Artykuł metodologiczny

WheelCon: platforma do gier oparta na sterowaniu kierownicą do badania kontroli sensomotorycznej człowieka

DOI:

10.3791/61092

⸱

15 sierpnia 2020

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Biomedical Engineering, Southern University of Science and Technology, 2Division of Engineering and Applied Science, California Institute of Technology, 3Neuroscience Center, Huntington Medical Research Institutes

W tym artykule

Podsumowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

WheelCon to nowatorska, darmowa platforma o otwartym kodzie źródłowym do projektowania gier wideo, która nieinwazyjnie symuluje jazdę na rowerze górskim po stromym, krętym i wyboistym szlaku. Zawiera komponenty obecne w kontroli sensomotorycznej człowieka (opóźnienie, kwantyzacja, szum, zakłócenia i wielokrotne pętle sprzężenia zwrotnego) i pozwala naukowcom badać warstwową architekturę w kontroli sensomotorycznej.

Streszczenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Teoria kontroli sprzężenia zwrotnego została szeroko zaimplementowana do teoretycznego modelowania kontroli sensomotorycznej człowieka. Jednak platformy eksperymentalne zdolne do manipulowania ważnymi komponentami wielu pętli sprzężenia zwrotnego nie są rozwijane. W tym artykule opisano WheelCon, platformę open source, której celem jest rozwiązanie takich problemów. Korzystając tylko z komputera, standardowego wyświetlacza i niedrogiej kierownicy do gier wyposażonej w silnik z siłowym sprzężeniem zwrotnym, WheelCon bezpiecznie symuluje kanoniczne zadanie sensomotoryczne, jakim jest jazda na rowerze górskim po stromym, krętym, wyboistym szlaku. Platforma zapewnia elastyczność, co zostanie zademonstrowane w dostarczonych demonstracjach, dzięki czemu badacze mogą manipulować zakłóceniami, opóźnieniami i kwantyzacją (szybkością danych) w warstwowych pętlach sprzężenia zwrotnego, w tym w zaawansowanej warstwie planu wysokiego poziomu i warstwie opóźnionego odruchu niskiego poziomu. W tym artykule ilustrujemy graficzny interfejs użytkownika (GUI) WheelCon, dane wejściowe i wyjściowe istniejących wersji demonstracyjnych oraz sposób projektowania nowych gier. Ponadto prezentujemy podstawowy model sprzężenia zwrotnego oraz wyniki eksperymentalne z gier demonstracyjnych, które dobrze pokrywają się z przewidywaniami modelu. Platformę WheelCon można pobrać pod adresem https://github.com/Doyle-Lab/WheelCon. Krótko mówiąc, platforma jest tania, prosta w użyciu i elastyczna w programowaniu dla skutecznych badań neurobiologicznych sensomotorycznych i edukacji w zakresie inżynierii sterowania.

Wprowadzenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

System kontroli sensomotorycznej człowieka jest niezwykle wytrzymały1, chociaż wykrywanie jest rozproszone, zmienne, rzadkie, skwantowane, hałaśliwe i opóźnione2,3,4; obliczenia w ośrodkowym układzie nerwowym są powolne5,6,7; a mięśnie aktywują zmęczenie i saturates8. Zaproponowano wiele obliczeniowych modeli teoretycznych w celu wyjaśnienia skomplikowanego procesu kontroli sensomotorycznej u człowieka4,9,10,11,12,13,14, który jest procesem kompromisu w zasięgu i odpowiedzi człowieka15,16. Na przykład, teoria kontroli sprzężenia zