&eacute;riences pass&eacute;es et pr&eacute;dit le poids suivant dans la s&eacute;rie, m&ecirc;me si ce poids n&#39;a jamais &eacute;t&eacute; connu. La force de pr&eacute;hension, au d&eacute;but de la t&acirc;che de levage est une indication propre de l&#39;attente du moteur. Contrairement &agrave; l&#39;apprentissage litt&eacute;rature assertion adaptation au moyen d&#39;attendre une moyenne pond&eacute;r&eacute;e bas&eacute;e sur l&#39;exp&eacute;rience pass&eacute;e de moteur, nos r&eacute;sultats sugg&egrave;rent que le syst&egrave;me moteur est capable de pr&eacute;dire le poids subs&eacute;quent qui suit une s&eacute;rie de poids de plus en plus.

Preuve de la commande pr&eacute;dictive en s&eacute;rie d&#39;objets virtuels de levage.

Das menschliche motor-Control-System verh&auml;lt sich anmutig in einer dynamischen und Zeit unterschiedlich. Hier erkunden wir die pr&auml;diktive F&auml;higkeiten des motorischen Systems in eine einfache motorische Aufgabe der Aufhebung einer Reihe von virtuellen Objekten. Wenn ein Subjekt ein Objekt abhebt, wird nach eigener Aussage eine Erwartung des Gewichts des Objekts verwendet, um einen motor-Befehl generieren. Alle Modelle des Motors besch&auml;ftigen, die Algorithmen, die im Wesentlichen die Zukunft &auml;hnlich zuvor erfahrene Umwelt erwarten lernen zu lernen. In dieser Studie haben wir baten Themen, eine Reihe von Erh&ouml;hung der Gewichte zu heben und gepr&uuml;ft, ob sie aus den Erfahrungen extrapoliert und das n&auml;chste Gewicht in der Serie, vorhergesagt obwohl das Gewicht wurde nie erlebt. Die Griff-Kraft am Anfang der anhebenden Aufgabe ist eine saubere Angabe der motor erwartet. Im Gegensatz zu den Motor Literatur Durchsetzung Anpassung mittels erwartet einen gewichteten Durchschnitt auf Erfahrungen der Vergangenheit basiert zu lernen, empfehlen unsere Ergebnisse das motor-System ist in der Lage, das sp&auml;tere Gewicht vorherzusagen, das eine Reihe von steigenden gewichten folgt.

Beweis f&uuml;r vorausschauende Steuerung bei der Aufhebung der Serie von virtuellen Objekten.

Il sistema di controllo motore umano si comporta con garbo in un ambiente dinamico e tempo variabile. Qui, abbiamo esplorato le capacit&agrave; predittive del sistema motore in una semplice attivit&agrave; di motore di sollevamento una serie di oggetti virtuali. Quando un soggetto solleva un oggetto, lui/lei utilizza un&#39;aspettativa del peso dell&#39;oggetto per generare un comando motore. Tutti i modelli di motore apprendimento impiegano algoritmi di apprendimento che essenzialmente si aspettano il futuro essere simile all&#39;ambiente precedentemente sperimentato. In questo studio, abbiamo chiesto soggetti a sollevare una serie di pesi in aumento e determinato se estrapolati da esperienze passate e predetto il peso successivo della serie, anche se quel peso non era mai stato sperimentato. La forza di presa all&#39;inizio dell&#39;attivit&agrave; di sollevamento &egrave; un&#39;indicazione pulita del motore aspettativa. In contrasto con il motore di apprendimento letteratura asserzione adattamento mediante prevedendo una media ponderata basata su esperienze passate, i nostri risultati suggeriscono che il sistema motorio &egrave; in grado di prevedere il peso successivo che segue una serie di pesi in aumento.

Prove per il controllo predittivo di sollevamento serie di oggetti virtuali.

&#x30D2;&#x30C8;&#x306E;&#x904B;&#x52D5;&#x5236;&#x5FA1;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306F;&#x52D5;&#x7684;&#x3068;&#x6642;&#x9593;&#x306E;&#x3055;&#x307E;&#x3056;&#x307E;&#x306A;&#x74B0;&#x5883;&#x3067;&#x6B63;&#x5E38;&#x306B;&#x52D5;&#x4F5C;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x3053;&#x3067;&#x306F;&#x3001;&#x6211;&#x3005; &#x306F;&#x4E00;&#x9023;&#x306E;&#x4EEE;&#x60F3;&#x7269;&#x4F53;&#x3092;&#x6301;&#x3061;&#x4E0A;&#x3052;&#x308B;&#x306E;&#x5358;&#x7D14;&#x306A;&#x904B;&#x52D5;&#x30BF;&#x30B9;&#x30AF;&#x306B;&#x304A;&#x3051;&#x308B;&#x30E2;&#x30FC;&#x30BF;&#x30FC; &#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306E;&#x4E88;&#x6E2C;&#x6A5F;&#x80FD;&#x3092;&#x63A2;&#x3063;&#x305F;&#x3002;&#x30AA;&#x30D6;&#x30B8;&#x30A7;&#x30AF;&#x30C8;&#x306F;&#x3001;&#x4EF6;&#x540D;&#x3092;&#x6301;&#x3061;&#x4E0A;&#x3052;&#x308B;&#x3068;&#x304D;, &#x5F7C;&#x5973;/&#x5F7C;&#x30E2;&#x30FC;&#x30BF;&#x30FC; &#x30B3;&#x30DE;&#x30F3;&#x30C9;&#x306E;&#x751F;&#x6210;&#x306B;&#x306F;&#x3001;&#x30AA;&#x30D6;&#x30B8;&#x30A7;&#x30AF;&#x30C8;&#x306E;&#x91CD;&#x91CF;&#x306E;&#x671F;&#x5F85;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x307E;&#x3059;&#x3002;&#x904B;&#x52D5;&#x5B66;&#x7FD2;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x3092;&#x7528;&#x3044;&#x308B;&#x5B66;&#x7FD2;&#x306E;&#x3059;&#x3079;&#x3066;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x306F;&#x672C;&#x8CEA;&#x7684;&#x306B;&#x904E;&#x53BB;&#x306B;&#x7D4C;&#x9A13;&#x3057;&#x305F;&#x74B0;&#x5883;&#x306B;&#x4F3C;&#x3066;&#x3044;&#x308B;&#x3088;&#x3046;&#x306B;&#x3001;&#x5C06;&#x6765;&#x3092;&#x671F;&#x5F85;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x672C;&#x7814;&#x7A76;&#x3067;&#x306F;&#x88AB;&#x9A13;&#x8005;&#x306F;&#x3001;&#x4E00;&#x9023;&#x306E;&#x91CD;&#x91CF;&#x5897;&#x52A0;&#x3092;&#x6301;&#x3061;&#x4E0A;&#x3052;&#x308B;&#x3053;&#x3068;&#x3068;&#x5F7C;&#x3089;&#x304C;&#x904E;&#x53BB;&#x306E;&#x7D4C;&#x9A13;&#x304B;&#x3089;&#x5916;&#x633F;&#x3055;&#x308C;&#x305F;&#x306B;&#x3082;&#x304B;&#x304B;&#x308F;&#x3089;&#x305A;&#x3001;&#x305D;&#x306E;&#x91CD;&#x91CF;&#x306F;&#x6C7A;&#x3057;&#x3066;&#x7D4C;&#x9A13;&#x3057;&#x305F;&#x30B7;&#x30EA;&#x30FC;&#x30BA;&#x306E;&#x6B21;&#x306E;&#x91CD;&#x91CF;&#x3092;&#x4E88;&#x6E2C;&#x3057;&#x305F;&#x304B;&#x3069;&#x3046;&#x304B;&#x3092;&#x6C7A;&#x5B9A;&#x3057;&#x307E;&#x3059;&#x3002;&#x6301;&#x3061;&#x4E0A;&#x304C;&#x308B;&#x30BF;&#x30B9;&#x30AF;&#x306E;&#x5148;&#x982D;&#x30B0;&#x30EA;&#x30C3;&#x30D7;&#x529B;&#x306F;&#x3001;&#x30E2;&#x30FC;&#x30BF;&#x306E;&#x671F;&#x5F85;&#x306E;&#x304D;&#x308C;&#x3044;&#x306A;&#x5146;&#x5019;&#x3067;&#x3059;&#x3002;&#x904B;&#x52D5;&#x306B;&#x3088;&#x308B;&#x52A0;&#x91CD;&#x5E73;&#x5747;&#x671F;&#x5F85;&#x3057;&#x3066;&#x30A2;&#x30B5;&#x30FC;&#x30C6;&#x30A3;&#x30F3;&#x30B0;&#x9069;&#x5FDC;&#x904E;&#x53BB;&#x306E;&#x7D4C;&#x9A13;&#x306B;&#x57FA;&#x3065;&#x3044;&#x3066;&#x6587;&#x5B66;&#x3092;&#x5B66;&#x7FD2;&#x3068;&#x306F;&#x5BFE;&#x7167;&#x7684;&#x3001;&#x6211;&#x3005; &#x306E;&#x7D50;&#x679C;&#x30E2;&#x30FC;&#x30BF;&#x30FC; &#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x304C;&#x91CD;&#x91CF;&#x5897;&#x52A0;&#x306E;&#x30B7;&#x30EA;&#x30FC;&#x30BA;&#x306B;&#x7D9A;&#x304F;&#x5F8C;&#x7D9A;&#x306E;&#x91CD;&#x91CF;&#x3092;&#x4E88;&#x6E2C;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x793A;&#x5506;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;

&#x4EEE;&#x60F3;&#x7269;&#x4F53;&#x306E;&#x30B7;&#x30EA;&#x30FC;&#x30BA;&#x3092;&#x6301;&#x3061;&#x4E0A;&#x3052;&#x308B;&#x4E88;&#x6E2C;&#x5236;&#x5FA1;&#x306E;&#x8A3C;&#x62E0;&#x3002;

&#xC778;&#xAC04;&#xC758; &#xBAA8;&#xD130; &#xC81C;&#xC5B4; &#xC2DC;&#xC2A4;&#xD15C;&#xC740; &#xC5ED;&#xB3D9;&#xC801;&#xC774; &#xACE0; &#xC2DC;&#xAC04; &#xB2E4;&#xC591; &#xD55C; &#xD658;&#xACBD;&#xC5D0;&#xC11C; &#xC815;&#xC0C1;&#xC801;&#xC73C;&#xB85C; &#xB3D9;&#xC791;&#xD569;&#xB2C8;&#xB2E4;. &#xC5EC;&#xAE30;&#xC5D0;&#xC11C;, &#xC6B0;&#xB9AC;&#xB294; &#xC77C;&#xB828;&#xC758; &#xAC00;&#xC0C1; &#xAC1C;&#xCCB4; &#xD574;&#xC81C;&#xC758; &#xAC04;&#xB2E8;&#xD55C; &#xBAA8;&#xD130; &#xC791;&#xC5C5;&#xC5D0; &#xBAA8;&#xD130; &#xC2DC;&#xC2A4;&#xD15C;&#xC758; &#xC608;&#xCE21; &#xAE30;&#xB2A5; &#xD0D0;&#xD5D8;. &#xC8FC;&#xC81C; &#xB9AC;&#xD504;&#xD2B8;&#xB294; &#xAC1C;&#xCCB4;, &#xADF8;&#xB140; &#xB294;/&#xADF8; &#xBAA8;&#xD130; &#xBA85;&#xB839;&#xC744; &#xC0DD;&#xC131; &#xD558;&#xB294; &#xAC1C;&#xCCB4;&#xC758; &#xBB34;&#xAC8C;&#xC758; &#xAE30;&#xB300;&#xB97C; &#xC0AC;&#xC6A9; &#xD569;&#xB2C8;&#xB2E4;. &#xBAA8;&#xD130; &#xD559;&#xC2B5; &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC744; &#xD559;&#xC2B5; &#xD558;&#xB294; &#xACE0;&#xC6A9;&#xC758; &#xBAA8;&#xB4E0; &#xBAA8;&#xB378;&#xC744; &#xBCF8;&#xC9C8;&#xC801;&#xC73C;&#xB85C; &#xBE44;&#xC2B7;&#xD55C; &#xC774;&#xC804;&#xC5D0; &#xACBD;&#xD5D8;&#xC774; &#xD48D;&#xBD80;&#xD55C; &#xD658;&#xACBD; &#xBBF8;&#xB798;&#xB97C; &#xAE30;&#xB300; &#xD569;&#xB2C8;&#xB2E4;. &#xC774; &#xC5F0;&#xAD6C;&#xC5D0;&#xC11C;&#xB294; &#xC6B0;&#xB9AC;&#xAC00; &#xC8FC;&#xCCB4;&#xAC00; &#xB9AC;&#xD504;&#xD2B8; &#xC911;&#xB7C9; &#xC99D;&#xAC00;&#xC758; &#xC2DC;&#xB9AC;&#xC988;&#xB97C; &#xBB3C;&#xC5C8;&#xACE0; &#xC5EC;&#xBD80; &#xADF8;&#xB4E4;&#xC740; &#xACFC;&#xAC70;&#xC758; &#xACBD;&#xD5D8;&#xC5D0;&#xC11C; &#xCD94;&#xC815; &#xD558; &#xACE0; &#xADF8; &#xBB34;&#xAC8C; &#xACBD;&#xD5D8; &#xD558;&#xC9C0; &#xBABB;&#xD55C; &#xACBD;&#xC6B0;&#xC5D0; &#xC2DC;&#xB9AC;&#xC988;&#xC5D0;&#xC11C; &#xB2E4;&#xC74C; &#xBB34;&#xAC8C;&#xB97C; &#xC608;&#xCE21; &#xD588;&#xB2E4;&#xC744; &#xACB0;&#xC815;. &#xB9AC;&#xD504;&#xD305; &#xC791;&#xC5C5;&#xC758; &#xC2DC;&#xC791; &#xBD80;&#xBD84;&#xC5D0; &#xADF8;&#xB9BD; &#xD798;&#xC740; &#xBAA8;&#xD130; &#xAE30;&#xB300;&#xC758; &#xAE68;&#xB057; &#xD55C; &#xD45C;&#xC2DC; &#xC774;&#xB2E4;. &#xACFC;&#xAC70;&#xC758; &#xACBD;&#xD5D8;&#xC744; &#xAE30;&#xBC18;&#xC73C;&#xB85C; &#xAE30;&#xB300; &#xD558; &#xACE0;&#xAC00; &#xC911;&#xB41C; &#xD3C9;&#xADE0;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC5B4;&#xC124;&#xC158; &#xC801;&#xC751; &#xBB38;&#xD559; &#xD559;&#xC2B5; &#xBAA8;&#xD130; &#xB2EC;&#xB9AC; &#xC6B0;&#xB9AC;&#xC758; &#xACB0;&#xACFC; &#xBAA8;&#xD130; &#xC2DC;&#xC2A4;&#xD15C;&#xC740; &#xC911;&#xB7C9; &#xC99D;&#xAC00;&#xC758; &#xC2DC;&#xB9AC;&#xC988;&#xC5D0; &#xB098;&#xC624;&#xB294; &#xD6C4;&#xC18D; &#xBB34;&#xAC8C; &#xC608;&#xCE21;&#xD560; &#xC218; &#xAC83;&#xC774; &#xC88B;&#xC2B5;&#xB2C8;&#xB2E4;.

&#xAC00;&#xC0C1; &#xAC1C;&#xCCB4;&#xC758; &#xC77C;&#xB828;&#xC758; &#xC6B4;&#xB3D9;&#xC5D0; &#xC608;&#xCE21; &#xC81C;&#xC5B4;&#xC5D0; &#xB300; &#xD55C; &#xC99D;&#xAC70;.

El sistema de control de la motricidad humana se comporta correctamente en un entorno din&aacute;mico y tiempo de diferente. Aqu&iacute;, exploramos la capacidad predictiva del sistema del motor en una simple tarea de motor de elevaci&oacute;n de una serie de objetos virtuales. Cuando un sujeto levanta un objeto, &eacute;l/ella utiliza una expectativa del peso del objeto para generar un comando del motor. Todos los modelos de aprendizaje emplea algoritmos de aprendizaje motor esencialmente esperar el futuro a ser similar al entorno previamente experimentado. En este estudio, nos pidi&oacute; temas para levantar una serie de pesos de aumento y determina si extrapolados a partir de la experiencia y predecir el siguiente peso en la serie a pesar de que nunca se hab&iacute;a experimentado ese peso. La fuerza de agarre al principio de la tarea de elevaci&oacute;n es una indicaci&oacute;n limpia de la expectativa de motor. En contraste con el motor literatura afirmaci&oacute;n adaptaci&oacute;n mediante esperando un promedio ponderado basado en la experiencia de aprendizaje, nuestros resultados sugieren que el sistema motor es capaz de predecir el peso posterior que sigue una serie de pesos de aumento.

Evidencia de control predictivo en serie de objetos virtuales de elevaci&oacute;n.

&#x7535;&#x673A;&#x63A7;&#x5236;&#x795E;&#x7ECF;&#x79D1;&#x5B66;&#x5BB6;&#x6D4B;&#x91CF;&#x80A2;&#x4F53;&#x8FD0;&#x52A8;&#x8F68;&#x8FF9;&#xFF0C;&#x5E76;&#x63D0;&#x53D6;&#x7684;&#x591A;&#x79CD;&#x7528;&#x9014;&#x7684;&#x8FD0;&#x52A8;&#x5F00;&#x59CB;&#x3002;&#x8FD9;&#x79CD;&#x8F68;&#x8FF9;&#x5E38;&#x5E38;&#x5BF9;&#x9F50;&#x4E2A;&#x4EBA;&#x8FD0;&#x52A8;&#x7206;&#x53D1;&#x524D;&#x63D0;&#x53D6;&#x8BE5;&#x8FD0;&#x52A8;&#x7684;&#x7279;&#x5F81;&#x548C;&#x5B83;&#x4EEC;&#x7684;&#x5C5E;&#x6027;&#x8FDB;&#x884C;&#x68C0;&#x67E5;&#x3002;&#x5F00;&#x59CB;&#x6267;&#x884C;&#x68C0;&#x6D4B;&#xFF0C;&#x53EF;&#x4EE5;&#x624B;&#x52A8;&#x6216;&#x81EA;&#x52A8;&#xFF0C;&#x901A;&#x5E38;&#x901A;&#x8FC7;&#x9009;&#x62E9;&#x901F;&#x5EA6;&#x9608;&#x503C;&#x3002;&#x5728;&#x8FD9;&#x91CC;&#xFF0C;&#x6211;&#x4EEC;&#x63D0;&#x51FA;&#x4E00;&#x79CD;&#x6BD4;&#x5E38;&#x89C4;&#x901F;&#x5EA6;&#x9608;&#x503C;&#x6280;&#x672F;&#x66F4;&#x51C6;&#x786E;&#x7684;&#x7B80;&#x5355;&#x53D1;&#x578B;&#x68C0;&#x6D4B;&#x7B97;&#x6CD5;&#x3002;&#x5EFA;&#x8BAE;&#x7684;&#x65B9;&#x6CD5;&#x57FA;&#x4E8E;&#x7B80;&#x5355;&#x7684;&#x56DE;&#x5F52;&#x548C;&#x9075;&#x5FAA;&#x7EA6;&#x675F;&#x6A21;&#x578B;&#xFF0C;&#x949F;&#x5F62;&#x7684;&#x8FD0;&#x52A8;&#x7684;&#x521D;&#x59CB;&#x9636;&#x6BB5;&#x5EFA;&#x7ACB;&#x6A21;&#x578B;&#x7684;&#x7ACB;&#x65B9;&#x529F;&#x7387;&#x7684;&#x65F6;&#x95F4;&#x6700;&#x5C0F;&#x52A0;&#x901F;&#x5EA6;&#x3002;&#x6211;&#x4EEC;&#x8BC1;&#x660E;&#x6027;&#x80FD;&#x7684;&#x5EFA;&#x8BAE;&#x7684;&#x65B9;&#x6CD5;&#xFF0C;&#x5E76;&#x5411;&#x901F;&#x5EA6;&#x9608;&#x503C;&#x6280;&#x672F;&#x548C;&#x624B;&#x52A8;&#x5F00;&#x59CB;&#x68C0;&#x6D4B;&#x7531;&#x7535;&#x673A;&#x63A7;&#x5236;&#x4E13;&#x5BB6;&#x7EC4;&#x8FDB;&#x884C;&#x6BD4;&#x8F83;&#x3002;&#x8FDB;&#x884C;&#x8FD9;&#x79CD;&#x6BD4;&#x8F83;&#x6570;&#x636E;&#x5E93;&#x5305;&#x62EC;&#x6A21;&#x62DF;&#x7684;&#x6700;&#x5C0F;&#x6DF7;&#x86CB;&#x8F68;&#x8FF9;&#x548C;&#x8BB0;&#x5F55;&#x8FBE;&#x5230;&#x8FD0;&#x52A8;&#x3002;

&#x7B80;&#x5355;&#x548C;&#x51C6;&#x786E;&#x53D1;&#x75C5;&#x6765;&#x8861;&#x91CF;&#x949F;&#x5F62;&#x901F;&#x5EA6;&#x914D;&#x7F6E;&#x6587;&#x4EF6;&#x7684;&#x68C0;&#x6D4B;&#x65B9;&#x6CD5;&#x3002;

Motor control neuroscientists measure limb trajectories and extract the onset of the movement for a variety of purposes. Such trajectories are often aligned relative to the onset of individual movement before the features of that movement are extracted and their properties are inspected. Onset detection is performed either manually or automatically, typically by selecting a velocity threshold. Here, we present a simple onset detection algorithm that is more accurate than the conventional velocity threshold technique. The proposed method is based on a simple regression and follows the minimum acceleration with constraints model, in which the initial phase of the bell-shaped movement is modeled by a cubic power of the time. We demonstrate the performance of the suggested method and compare it to the velocity threshold technique and to manual onset detection by a group of motor control experts. The database for this comparison consists of simulated minimum jerk trajectories and recorded reaching movements.

A Simple and Accurate onset Detection Method for a Measured Bell-shaped Speed Profile.

Contr&ocirc;le moteur neuroscientifiques mesurent les trajectoires limb et extraire l&#39;apparition du mouvement pour une vari&eacute;t&eacute; d&#39;usages. Ces trajectoires sont souvent align&eacute;s par rapport &agrave; l&#39;apparition du mouvement individuel avant les caract&eacute;ristiques de ce mouvement sont extraites et leurs propri&eacute;t&eacute;s sont inspect&eacute;es. D&eacute;tection de l&#39;apparition est ex&eacute;cut&eacute;e manuellement ou automatiquement, g&eacute;n&eacute;ralement en choisissant un seuil de vitesse. Nous pr&eacute;sentons ici un algorithme de d&eacute;tection simple apparition qui est plus pr&eacute;cis que la technique de seuil de vitesse conventionnelle. La m&eacute;thode propos&eacute;e est bas&eacute;e sur une r&eacute;gression simple et suit l&#39;acc&eacute;l&eacute;ration minimale avec mod&egrave;le de contraintes, dans lequel la phase initiale du mouvement en forme de cloche est mod&eacute;lis&eacute;e par une puissance cubique du temps. Nous d&eacute;montrer la validit&eacute; de la m&eacute;thode sugg&eacute;r&eacute;e et comparez-la &agrave; la technique de seuil de vitesse et &agrave; la d&eacute;tection de d&eacute;clenchement manuel par un groupe d&#39;experts de la motricit&eacute;. La base de donn&eacute;es pour cette comparaison se compose des trajectoires simul&eacute;es jerk minimale et enregistr&eacute; pour atteindre les mouvements.

Une apparition m&eacute;thode de d&eacute;tection pour un profil de vitesse mesur&eacute; cloche Simple et pr&eacute;cis.

Motorsteuerung Neurowissenschaftler Messen Gliedma&szlig;en Bahnen und der Beginn der Bewegung f&uuml;r eine Vielzahl von Zwecken zu extrahieren. Solche Bahnen sind oft relativ zum Beginn der einzelnen Bewegung ausgerichtet, bevor die Features der Bewegung extrahiert werden und ihre Eigenschaften werden &uuml;berpr&uuml;ft. Beginn Erkennung entweder manuell oder automatisch, in der Regel erfolgt durch eine Schwelle Geschwindigkeit ausw&auml;hlen. Hier pr&auml;sentieren wir eine einfache Ausbruch-Erkennungsalgorithmus, die genauer als die herk&ouml;mmlichen Geschwindigkeit Schwelle Technik ist. Die vorgeschlagene Methode basiert auf einer einfachen Regression und folgt die minimale Beschleunigung mit Einschr&auml;nkungen-Modell, in dem die erste Phase der glockenf&ouml;rmigen Bewegung durch eine kubische macht der Zeit modelliert ist. Wir zeigen die Leistung der vorgeschlagenen Methode und vergleichen Sie sie, um die Geschwindigkeit Schwelle Technik und manuelle beginnende Erkennung von einer Gruppe von Experten der Motorsteuerung. Die Datenbank f&uuml;r diesen Vergleich besteht aus simulierten minimalen Ruck Flugbahnen und aufgezeichneten Bewegungen zu erreichen.

Eine einfache und pr&auml;zise Beginn Erkennungsmethode f&uuml;r ein Geschwindigkeitsprofil gemessen glockenf&ouml;rmig.

Neuroscienziati controllo motore misurano le traiettorie dell&#39;arto ed estrarre l&#39;insorgenza del movimento per una variet&agrave; di scopi. Tali traiettorie sono spesso allineate rispetto l&#39;esordio del movimento individuale prima le caratteristiche di quel movimento sono estratti e loro propriet&agrave; sono ispezionati. L&#39;esordio rilevamento viene eseguito manualmente o automaticamente, in genere selezionando una soglia di velocit&agrave;. Presentiamo qui, un algoritmo di rilevamento ad esordio semplice che &egrave; pi&ugrave; preciso la tecnica della soglia velocit&agrave; convenzionali. Il metodo proposto si basa su una semplice regressione e segue l&#39;accelerazione minima con modello di vincoli, in cui la fase iniziale del movimento a forma di campana &egrave; modellata da una potenza cubica del tempo. Noi dimostrare le prestazioni del metodo proposto e confrontarlo alla tecnica della soglia di velocit&agrave; e di rilevamento manuale esordio da un gruppo di esperti di controllo del motore. Il database per questo confronto consiste di scatto minimo simulato traiettorie e registrato raggiungendo i movimenti.

Un semplice e accurato insorgenza metodo di rilevazione per un profilo di velocit&agrave; misurata campana.

&#x30E2;&#x30FC;&#x30BF;&#x5236;&#x5FA1;&#x306E;&#x795E;&#x7D4C;&#x79D1;&#x5B66;&#x8005;&#x306F;&#x80A2;&#x306E;&#x8ECC;&#x8DE1;&#x3092;&#x6E2C;&#x5B9A;&#x3057;&#x3001;&#x3055;&#x307E;&#x3056;&#x307E;&#x306A;&#x76EE;&#x7684;&#x306E;&#x305F;&#x3081;&#x306E;&#x904B;&#x52D5;&#x306E;&#x767A;&#x75C7;&#x3092;&#x62BD;&#x51FA;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x3088;&#x3046;&#x306A;&#x8ECC;&#x8DE1;&#x306F;&#x3057;&#x3070;&#x3057;&#x3070;&#x305D;&#x306E;&#x52D5;&#x304D;&#x306E;&#x7279;&#x5FB4;&#x304C;&#x62BD;&#x51FA;&#x3055;&#x308C;&#x3001;&#x305D;&#x306E;&#x30D7;&#x30ED;&#x30D1;&#x30C6;&#x30A3;&#x3092;&#x691C;&#x67FB;&#x3059;&#x308B;&#x524D;&#x306B;&#x500B;&#x3005; &#x306E;&#x52D5;&#x304D;&#x306E;&#x767A;&#x75C7;&#x304B;&#x3089;&#x306E;&#x76F8;&#x5BFE;&#x914D;&#x7F6E;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x767A;&#x75C7;&#x691C;&#x51FA;&#x624B;&#x52D5;&#x307E;&#x305F;&#x306F;&#x81EA;&#x52D5;&#x3067;&#x3092;&#x901A;&#x5E38;&#x901F;&#x5EA6;&#x3057;&#x304D;&#x3044;&#x5024;&#x3092;&#x9078;&#x629E;&#x3059;&#x308B;&#x3053;&#x3068;&#x306B;&#x3088;&#x3063;&#x3066;&#x5B9F;&#x884C;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x3053;&#x3053;&#x3067;&#x306F;&#x3001;&#x5F93;&#x6765;&#x306E;&#x901F;&#x5EA6;&#x3057;&#x304D;&#x3044;&#x5024;&#x624B;&#x6CD5;&#x3088;&#x308A;&#x3082;&#x3088;&#x308A;&#x6B63;&#x78BA;&#x3067;&#x3059;&#x5358;&#x7D14;&#x306A;&#x767A;&#x75C7;&#x691C;&#x51FA;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x3092;&#x63D0;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;&#x63D0;&#x6848;&#x624B;&#x6CD5;&#x306F;&#x5358;&#x7D14;&#x306A;&#x56DE;&#x5E30;&#x306B;&#x57FA;&#x3065;&#x3044;&#x3066;&#x3044;&#x308B;&#x3057;&#x3001;&#x6700;&#x5C0F;&#x306E;&#x52A0;&#x901F;&#x3067;&#x9418;&#x5F62;&#x904B;&#x52D5;&#x306E;&#x521D;&#x671F;&#x6BB5;&#x968E;&#x6642;&#x306E;&#x7ACB;&#x65B9;&#x529B;&#x306B;&#x3088;&#x3063;&#x3066;&#x5236;&#x7D04;&#x30E2;&#x30C7;&#x30EB;&#x3068;&#x6B21;&#x306E;&#x3088;&#x3046;&#x306B;&#x3002;&#x63D0;&#x6848;&#x624B;&#x6CD5;&#x306E;&#x6027;&#x80FD;&#x3092;&#x767A;&#x63EE;&#x3057;&#x3001;&#x901F;&#x5EA6;&#x3057;&#x304D;&#x3044;&#x5024;&#x624B;&#x6CD5;&#x3078;&#x3068;&#x30E2;&#x30FC;&#x30BF;&#x5236;&#x5FA1;&#x306E;&#x5C02;&#x9580;&#x5BB6;&#x306E;&#x30B0;&#x30EB;&#x30FC;&#x30D7;&#x306B;&#x3088;&#x308B;&#x624B;&#x52D5;&#x767A;&#x75C7;&#x691C;&#x51FA;&#x3059;&#x308B;&#x6BD4;&#x8F03;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x6BD4;&#x8F03;&#x306E;&#x305F;&#x3081;&#x30C7;&#x30FC;&#x30BF;&#x30D9;&#x30FC;&#x30B9;&#x306E;&#x6A21;&#x64EC;&#x8E8D;&#x5EA6;&#x6700;&#x5C0F;&#x8ECC;&#x9053;&#x3067;&#x69CB;&#x6210;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3001;&#x5230;&#x9054;&#x904B;&#x52D5;&#x3092;&#x8A18;&#x9332;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;

&#x30B7;&#x30F3;&#x30D7;&#x30EB;&#x3067;&#x6B63;&#x78BA;&#x306A;&#x767A;&#x75C7;&#x691C;&#x51FA;&#x6CD5;&#x306E;&#x901F;&#x5EA6;&#x30D7;&#x30ED;&#x30D5;&#x30A1;&#x30A4;&#x30EB;&#x3092;&#x6E2C;&#x5B9A;&#x3057;&#x305F;&#x9418;&#x5F62;&#x3057;&#x307E;&#x3059;&#x3002;

&#xBAA8;&#xD130; &#xC81C;&#xC5B4; &#xC2E0;&#xACBD; &#xC0AC;&#xC9C0; &#xADA4;&#xC801;&#xC744; &#xCE21;&#xC815; &#xD558; &#xACE0; &#xB2E4;&#xC591; &#xD55C; &#xBAA9;&#xC801;&#xC5D0; &#xB300; &#xD55C; &#xC6C0;&#xC9C1;&#xC784;&#xC758; &#xBC1C;&#xBCD1;&#xC744; &#xCD94;&#xCD9C;. &#xADF8; &#xC6B4;&#xB3D9;&#xC758; &#xD2B9;&#xC9D5; &#xCD94;&#xCD9C; &#xB418; &#xACE0; &#xADF8;&#xB4E4;&#xC758; &#xC18D;&#xC131;&#xC744; &#xAC80;&#xC0AC; &#xD558;&#xAE30; &#xC804;&#xC5D0; &#xC774;&#xB7EC;&#xD55C; &#xADA4;&#xC801; &#xC885;&#xC885; &#xAC1C;&#xBCC4; &#xC6B4;&#xB3D9;&#xC758; &#xAC1C;&#xC2DC;&#xB97C; &#xAE30;&#xC900;&#xC73C;&#xB85C; &#xB9DE;&#xCDA5;&#xB2C8;&#xB2E4;. &#xBC1C;&#xBCD1; &#xAC10;&#xC9C0; &#xC218;&#xD589; &#xB429;&#xB2C8;&#xB2E4; &#xC218;&#xB3D9; &#xB610;&#xB294; &#xC790;&#xB3D9;&#xC73C;&#xB85C;, &#xC77C;&#xBC18;&#xC801;&#xC73C;&#xB85C; &#xC18D;&#xB3C4; &#xC784;&#xACC4;&#xAC12;&#xC744; &#xC120;&#xD0DD; &#xD558; &#xC5EC;. &#xC5EC;&#xAE30;, &#xC6B0;&#xB9AC;&#xAC00; &#xAE30;&#xC874;&#xC758; &#xC18D;&#xB3C4; &#xC784;&#xACC4;&#xAC12; &#xAE30;&#xBC95; &#xBCF4;&#xB2E4; &#xB354; &#xC815;&#xD655; &#xD558; &#xAC8C; &#xAC04;&#xB2E8;&#xD55C; &#xBC1C;&#xBCD1; &#xD0D0;&#xC9C0; &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC744; &#xC81C;&#xC2DC;. &#xC81C;&#xC548; &#xB41C; &#xBC29;&#xBC95; &#xB2E8;&#xC21C; &#xD68C;&#xADC0;&#xB97C; &#xAE30;&#xBC18;&#xC73C;&#xB85C; &#xD558;&#xBA70; &#xB2E4;&#xC74C;&#xACFC; &#xAC19;&#xC774; &#xC81C;&#xC57D; &#xC870;&#xAC74; &#xBAA8;&#xB378;, &#xC885; &#xBAA8;&#xC591;&#xC758; &#xC6B4;&#xB3D9;&#xC758; &#xCD08;&#xAE30; &#xB2E8;&#xACC4; &#xC2DC;&#xAC04;&#xC758; &#xD050;&#xBE45; &#xD30C;&#xC6CC;&#xC5D0; &#xC758;&#xD574; &#xBAA8;&#xB378;&#xB9C1; &#xB429;&#xB2C8;&#xB2E4; &#xCD5C;&#xC18C; &#xAC00;&#xC18D;. &#xC81C;&#xC548; &#xB41C; &#xBC29;&#xBC95;&#xC758; &#xC131;&#xB2A5;&#xC744; &#xC785;&#xC99D; &#xD558; &#xACE0; &#xC18D;&#xB3C4; &#xC784;&#xACC4;&#xAC12; &#xAE30;&#xBC95; &#xBC0F; &#xBAA8;&#xD130; &#xC81C;&#xC5B4; &#xC804;&#xBB38;&#xAC00; &#xADF8;&#xB8F9;&#xC5D0; &#xC758;&#xD574; &#xC218;&#xB3D9; &#xBC1C;&#xBCD1; &#xAC80;&#xCD9C; &#xBE44;&#xAD50;. &#xC774; &#xBE44;&#xAD50;&#xC5D0; &#xB300; &#xD55C; &#xB370;&#xC774;&#xD130;&#xBCA0;&#xC774;&#xC2A4; &#xBC0F; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xB41C; &#xCD5C;&#xC18C; &#xBC14;&#xBCF4; &#xADA4;&#xC801; &#xC774;&#xB8E8;&#xC5B4;&#xC838; &#xC6C0;&#xC9C1;&#xC784;&#xC5D0; &#xB3C4;&#xB2EC; &#xAE30;&#xB85D;.

&#xAC04;&#xB2E8; &#xD558; &#xACE0; &#xC815;&#xD655;&#xD55C; &#xBC1C;&#xBCD1; &#xCE21;&#xC815; &#xC885; &#xBAA8;&#xC591;&#xC758; &#xC18D;&#xB3C4; &#xD504;&#xB85C; &#xD30C;&#xC77C;&#xC5D0; &#xB300; &#xD55C; &#xAC80;&#xCD9C; &#xBC29;&#xBC95;.

Neurocient&iacute;ficos de control del motor medir las trayectorias de la extremidad y extracci&oacute;n el inicio del movimiento para una variedad de prop&oacute;sitos. Tales trayectorias se alinean a menudo en relaci&oacute;n con la aparici&oacute;n del movimiento individual antes de que se extraen las caracter&iacute;sticas de ese movimiento y sus propiedades son inspeccionados. Inicio detecci&oacute;n se realiza manualmente o autom&aacute;ticamente, por lo general seleccionando un umbral de velocidad. Aqu&iacute;, presentamos un algoritmo de detecci&oacute;n de inicio simple que es m&aacute;s preciso que la t&eacute;cnica de umbral de velocidad convencional. El m&eacute;todo propuesto se basa en una regresi&oacute;n simple y sigue la aceleraci&oacute;n m&iacute;nima con el modelo de las limitaciones, en el que la fase inicial del movimiento en forma de campana es modelada por una potencia c&uacute;bica del tiempo. Nos demuestra el funcionamiento del m&eacute;todo sugerido y compararla con la t&eacute;cnica de umbral de velocidad y detecci&oacute;n de inicio manual por un grupo de expertos de control de motor. La base de datos para esta comparaci&oacute;n consiste en trayectorias de tir&oacute;n m&iacute;nimo simulado y grab&oacute; alcanzar movimientos.

Un inicio Simple y preciso m&eacute;todo de detecci&oacute;n para un perfil de velocidad en forma de campana medido.

&#x8111;-&#x673A;&#x63A5;&#x53E3; &#xFF08;&#x51C6;&#x786E;&#x6309;&#x65F6;&#x8BA1;&#x5E10;&#x8BA1;&#x5212;) &#x4E3B;&#x8981;&#x88AB;&#x8C03;&#x67E5;&#x4F5C;&#x4E3A;&#x762B;&#x75EA;&#x7684;&#x4EBA;&#x4EEC;&#x63D0;&#x4F9B;&#x65B0;&#x7684;&#x6C9F;&#x901A;&#x6E20;&#x9053;&#xFF0C;&#x4E0E;&#x5916;&#x90E8;&#x4E16;&#x754C;&#x7684;&#x624B;&#x6BB5;&#x3002;&#x4F46;&#x662F;&#xFF0C;&#x8111;&#x4E0E;&#x4EBA;&#x5DE5;&#x88C5;&#x7F6E;&#x4E4B;&#x95F4;&#x7684;&#x901A;&#x4FE1;&#x4E5F;&#x63D0;&#x4F9B;&#x4E86;&#x4E00;&#x4E2A;&#x72EC;&#x7279;&#x7684;&#x673A;&#x4F1A;&#xFF0C;&#x7814;&#x7A76;&#x52A8;&#x529B;&#x7CFB;&#x7EDF;&#x7684;&#x5C5E;&#x6027;&#x7684;&#x795E;&#x7ECF;&#x3002;&#x8FD9;&#x6B21;&#x5BA1;&#x67E5;&#x7684;&#x91CD;&#x70B9;&#x53CC;&#x5411;&#x63A5;&#x53E3;&#xFF0C;&#x5B83;&#x901A;&#x8FC7;&#x795E;&#x7ECF;&#x4FE1;&#x53F7;&#x8F6C;&#x5316;&#x4E3A;&#x8BBE;&#x5907;&#x548C;&#x795E;&#x7ECF;&#x523A;&#x6FC0;&#x5230;&#x8BBE;&#x5907;&#x7684;&#x8F93;&#x51FA;&#x8F93;&#x5165;&#x547D;&#x4EE4;&#x64CD;&#x4F5C;&#x4E24;&#x79CD;&#x65B9;&#x5F0F;&#x3002;&#x6211;&#x4EEC;&#x5C06;&#x8BA8;&#x8BBA;&#x5982;&#x4F55;&#x8C03;&#x67E5;&#x795E;&#x7ECF;&#x4FE1;&#x606F;&#x5904;&#x7406;&#x548C;&#x5982;&#x4F55;&#x795E;&#x7ECF;&#x52A8;&#x529B;&#x5B66;&#x7684;&#x53CC;&#x5411;&#x51C6;&#x786E;&#x6309;&#x65F6;&#x8BA1;&#x5E10;&#x8BA1;&#x5212;&#x5E2E;&#x52A9;&#x53EF;&#x80FD;&#x53C2;&#x4E0E;&#x5916;&#x90E8;&#x8BBE;&#x5907;&#x7684;&#x63A7;&#x5236;&#x3002;&#x5728;&#x8FD9;&#x65B9;&#x9762;&#xFF0C;&#x53CC;&#x5411; BMI &#x53EF;&#x4EE5;&#x89C6;&#x4E3A;&#x795E;&#x7ECF;&#x7684;&#x5F55;&#x97F3;&#x548C;&#x523A;&#x6FC0;&#x5668;&#x5177;&#xFF0C;&#x901A;&#x8FC7;&#x4EBA;&#x5DE5;&#x8EAB;&#x4F53;&#x8FDE;&#x63A5;&#x7684;&#x82B1;&#x5F0F;&#x7EC4;&#x5408;&#x3002;&#x4EBA;&#x5DE5;&#x8EAB;&#x4F53;&#x53EF;&#x4EE5;&#x8BBE;&#x8BA1;&#x51E0;&#x4E4E;&#x65E0;&#x9650;&#x7684;&#x65B9;&#x5F0F;&#xFF0C;&#x89C2;&#x5BDF;&#x795E;&#x7ECF;&#x52A8;&#x529B;&#x5B66;&#x7684;&#x4E0D;&#x540C;&#x65B9;&#x9762;&#xFF0C;&#x5E76;&#x9700;&#x7684;&#x63A7;&#x5236;&#x653F;&#x7B56;&#x7684;&#x8FD1;&#x4F3C;&#x3002;

&#x5173;&#x4E8E;&#x5927;&#x8111;&#x548C;&#x673A;&#x5668;&#x4E4B;&#x95F4;&#x7684;&#x5BF9;&#x8BDD;&#x7684;&#x65B0;&#x89C2;&#x70B9;&#x3002;

Brain-machine interfaces (BMIs) are mostly investigated as a means to provide paralyzed people with new communication channels with the external world. However, the communication between brain and artificial devices also offers a unique opportunity to study the dynamical properties of neural systems. This review focuses on bidirectional interfaces, which operate in two ways by translating neural signals into input commands for the device and the output of the device into neural stimuli. We discuss how bidirectional BMIs help investigating neural information processing and how neural dynamics may participate in the control of external devices. In this respect, a bidirectional BMI can be regarded as a fancy combination of neural recording and stimulation apparatus, connected via an artificial body. The artificial body can be designed in virtually infinite ways in order to observe different aspects of neural dynamics and to approximate desired control policies.

New Perspectives on the Dialogue between Brains and Machines.

Les interfaces cerveau-machine (IMC) ont &eacute;t&eacute; &eacute;tudi&eacute;s principalement comme un moyen d&#39;assurer les personnes paralys&eacute;es avec nouveaux canaux de communication avec le monde ext&eacute;rieur. Cependant, la communication entre le cerveau et les artifices offre &eacute;galement une occasion unique d&#39;&eacute;tudier les propri&eacute;t&eacute;s dynamiques des syst&egrave;mes neuronaux. Cette revue se concentre sur les interfaces bidirectionnelles, qui fonctionnent de deux mani&egrave;res de traduire les signaux neuronaux en commandes d&#39;entr&eacute;e pour l&#39;appareil et la sortie de l&#39;appareil dans des stimuli nerveuses. Nous discutons comment bidirectionnel BMIs aide &eacute;tudie comment neurale dynamique et traitement de l&#39;information neuronale peut participer dans le contr&ocirc;le de p&eacute;riph&eacute;riques externes. &Agrave; cet &eacute;gard, un bidirectionnel IMC peut &ecirc;tre consid&eacute;r&eacute; comme une combinaison de fantaisie de neurones appareils d&#39;enregistrement et de la stimulation, reli&eacute; par une personne morale. L&#39;entit&eacute; artificielle peut &ecirc;tre con&ccedil;ue de mani&egrave;re virtuellement infinie afin d&#39;observer les diff&eacute;rents aspects de la dynamique des neurones et de rapprocher les politiques de contr&ocirc;le souhait&eacute;.

Nouvelles Perspectives sur le Dialogue entre le cerveau et les Machines.

Gehirn-Maschine-Schnittstellen (BMIs) untersucht werden vor allem als Mittel zur gel&auml;hmte Menschen neue Kommunikationskan&auml;le mit der Au&szlig;enwelt zu bieten. Die Kommunikation zwischen Gehirn und k&uuml;nstliche Ger&auml;te bietet jedoch auch eine einmalige Gelegenheit, die dynamischen Eigenschaften der neuronalen Systeme zu studieren. Dieses fokussiert auf bidirektionale Schnittstellen, die auf zwei Arten &uuml;bersetzt Nervensignale in Eingabe Befehle f&uuml;r das Ger&auml;t und die Ausgabe des Ger&auml;ts in neuronale Impulse zu betreiben. Wir besprechen, wie die bidirektionale BMIs Hilfe Untersuchung Informationsverarbeitung und wie neuronaler Dynamik in der Steuerung von externen Ger&auml;ten teilnehmen kann. In dieser Hinsicht kann ein bidirektionales BMI als raffinierte Kombination aus neuronalen Aufnahme und Stimulation Apparat, verbunden &uuml;ber einen k&uuml;nstlichen K&ouml;rper betrachtet werden. K&uuml;nstliche K&ouml;rper kann praktisch unendlich vielen M&ouml;glichkeiten um verschiedene Aspekte neuronaler Dynamik zu beobachten und die ungef&auml;hre gew&uuml;nschte Steuerelement Richtlinien gestaltet werden.

Neue Perspektiven auf den Dialog zwischen Gehirn und Computer.

Interfacce cervello-macchina (BMIs) sono studiate principalmente come un mezzo per fornire alle persone paralizzate con nuovi canali di comunicazione con il mondo esterno. Tuttavia, la comunicazione tra cervello e dispositivi artificiali offre anche un&#39;opportunit&agrave; unica per studiare le propriet&agrave; dinamiche dei sistemi neurali. Questa recensione si concentra sulle interfacce bidirezionali, che operano in due modi di tradurre i comandi di input per il dispositivo e l&#39;uscita del dispositivo in stimoli neurali segnali neurali. Discutiamo come bidirezionale BMIs aiuto indagando neural information processing e dinamiche come neurali possa partecipare il controllo di dispositivi esterni. A questo proposito, un BMI bidirezionale pu&ograve; essere considerato come una combinazione di fantasia dell&#39;apparato di registrazione e stimolazione neurale, collegato tramite un corpo artificiale. Il corpo artificiale pu&ograve; essere progettato in modo praticamente infinito al fine di osservare diversi aspetti della dinamica neurale e per approssimare le politiche di controllo desiderato.

Nuove prospettive sul dialogo tra macchine e cervelli.

&#x30D6;&#x30EC;&#x30A4;&#x30F3;-&#x30DE;&#x30B7;&#x30F3; &#x30FB; &#x30A4;&#x30F3;&#x30BF;&#x30FC;&#x30D5;&#x30A7;&#x30FC;&#x30B9; (BMIs) &#x306F;&#x3001;&#x307B;&#x3068;&#x3093;&#x3069;&#x9EBB;&#x75FA;&#x3057;&#x305F;&#x4EBA;&#x3001;&#x5916;&#x90E8;&#x4E16;&#x754C;&#x3068;&#x306E;&#x65B0;&#x3057;&#x3044;&#x901A;&#x4FE1;&#x30C1;&#x30E3;&#x30CD;&#x30EB;&#x3092;&#x63D0;&#x4F9B;&#x3059;&#x308B;&#x624B;&#x6BB5;&#x3068;&#x3057;&#x3066;&#x8ABF;&#x3079;&#x305F;&#x3002;&#x3057;&#x304B;&#x3057;&#x3001;&#x8133;&#x3068;&#x4EBA;&#x5DE5;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x9593;&#x306E;&#x901A;&#x4FE1;&#x306F;&#x307E;&#x305F;&#x795E;&#x7D4C;&#x7CFB;&#x306E;&#x52D5;&#x7684;&#x6027;&#x8CEA;&#x3092;&#x7814;&#x7A76;&#x3059;&#x308B;&#x30E6;&#x30CB;&#x30FC;&#x30AF;&#x306A;&#x6A5F;&#x4F1A;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x691C;&#x8A0E;&#x795E;&#x7D4C;&#x4FE1;&#x53F7;&#x5165;&#x529B;&#x30B3;&#x30DE;&#x30F3;&#x30C9;&#x3001;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x3068;&#x51FA;&#x529B;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x306B;&#x795E;&#x7D4C;&#x523A;&#x6FC0;&#x306E;&#x305F;&#x3081;&#x306B;&#x7FFB;&#x8A33;&#x3059;&#x308B;&#x3053;&#x3068;&#x306B;&#x3088;&#x3063;&#x3066; 2 &#x3064;&#x306E;&#x65B9;&#x6CD5;&#x3067;&#x52D5;&#x4F5C;&#x3059;&#x308B;&#x3001;&#x53CC;&#x65B9;&#x5411;&#x30A4;&#x30F3;&#x30BF;&#x30FC;&#x30D5;&#x30A7;&#x30A4;&#x30B9;&#x3001;&#x5F53;&#x3066;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x6211;&#x3005; &#x30CB;&#x30E5;&#x30FC;&#x30E9;&#x30EB;&#x60C5;&#x5831;&#x51E6;&#x7406;&#x3068;&#x3069;&#x306E;&#x3088;&#x3046;&#x306B;&#x795E;&#x7D4C;&#x30C0;&#x30A4;&#x30CA;&#x30DF;&#x30AF;&#x30B9;&#x3092;&#x8ABF;&#x67FB;&#x3057;&#x3066;&#x53CC;&#x65B9;&#x5411; BMIs &#x30D8;&#x30EB;&#x30D7;&#x5916;&#x90E8;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x306E;&#x5236;&#x5FA1;&#x306B;&#x53C2;&#x52A0;&#x53EF;&#x80FD;&#x6027;&#x304C;&#x3042;&#x308B;&#x65B9;&#x6CD5;&#x306B;&#x3064;&#x3044;&#x3066;&#x8AAC;&#x660E;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x70B9;&#x3067;&#x306F;&#x3001;&#x53CC;&#x65B9;&#x5411;&#x306E; BMI &#x306F;&#x4EBA;&#x5DE5;&#x306E;&#x4F53;&#x3092;&#x4ECB;&#x3057;&#x3066;&#x63A5;&#x7D9A;&#x3057;&#x3066;&#x795E;&#x7D4C;&#x306E;&#x8A18;&#x9332;&#x3068;&#x523A;&#x6FC0;&#x88C5;&#x7F6E;&#x306E;&#x30D5;&#x30A1;&#x30F3;&#x30B7;&#x30FC;&#x306A;&#x7D44;&#x307F;&#x5408;&#x308F;&#x305B;&#x3068;&#x3057;&#x3066;&#x307F;&#x306A;&#x3059;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x795E;&#x7D4C;&#x30C0;&#x30A4;&#x30CA;&#x30DF;&#x30AF;&#x30B9;&#x306E;&#x3055;&#x307E;&#x3056;&#x307E;&#x306A;&#x5074;&#x9762;&#x3092;&#x89B3;&#x5BDF;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x3001;&#x76EE;&#x7684;&#x306E;&#x30B3;&#x30F3;&#x30C8;&#x30ED;&#x30FC;&#x30EB; &#x30DD;&#x30EA;&#x30B7;&#x30FC;&#x3092;&#x8FD1;&#x4F3C;&#x3059;&#x308B;&#x4EBA;&#x5DE5;&#x8EAB;&#x4F53;&#x3092;&#x5B9F;&#x8CEA;&#x7684;&#x306B;&#x7121;&#x9650;&#x306E;&#x65B9;&#x6CD5;&#x3067;&#x8A2D;&#x8A08;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;

&#x8133;&#x3068;&#x6A5F;&#x68B0;&#x306E;&#x9593;&#x306E;&#x5BFE;&#x8A71;&#x306B;&#x65B0;&#x305F;&#x306A;&#x8996;&#x70B9;&#x3002;

&#xB1CC;-&#xAE30;&#xACC4; &#xC778;&#xD130;&#xD398;&#xC774;&#xC2A4; (BMIs)&#xB294; &#xB300;&#xBD80;&#xBD84; &#xB9C8;&#xBE44; &#xC0AC;&#xB78C;&#xB4E4; &#xC678;&#xBD80; &#xC138;&#xACC4;&#xC640; &#xC0C8;&#xB85C;&#xC6B4; &#xCEE4;&#xBBA4;&#xB2C8;&#xCF00;&#xC774;&#xC158; &#xCC44;&#xB110;&#xC744; &#xC81C;&#xACF5; &#xD558;&#xB294; &#xC218;&#xB2E8;&#xC73C;&#xB85C; &#xC870;&#xC0AC; &#xB429;&#xB2C8;&#xB2E4;. &#xADF8;&#xB7EC;&#xB098;, &#xB450;&#xB1CC;&#xC640; &#xC778;&#xACF5; &#xC7A5;&#xCE58; &#xAC04;&#xC758; &#xD1B5;&#xC2E0; &#xB610;&#xD55C; &#xC2E0;&#xACBD; &#xC2DC;&#xC2A4;&#xD15C;&#xC758; &#xB3D9;&#xC801; &#xC18D;&#xC131;&#xC744; &#xACF5;&#xBD80; &#xD558;&#xB294; &#xB3C5;&#xD2B9;&#xD55C; &#xAE30;&#xD68C;&#xB97C; &#xC81C;&#xACF5; &#xD569;&#xB2C8;&#xB2E4;. &#xC774; &#xAC80;&#xD1A0; &#xC7A5;&#xCE58;&#xC640; &#xC2E0;&#xACBD; &#xC790;&#xADF9;&#xC73C;&#xB85C; &#xC18C;&#xC790;&#xC758; &#xCD9C;&#xB825;&#xC5D0; &#xB300; &#xD55C; &#xC785;&#xB825;&#xB41C; &#xBA85;&#xB839;&#xC73C;&#xB85C; &#xC2E0;&#xACBD; &#xC2E0;&#xD638;&#xB97C; &#xBCC0;&#xD658; &#xD558; &#xC5EC; &#xB450; &#xAC00;&#xC9C0; &#xBC29;&#xBC95;&#xC73C;&#xB85C; &#xC791;&#xB3D9; &#xD558;&#xB294; &#xC591;&#xBC29;&#xD5A5; &#xC778;&#xD130;&#xD398;&#xC774;&#xC2A4;&#xC5D0; &#xCD08;&#xC810;&#xC744; &#xB9DE;&#xCD94;&#xACE0; &#xC788;&#xB2E4;. &#xC6B0;&#xB9AC;&#xAC00; &#xB17C;&#xC758; &#xC5B4;&#xB5BB;&#xAC8C; &#xC591;&#xBC29;&#xD5A5; BMIs &#xB3C4;&#xC6C0;&#xB9D0; &#xC2E0;&#xACBD; &#xC815;&#xBCF4; &#xCC98;&#xB9AC;&#xC640; &#xC5B4;&#xB5BB;&#xAC8C; &#xC2E0;&#xACBD; &#xC5ED;&#xD559; &#xC870;&#xC0AC; &#xC678;&#xBD80; &#xC7A5;&#xCE58; &#xC81C;&#xC5B4;&#xC5D0; &#xCC38;&#xC5EC;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC774;&#xB7F0; &#xC810;&#xC5D0;&#xC11C; &#xC591;&#xBC29;&#xD5A5; BMI &#xC2E0;&#xACBD; &#xC790;&#xADF9; &#xBC0F; &#xB179;&#xC74C; &#xC7A5;&#xCE58;, &#xC778;&#xACF5; &#xC2E0;&#xCCB4;&#xB97C; &#xD1B5;&#xD574; &#xC5F0;&#xACB0;&#xC758; &#xBA4B;&#xC9C4; &#xC870;&#xD569;&#xC73C;&#xB85C; &#xAC04;&#xC8FC; &#xB420; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC778;&#xACF5; &#xC2E0;&#xCCB4; &#xC2E0;&#xACBD; &#xC5ED;&#xD559;&#xC758; &#xB2E4;&#xC591; &#xD55C; &#xCE21;&#xBA74;&#xC744; &#xAD00;&#xCC30; &#xD558; &#xACE0; &#xC6D0;&#xD558;&#xB294; &#xCEE8;&#xD2B8;&#xB864; &#xC815;&#xCC45;&#xC5D0; &#xADFC;&#xC811; &#xD558;&#xB824;&#xBA74; &#xC0AC;&#xC2E4;&#xC0C1; &#xBB34;&#xD55C; &#xBC29;&#xBC95;&#xC73C;&#xB85C; &#xB514;&#xC790;&#xC778; &#xB420; &#xC218; &#xC788;&#xB2E4;.

&#xB450;&#xB1CC;&#xC640; &#xCEF4;&#xD4E8;&#xD130; &#xAC04;&#xC758; &#xB300;&#xD654;&#xC5D0; &#xB300; &#xD55C; &#xC0C8;&#xB85C;&#xC6B4; &#xAD00;&#xC810;.

Las interfaces cerebro-m&aacute;quina (IMC) se investigan sobre todo como un medio para ofrecer nuevos canales de comunicaci&oacute;n con el mundo externo paralizado. Sin embargo, la comunicaci&oacute;n entre el cerebro y dispositivos artificiales tambi&eacute;n ofrece una oportunidad &uacute;nica para estudiar las propiedades din&aacute;micas de sistemas neuronales. Esta revisi&oacute;n se centra en las interfaces bidireccionales, que operan en ambos sentidos por traducir se&ntilde;ales neuronales en comandos de entrada para el dispositivo y la salida del dispositivo en est&iacute;mulos neuronales. Discutimos c&oacute;mo bidireccional IMC ayuda investigar procesamiento neural de la informaci&oacute;n y c&oacute;mo neuronales din&aacute;micas puede participar en el control de dispositivos externos. En este sentido, una IMC de bidireccional puede considerarse como una elegante combinaci&oacute;n de aparatos de grabaci&oacute;n y estimulaci&oacute;n neurales, conectados a trav&eacute;s de un cuerpo artificial. El cuerpo artificial puede dise&ntilde;arse en pr&aacute;cticamente infinitas maneras para observar diversos aspectos de la din&aacute;mica neuronal y aproximar las pol&iacute;ticas de control deseado.

Nuevas perspectivas sobre el di&aacute;logo entre cerebros y m&aacute;quinas.

&#x5728;&#x8FC7;&#x53BB;&#x51E0;&#x5341;&#x5E74;&#x4E2D;&#xFF0C;&#x9002;&#x5E94;&#x671F;&#x95F4;&#x8FBE;&#x5230;&#x8FD0;&#x52A8;&#x7684;&#x786E;&#x5B9A;&#x6027;&#x529B;&#x6270;&#x52A8;&#x662F;&#x5E7F;&#x6CDB;&#x7814;&#x7A76;&#x3002;&#x5728;&#x8FD9;&#x91CC;&#xFF0C;&#x6211;&#x4EEC;&#x53EF;&#x4EE5;&#x4F7F;&#x7528;&#x8FD9;&#x4E00;&#x65B9;&#x6CD5;&#x63A2;&#x7D22;&#x5927;&#x8111;&#x80FD;&#x591F;&#x9002;&#x5E94;&#x5EF6;&#x8FDF;&#x7684;&#x901F;&#x5EA6;&#x4F9D;&#x8D56;&#x4E8E;&#x529B;&#x573A;&#x3002;&#x4E24;&#x7EC4;&#x7684;&#x9884;&#x5236;&#x6807;&#x51C6;&#x8FBE;&#x5230;&#x901F;&#x5EA6;&#x53D6;&#x51B3;&#x4E8E;&#x529B;&#x573A;&#x4F5C;&#x7528;&#x4E0B;&#x7684;&#x5B9E;&#x9A8C;&#x3002;&#x8BE5;&#x90E8;&#x961F;&#x662F;&#x8981;&#x4E48;&#x7ACB;&#x5373;&#x6210;&#x6B63;&#x6BD4;&#x7684;&#x5F53;&#x524D;&#x901F;&#x5EA6; &#xFF08;&#x63A7;&#x5236;&#xFF09; &#x6216;&#x843D;&#x5728; 50 ms &#xFF08;&#x6D4B;&#x8BD5;&#xFF09;&#x3002;&#x7ED3;&#x679C;&#x8868;&#x660E;&#x660E;&#x786E;&#x9002;&#x5E94;&#x5EF6;&#x8FDF;&#x7684;&#x529B;&#x6270;&#x52A8;&#x3002;Catch &#x5BA1;&#x5224;&#x671F;&#x95F4;&#x76F4;&#x7EBF;&#x504F;&#x79BB;&#x4E86;&#x8F6C;&#x79FB;&#x65F6;&#x95F4;&#x76F8;&#x6BD4;&#x7ED9;&#x6307;&#x793A;&#x5EF6;&#x8FDF;&#x7684;&#x529B;&#x573A;&#x671F;&#x5F85;&#x975E;&#x5EF6;&#x8FDF;&#x7684;&#x901F;&#x5EA6;&#x53D6;&#x51B3;&#x4E8E;&#x5B57;&#x6BB5; &#xFF08;&#x63A7;&#x5236;&#xFF09;&#x3001; post-adaptation&#x3002;&#x9002;&#x5E94;&#x5F3A;&#x5236;&#x5B57;&#x6BB5;&#x88AB;&#x8BA4;&#x4E3A;&#x662F;&#x4E00;&#x4E2A;&#x5728;&#x5176;&#x4E2D;&#x7684;&#x7535;&#x673A;&#x7CFB;&#x7EDF;&#x9884;&#x6D4B;&#x90E8;&#x961F;&#x9884;&#x8BA1;&#x6839;&#x636E;&#x80A2;&#x4F53;&#x5C06;&#x5047;&#x5B9A;&#x7535;&#x673A;&#x547D;&#x4EE4;&#x54CD;&#x5E94;&#x7684;&#x72B6;&#x6001;&#x7684;&#x8FC7;&#x7A0B;&#x3002;&#x8FD9;&#x9879;&#x7814;&#x7A76;&#x8868;&#x660E;&#x8FD9;&#x4E00;&#x9884;&#x6D4B;&#x7684;&#x65F6;&#x95F4;&#x7A97;&#x53E3;&#x4E0D;&#x9700;&#x8981;&#x56FA;&#x5B9A;&#x7684;&#x9996;&#x6B21;&#x3002;&#x8FD9;&#x662F;&#x4FE1;&#x606F;&#x7684;&#x6709;&#x5173;&#x7684;&#x8865;&#x507F;&#x4F20;&#x8F93;&#x4E2D;&#x7684;&#x53D8;&#x5F02;&#x6027;&#x6574;&#x4E2A;&#x611F;&#x5B98;&#x7535;&#x673A;&#x7CFB;&#x7EDF;&#x7684;&#x81EA;&#x9002;&#x5E94;&#x673A;&#x5236;&#x7684;&#x80FD;&#x529B;&#x3002;

&#x9002;&#x5E94;&#x5EF6;&#x8FDF;&#x7684;&#x529B;&#x6270;&#x52A8;&#x7684;&#x8FBE;&#x5230;&#x8FD0;&#x52A8;&#x3002;

Adaptation to deterministic force perturbations during reaching movements was extensively studied in the last few decades. Here, we use this methodology to explore the ability of the brain to adapt to a delayed velocity-dependent force field. Two groups of subjects preformed a standard reaching experiment under a velocity dependent force field. The force was either immediately proportional to the current velocity (Control) or lagged it by 50 ms (Test). The results demonstrate clear adaptation to the delayed force perturbations. Deviations from a straight line during catch trials were shifted in time compared to post-adaptation to a non-delayed velocity dependent field (Control), indicating expectation to the delayed force field. Adaptation to force fields is considered to be a process in which the motor system predicts the forces to be expected based on the state that a limb will assume in response to motor commands. This study demonstrates for the first time that the temporal window of this prediction needs not to be fixed. This is relevant to the ability of the adaptive mechanisms to compensate for variability in the transmission of information across the sensory-motor system.

Adaptation to delayed force perturbations in reaching movements.

Adaptation aux perturbations de force d&eacute;terministe lors de mouvements a &eacute;t&eacute; largement &eacute;tudi&eacute;e au cours des derni&egrave;res d&eacute;cennies. Ici, nous utilisons cette m&eacute;thode pour explorer la capacit&eacute; du cerveau &agrave; s&#39;adapter &agrave; un champ de force retard d&eacute;pendant de la vitesse. Deux groupes de sujets pr&eacute;form&eacute; une norme &agrave; atteindre l&#39;exp&eacute;rience sous un champ de force d&eacute;pendant de la vitesse. La force a &eacute;t&eacute; soit imm&eacute;diatement proportionnelle &agrave; la vitesse du courant (contr&ocirc;le) ou il a d&eacute;cal&eacute; de 50 ms (Test). Les r&eacute;sultats d&eacute;montrent clairement d&#39;adaptation aux perturbations vigueur retard&eacute;e. &Eacute;carts par rapport &agrave; une ligne droite au cours des essais de capture ont &eacute;t&eacute; d&eacute;cal&eacute;es dans le temps par rapport &agrave; post-adaptation pour un champ d&eacute;pendant de vitesse non diff&eacute;r&eacute;e (contr&ocirc;le), indiquant l&#39;attente pour le champ de force retard&eacute;. Adaptation pour forcer des champs est consid&eacute;r&eacute; comme un processus dans lequel le syst&egrave;me moteur pr&eacute;dit les forces &agrave; pr&eacute;voir selon l&#39;&Eacute;tat qui suppose une branche en r&eacute;ponse &agrave; des commandes de moteur. Cette &eacute;tude d&eacute;montre pour la premi&egrave;re fois que la fen&ecirc;tre temporelle de cette pr&eacute;diction ne doit ne pas &ecirc;tre fix&eacute;. Cela est pertinent &agrave; la capacit&eacute; des m&eacute;canismes adaptatifs pour compenser la variabilit&eacute; dans la transmission de l&#39;information au sein du syst&egrave;me sensori-moteur.

Adaptation aux perturbations de vigueur retard&eacute;e en atteignant les mouvements.

Anpassung an deterministischen Kraft Perturbationen w&auml;hrend Bewegungen zu erreichen, wurde in den letzten Jahrzehnten ausgiebig studiert. Hier wird diese Methodik verwendet, um die F&auml;higkeit des Gehirns zur Anpassung an eine verz&ouml;gerte geschwindigkeitsabh&auml;ngigen Kraftfeld zu erkunden. Zwei Gruppen von Themen vorgeformt einen Standard Experiment unter einem Geschwindigkeit abh&auml;ngigen Kraftfeld zu erreichen. Die Kraft war entweder direkt proportional zu der Str&ouml;mungsgeschwindigkeit (Control) oder hinkte es 50 ms (Test). Die Ergebnisse zeigen klare Anpassung an die verz&ouml;gerte Kraft Perturbationen. Abweichungen von einer geraden Fang Studien wurden in der Zeit im Vergleich zu Post-adaptation an ein nicht verz&ouml;gert Geschwindigkeit abh&auml;ngigen Feld (Control), angibt, die Erwartung der verz&ouml;gerten Kraftfeld verschoben. Anpassung an die Felder zwingen wird als ein Prozess sein, in dem das Motorsystem, die Kr&auml;fte prognostiziert zu rechnen, basierend auf den Staat, die eine Extremit&auml;t auf motorische Befehle &uuml;bernimmt. Diese Studie zeigt zum ersten Mal das zeitliche Fenster diese Vorhersage nicht repariert werden muss. Dies ist relevant f&uuml;r die F&auml;higkeit der adaptiven Mechanismen zum Ausgleich von Schwankungen bei der &Uuml;bertragung von Informationen im sensorisch-motorischen System.

Anpassung an die verz&ouml;gerte Kraft Perturbationen Bewegungen zu erreichen.

Adattamento alle perturbazioni forza deterministica durante il raggiungimento di movimenti &egrave; stato ampiamente studiato negli ultimi decenni. Qui, usiamo questa metodologia per esplorare la capacit&agrave; del cervello di adattarsi a un campo di forza dipendente dalla velocit&agrave; ritardato. Due gruppi di soggetti preformato standard raggiungendo esperimento sotto un campo di forza dipendente dalla velocit&agrave;. La forza o era immediatamente proporzionale alla velocit&agrave; corrente (controllo) o ritardate del da 50 ms (Test). I risultati dimostrano chiaro adattamento alle perturbazioni della forza ritardata. Le deviazioni da una linea retta, durante le prove di cattura sono state spostate nel tempo rispetto a post-adaptation a un campo dipendente di velocit&agrave; non ritardato (controllo), indicando l&#39;aspettativa per il campo di forza ritardato. Adattamento ai campi della forza &egrave; considerato un processo in cui il sistema motorio predice le forze da aspettarselo basato sullo stato che un arto assume in risposta ai comandi motori. Questo studio dimostra per la prima volta che la finestra temporale di questa previsione non deve essere fissa. Questo &egrave; rilevante per la capacit&agrave; dei meccanismi adattativi per compensare la variabilit&agrave; nella trasmissione di informazioni attraverso il sistema sensoriale-motoria.

Adattamento alle perturbazioni di forza ritardo nel raggiungimento di movimenti.

&#x5230;&#x9054;&#x904B;&#x52D5;&#x4E2D;&#x306B;&#x78BA;&#x5B9A;&#x7684;&#x306A;&#x529B;&#x306E;&#x6442;&#x52D5;&#x3078;&#x306E;&#x9069;&#x5FDC;&#x306F;&#x5E83;&#x304F;&#x6700;&#x5F8C;&#x306E;&#x6570;&#x5341;&#x5E74;&#x3067;&#x8ABF;&#x3079;&#x305F;&#x3002;&#x3053;&#x3053;&#x3067;&#x306F;&#x3001;&#x9045;&#x5EF6;&#x901F;&#x5EA6;&#x306B;&#x4F9D;&#x5B58;&#x3057;&#x305F;&#x529B;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x306B;&#x9069;&#x5FDC;&#x3059;&#x308B;&#x306E;&#x306B;&#x8133;&#x306E;&#x80FD;&#x529B;&#x3092;&#x63A2;&#x7D22;&#x3059;&#x308B;&#x306E;&#x306B;&#x3053;&#x306E;&#x65B9;&#x6CD5;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x307E;&#x3059;&#x3002;2 &#x3064;&#x306E;&#x30B0;&#x30EB;&#x30FC;&#x30D7;&#x306E;&#x88AB;&#x9A13;&#x8005;&#x5B9F;&#x9A13;&#x901F;&#x5EA6;&#x4F9D;&#x5B58;&#x3057;&#x305F;&#x529B;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x306E;&#x4E0B;&#x306B;&#x9054;&#x3059;&#x308B;&#x6A19;&#x6E96;&#x524D;&#x3082;&#x3063;&#x3066;&#x5F62;&#x6210;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;&#x529B;&#x3069;&#x3061;&#x3089;&#x304B;&#x3060;&#x3063;&#x305F;&#x3059;&#x3050;&#x306B;&#x6BD4;&#x4F8B;&#x3059;&#x308B;&#x73FE;&#x5728;&#x306E;&#x901F;&#x5EA6; (&#x30B3;&#x30F3;&#x30C8;&#x30ED;&#x30FC;&#x30EB;) &#x307E;&#x305F;&#x306F; 50 ms (&#x30C6;&#x30B9;&#x30C8;) &#x306B;&#x3088;&#x3063;&#x3066;&#x9045;&#x308C;&#x305F;&#x3002;&#x7D50;&#x679C;&#x306F;&#x3001;&#x9045;&#x5EF6;&#x529B;&#x6442;&#x52D5;&#x3078;&#x306E;&#x660E;&#x78BA;&#x306A;&#x9069;&#x5FDC;&#x3092;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;&#x30AD;&#x30E3;&#x30C3;&#x30C1; &#x30C8;&#x30E9;&#x30A4;&#x30A2;&#x30EB;&#x306E;&#x9593;&#x306B;&#x76F4;&#x7DDA;&#x304B;&#x3089;&#x306E;&#x305A;&#x308C;&#x306F;&#x9045;&#x5EF6;&#x306E;&#x30D5;&#x30A9;&#x30FC;&#x30B9; &#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x3078;&#x306E;&#x671F;&#x5F85;&#x3092;&#x793A;&#x3059;&#x975E;&#x9045;&#x5EF6;&#x901F;&#x5EA6;&#x4F9D;&#x5B58;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9; (&#x30B3;&#x30F3;&#x30C8;&#x30ED;&#x30FC;&#x30EB;) &#x306B; post-adaptation &#x3068;&#x6BD4;&#x8F03;&#x3057;&#x3066;&#x6642;&#x9593;&#x3067;&#x79FB;&#x3063;&#x305F;&#x3002;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x3092;&#x5F37;&#x5236;&#x7684;&#x306B;&#x9069;&#x5FDC;&#x3067;&#x4E88;&#x60F3;&#x3055;&#x308C;&#x308B;&#x529B;&#x306F;&#x624B;&#x8DB3;&#x30E2;&#x30FC;&#x30BF;&#x30FC; &#x30B3;&#x30DE;&#x30F3;&#x30C9;&#x306B;&#x5FDC;&#x7B54;&#x3057;&#x3066;&#x4EEE;&#x5B9A;&#x3057;&#x307E;&#x3059;&#x72B6;&#x614B;&#x306B;&#x57FA;&#x3065;&#x304F;&#x30E2;&#x30FC;&#x30BF;&#x30FC; &#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x3092;&#x4E88;&#x6E2C;&#x3059;&#x308B;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x3068;&#x898B;&#x306A;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x672C;&#x7814;&#x7A76;&#x3067;&#x306F;&#x3001;&#x3053;&#x306E;&#x4E88;&#x6E2C;&#x306E;&#x6642;&#x9593;&#x7A93;&#x306F;&#x306A;&#x3044;&#x56FA;&#x5B9A;&#x3059;&#x308B;&#x5FC5;&#x8981;&#x304C;&#x3042;&#x308B;&#x521D;&#x3081;&#x3066;&#x3092;&#x793A;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x3053;&#x308C;&#x306B;&#x95A2;&#x9023;&#x3059;&#x308B;&#x611F;&#x899A;&#x904B;&#x52D5;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x5168;&#x4F53;&#x3067;&#x306E;&#x60C5;&#x5831;&#x4F1D;&#x9054;&#x306B;&#x304A;&#x3051;&#x308B;&#x3070;&#x3089;&#x3064;&#x304D;&#x88DC;&#x511F;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x9069;&#x5FDC;&#x6A5F;&#x69CB;&#x306E;&#x80FD;&#x529B;&#x3067;&#x3059;&#x3002;

&#x5230;&#x9054;&#x904B;&#x52D5;&#x306B;&#x304A;&#x3051;&#x308B;&#x9045;&#x5EF6;&#x529B;&#x6442;&#x52D5;&#x3078;&#x306E;&#x9069;&#x5FDC;&#x3002;

&#xC6C0;&#xC9C1;&#xC784;&#xC5D0; &#xB3C4;&#xB2EC; &#xD558;&#xB294; &#xB3D9;&#xC548; &#xACB0;&#xC815;&#xC801; &#xD798; &#xBB3C;&#xACB0;&#xC5D0; &#xC801;&#xC751; &#xC9C0;&#xB09C; &#xBA87; &#xC2ED;&#xB144;&#xC5D0; &#xAD11;&#xBC94;&#xC704; &#xD558; &#xAC8C; &#xC5F0;&#xAD6C; &#xD588;&#xB2E4;. &#xC5EC;&#xAE30;&#xC5D0;,&#xC774; &#xBC29;&#xBC95;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC9C0;&#xC5F0;&#xB41C; &#xC18D;&#xB3C4; &#xC885;&#xC18D; &#xD3EC;&#xC2A4; &#xD544;&#xB4DC;&#xC5D0; &#xC801;&#xC751; &#xD558;&#xB294; &#xB450;&#xB1CC;&#xC758; &#xB2A5;&#xB825;&#xC744; &#xD0D0;&#xAD6C; &#xD558;. &#xACFC;&#xBAA9;&#xC758; &#xB450; &#xADF8;&#xB8F9; preformed &#xD45C;&#xC900; &#xC2E4;&#xD5D8; &#xC18D;&#xB3C4; &#xC885;&#xC18D; &#xD3EC;&#xC2A4; &#xD544;&#xB4DC; &#xC544;&#xB798;&#xC5D0; &#xB3C4;&#xB2EC;. &#xD798; &#xD558;&#xB098;&#xB294; &#xBC14;&#xB85C; &#xD604;&#xC7AC; &#xC18D;&#xB3C4; (&#xC81C;&#xC5B4;)&#xC5D0; &#xBE44;&#xB840; 50 ms (&#xD14C;&#xC2A4;&#xD2B8;) &#xD558; &#xC5EC; &#xC9C0;&#xC5F0; &#xB610;&#xB294;. &#xACB0;&#xACFC; &#xBD84;&#xBA85; &#xC801;&#xC751; &#xC9C0;&#xC5F0;&#xB41C; &#xAC15;&#xC81C;&#xB85C; &#xBB3C;&#xACB0;&#xC744; &#xC785;&#xC99D;. Catch &#xC2E4;&#xD5D8; &#xD3B8;&#xCC28; &#xC9C1;&#xC120;&#xC5D0;&#xC11C; &#xC18D;&#xB3C4;-&#xC9C0;&#xC5F0; &#xC885;&#xC18D; &#xD544;&#xB4DC; (&#xCEE8;&#xD2B8;&#xB864;) &#xC9C0;&#xC5F0;&#xB41C; &#xD3EC;&#xC2A4; &#xD544;&#xB4DC;&#xB97C; &#xAE30;&#xB300;&#xB97C; &#xB098;&#xD0C0;&#xB0B4;&#xB294; post-adaptation&#xC5D0; &#xBE44;&#xD574; &#xC2DC;&#xAC04;&#xC5D0; &#xC774;&#xB3D9; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC801;&#xC751; &#xD544;&#xB4DC; &#xAC15;&#xC81C;&#xB85C; &#xD504;&#xB85C;&#xC138;&#xC2A4;&#xB294; &#xBAA8;&#xD130; &#xC2DC;&#xC2A4;&#xD15C; &#xC608;&#xCE21; &#xC608;&#xC0C1; &#xC138;&#xB825; &#xC0AC;&#xC9C0;&#xB294; &#xBAA8;&#xD130; &#xBA85;&#xB839;&#xC5D0; &#xB300; &#xD55C; &#xC751;&#xB2F5;&#xC5D0;&#xC11C;&#xC73C;&#xB85C; &#xAC04;&#xC8FC; &#xD558;&#xB294; &#xC0C1;&#xD0DC;&#xC5D0; &#xB530;&#xB77C; &#xAC04;&#xC8FC; &#xB429;&#xB2C8;&#xB2E4;. &#xC774; &#xC5F0;&#xAD6C;&#xB294; &#xCC98;&#xC74C;&#xC73C;&#xB85C;&#xC774; &#xC608;&#xCE21;&#xC758; &#xC2DC;&#xAC04;&#xC801; &#xCC3D; &#xC218;&#xC815; &#xD574;&#xC57C; &#xD558;&#xC9C0; &#xBCF4;&#xC5EC; &#xC90D;&#xB2C8;&#xB2E4;. &#xC774;&#xAC83;&#xC740; &#xAC10;&#xAC01; &#xC6B4;&#xB3D9; &#xC2DC;&#xC2A4;&#xD15C;&#xC744; &#xD1B5;&#xD574; &#xC815;&#xBCF4;&#xB97C; &#xC804;&#xC1A1;&#xC758; &#xAC00;&#xBCC0;&#xC131;&#xC5D0; &#xB300; &#xD55C; &#xBCF4;&#xC0C1; &#xD558;&#xB294; &#xC801;&#xC751;&#xD615; &#xBA54;&#xCEE4;&#xB2C8;&#xC998;&#xC758; &#xAE30;&#xB2A5;&#xC744; &#xAD00;&#xB828;.

&#xC6C0;&#xC9C1;&#xC784;&#xC5D0; &#xB3C4;&#xB2EC;&#xC5D0; &#xC788;&#xB294; &#xC9C0;&#xC5F0;&#xB41C; &#xAC15;&#xC81C;&#xB85C; &#xBB3C;&#xACB0;&#xC5D0; &#xC801;&#xC751;&#xC785;&#xB2C8;&#xB2E4;.

Adaptaci&oacute;n a las perturbaciones determinista fuerza durante llegar a movimientos fue estudiado en las &uacute;ltimas d&eacute;cadas. Aqu&iacute;, utilizamos esta metodolog&iacute;a para explorar la capacidad del cerebro para adaptarse a un campo de fuerza velocidad dependiente retrasado. Dos grupos de sujetos hab&iacute;an preformada un est&aacute;ndar alcanzando el experimento en un campo de fuerza dependiente de velocidad. La fuerza era inmediatamente proporcional a la velocidad de la corriente (Control) o se lo retras&oacute; por 50 ms (prueba). Los resultados demuestran clara adaptaci&oacute;n a las perturbaciones del retraso de la fuerza. Las desviaciones de una l&iacute;nea recta durante ensayos de captura fueron cambiados de puesto en tiempo comparado con post-adaptation a un campo dependiente de la velocidad sin retardo (Control), indicando expectativa para el campo de fuerza retrasado. Adaptaci&oacute;n a campos de fuerza se considera un proceso en el que el sistema motor predice que las fuerzas de esperarse basan en el estado que asumir&aacute; una extremidad en respuesta a los comandos de motores. Este estudio demuestra por primera vez que la ventana temporal de esta predicci&oacute;n no deba ser fijado. Esto es relevante para la capacidad de los mecanismos adaptativos para compensar la variabilidad en la transmisi&oacute;n de informaci&oacute;n a trav&eacute;s del sistema.

Adaptaci&oacute;n a las perturbaciones de fuerza retraso en llegar a movimientos.

&#x65B0;&#x7684;&#x89E6;&#x89C9;&#x9519;&#x89C9;&#x662F;&#x6240;&#x8FF0;&#xFF0C;&#x5728;&#x5176;&#x4E2D;&#x79FB;&#x52A8;&#x5BF9;&#x8C61;&#x7684;&#x4F4D;&#x7F6E;&#x4F1A;&#x5F71;&#x54CD;&#x5176;&#x521A;&#x5EA6;&#x7684;&#x770B;&#x6CD5;&#x3002;&#x6709;&#x80A2;&#x4F53;&#x65B9;&#x4F4D;&#x611F;&#x7ED3;&#x679C;&#x4ECE;&#x5927;&#x8111;&#x4E0E;&#x4ECE;&#x5148;&#x524D;&#x7684;&#x7ECF;&#x9A8C;&#x800C;&#x4EA7;&#x751F;&#x7684;&#x671F;&#x671B;&#x76F8;&#x7ED3;&#x5408;&#x6B63;&#x5728;&#x8FDB;&#x884C;&#x7684;&#x611F;&#x5B98;&#x4FE1;&#x606F;&#x7684;&#x6982;&#x5FF5;&#x7406;&#x8BBA;&#x548C;&#x5B9E;&#x9A8C;&#x652F;&#x6301;&#x3002;&#x6B64;&#x6982;&#x7387;&#x72B6;&#x6001;&#x4FE1;&#x606F;&#x5982;&#x4F55;&#x5F71;&#x54CD;&#x4E00;&#x4E2A;&#x4EBA;&#x7684;&#x89E6;&#x89C9;&#x611F;&#x77E5;&#x73AF;&#x5883;&#x529B;&#x5B66;&#x7684;&#xFF1F;&#x5728;&#x7B80;&#x5355;&#x7684;&#x4F30;&#x7B97;&#x8FC7;&#x7A0B;&#x4E2D;&#xFF0C;&#x4EBA;&#x7C7B;&#x53D7;&#x8BD5;&#x8005;&#x88AB;&#x8981;&#x6C42;&#x62A5;&#x544A;&#x76F8;&#x5BF9;&#x521A;&#x5EA6;&#x7684;&#x4E24;&#x4E2A;&#x6A21;&#x62DF;&#x865A;&#x62DF;&#x5BF9;&#x8C61;&#x3002;&#x5176;&#x4E2D;&#x4E00;&#x4E2A;&#x5BF9;&#x8C61;&#x4ECD;&#x56FA;&#x5B9A;&#x5728;&#x7A7A;&#x95F4;&#x4E2D;&#x548C;&#x4E86;&#x5404;&#x79CD;&#x7CFB;&#x6570;&#x7684;&#x521A;&#x5EA6;&#x3002;&#x5176;&#x4ED6;&#x865A;&#x62DF;&#x5BF9;&#x8C61;&#x4E86;&#x5E38;&#x521A;&#x5EA6;&#xFF0C;&#x4F46;&#x52A8;&#x8BAE;&#x7684;&#x4E3B;&#x4F53;&#x3002;&#x65E9;&#x4E9B;&#x65F6;&#x5019;&#x7684;&#x5DE5;&#x4F5C;&#x5EFA;&#x8BAE;&#x5BF9;&#x5BF9;&#x8C61;&#x7684;&#x521A;&#x6027;&#x7684;&#x770B;&#x6CD5;&#x662F;&#x4E00;&#x81F4;&#x7684;&#x4E0E;&#x4E4B;&#x95F4;&#x7684;&#x63A5;&#x89E6;&#x538B;&#x529B;&#x548C;&#x5BDF;&#x89C9;&#x5230;&#x7684;&#x5BF9;&#x8C61;&#x7684;&#x8FB9;&#x754C;&#x5185;&#x7684;&#x6E17;&#x900F;&#x91CF;&#x56DE;&#x5F52;&#x7684;&#x8FDB;&#x7A0B;&#x3002;&#x4E3B;&#x9898;&#x88AB;&#x6E17;&#x900F;&#x91CF;&#x53D7;&#x5230;&#x4E0D;&#x540C;&#x5BF9;&#x8C61;&#x7684;&#x4F4D;&#x7F6E;&#x3002;&#x8FD9;&#xFF0C;&#x53CD;&#x8FC7;&#x6765;&#xFF0C;&#x5DF2;&#x611F;&#x77E5;&#x521A;&#x5EA6;&#x7684;&#x8054;&#x7CFB;&#x4EBA;&#x53EF;&#x4EE5;&#x9884;&#x89C1;&#x7684;&#x5F71;&#x54CD;&#x3002;&#x5BF9;&#x8C61;&#x7684;&#x76F8;&#x5BF9;&#x521A;&#x6027;&#x7684;&#x79D1;&#x76EE;&#x7684;&#x62A5;&#x544A;&#x662F;&#x6700;&#x597D;&#x5360;&#x7684;&#x6982;&#x7387;&#x6A21;&#x578B;&#x7684;&#x4F30;&#x8BA1;&#x7684;&#x611F;&#x77E5;&#x7684;&#x5BF9;&#x8C61;&#x7684;&#x8FB9;&#x754C;&#x57FA;&#x4E8E;&#x5176;&#x5F53;&#x524D;&#x7684;&#x4F4D;&#x7F6E;&#x548C;&#x8FC7;&#x53BB;&#x7684;&#x610F;&#x89C1;&#x3002;&#x56E0;&#x6B64;&#xFF0C;&#x5BF9;&#x63A5;&#x89E6;&#x521A;&#x5EA6;&#x7684;&#x770B;&#x6CD5;&#x88AB;&#x5360;&#x4E86;&#x968F;&#x673A;&#x8FC7;&#x7A0B;&#x7684;&#x72B6;&#x6001;&#x4F30;&#x8BA1;&#x57FA;&#x7840;&#x672C;&#x4F53;&#x672C;&#x5730;&#x5316;&#x7684;&#x624B;&#x3002;

&#x5982;&#x4F55;&#x8F6F;&#x662F;&#x8FD9;&#x6795;&#x5934;&#xFF1F;&#x611F;&#x6027;&#x672C;&#x5730;&#x5316;&#x7684;&#x624B;&#x548C;&#x89E6;&#x89C9;&#x7684;&#x63A5;&#x89E6;&#x521A;&#x5EA6;&#x7684;&#x8BC4;&#x4F30;&#x3002;

A new haptic illusion is described, in which the location of the mobile object affects the perception of its rigidity. There is theoretical and experimental support for the notion that limb position sense results from the brain combining ongoing sensory information with expectations arising from prior experience. How does this probabilistic state information affect one's tactile perception of the environment mechanics? In a simple estimation process, human subjects were asked to report the relative rigidity of two simulated virtual objects. One of the objects remained fixed in space and had various coefficients of stiffness. The other virtual object had constant stiffness but moved with respect to the subjects. Earlier work suggested that the perception of an object's rigidity is consistent with a process of regression between the contact force and the perceived amount of penetration inside the object's boundary. The amount of penetration perceived by the subject was affected by varying the position of the object. This, in turn, had a predictable effect on the perceived rigidity of the contact. Subjects' reports on the relative rigidity of the object are best accounted for by a probabilistic model in which the perceived boundary of the object is estimated based on its current location and on past observations. Therefore, the perception of contact rigidity is accounted for by a stochastic process of state estimation underlying proprioceptive localization of the hand.

How soft is that pillow? The perceptual localization of the hand and the haptic assessment of contact rigidity.

Une nouvelle illusion haptique est d&eacute;crite, dans laquelle l&#39;emplacement de l&#39;objet mobile affecte la perception de sa rigidit&eacute;. Il y a un soutien th&eacute;orique et exp&eacute;rimental pour l&#39;id&eacute;e que les sens de position de membre r&eacute;sulte de cerveau combinant l&#39;information sensorielle en cours avec les attentes d&eacute;coulant de l&#39;exp&eacute;rience ant&eacute;rieure. Comment ces informations d&#39;&Eacute;tat probabiliste affecte sa perception tactile de la m&eacute;canique de l&#39;environnement ? Dans un processus d&#39;estimation simple, les sujets humains ont &eacute;t&eacute; pri&eacute;s de rendre la rigidit&eacute; relative de deux objets virtuels simul&eacute;s. Un des objets est rest&eacute; fixe dans l&#39;espace et a divers coefficients de rigidit&eacute;. L&#39;autre objet virtuel avait une rigidit&eacute; constante mais d&eacute;plac&eacute; en ce qui concerne les sujets. Travaux ant&eacute;rieurs a sugg&eacute;r&eacute; que la perception de la rigidit&eacute; de l&#39;objet est conforme &agrave; un processus de r&eacute;gression entre la force de contact ainsi que le montant per&ccedil;u de p&eacute;n&eacute;trer &agrave; l&#39;int&eacute;rieur de la limite de l&#39;objet. Le montant de p&eacute;n&eacute;tration per&ccedil;u par le sujet a &eacute;t&eacute; affect&eacute; en variant la position de l&#39;objet. Ceci, &agrave; son tour, avait un effet pr&eacute;visible sur l&#39;apparente rigidit&eacute; du contact. Sont les meilleurs rapports de sujets sur la rigidit&eacute; relative de l&#39;objet repr&eacute;sent&eacute; par un mod&egrave;le probabiliste dans lequel la limite apparente de l&#39;objet est estim&eacute;e, bas&eacute; sur son emplacement actuel et sur les observations pass&eacute;es. Par cons&eacute;quent, la perception du contact rigidit&eacute; s&#39;explique par un processus stochastique de l&#39;estimation de l&#39;&Eacute;tat qui sous-tendent la localisation proprioceptif de la main.

Combien douce est l&#39;oreiller ? La localisation perceptuelle de la main et de l&#39;&eacute;valuation haptique de rigidit&eacute; en contact.

Eine neue haptische Illusion wird beschrieben, in dem die Position des Objekts mobile beeinflusst die Wahrnehmung seiner Starrheit. Es gibt theoretische und experimentelle Unterst&uuml;tzung f&uuml;r die Vorstellung, dass Ergebnisse von Gliedma&szlig;en Stellung Sinn aus dem Gehirn laufende sensorische Informationen mit Erwartungen, die durch fr&uuml;here Erfahrungen kombiniert. Wie wirkt diese probabilistische Zustandsinformationen taktile Wahrnehmung der Umwelt-Mechanik? In einem Prozess einfache Sch&auml;tzung wurden Versuchspersonen gebeten, die relative Steifigkeit der zwei simulierte virtuelle Objekte zu melden. Eines der Objekte im Raum feste blieb und hatte verschiedene Koeffizienten der Steifigkeit. Das andere virtuelle Objekt hatte Konstante Steifigkeit, aber in Bezug auf die Themen verschoben. Fr&uuml;here Arbeit vorgeschlagen, dass die Wahrnehmung eines Objekts Steifigkeit eines Prozesses der Regression zwischen die Anpresskraft und die wahrgenommene H&ouml;he der Penetration innerhalb des Objekts Grenze entspricht. Die H&ouml;he der Durchdringung durch das Subjekt wahrgenommen wurde durch Variation der Position des Objekts beeinflusst. Dies hatte wiederum eine vorhersagbare Wirkung auf die wahrgenommene Steifigkeit des Kontakts. Untertanen Berichte &uuml;ber die relativen Steifigkeit des Objekts sind am besten durch ein probabilistische Modell, in dem die wahrgenommene Grenze des Objekts wird gesch&auml;tzt, basierend auf seiner aktuellen Position und letzten Beobachtungen machte. Daher wird die Wahrnehmung der Kontakt Steifigkeit durch einen stochastischen Prozess der staatlichen Sch&auml;tzung zugrunde liegenden propriozeptive Lokalisierung der Hand bilanziert.

Amir Karniel

Biomedical Engineering

Ben-Gurion University

One Dimensional Turing-Like Handshake Test for Motor Intelligence

Amir Karniel

.css-o250i3{font-size:18px;font-family:Open Sans,sans-serif;line-height:21.6px;}Biomedical Engineering

Ben-Gurion University

One Dimensional Turing-Like Handshake Test for Motor Intelligence

Biomedical Engineering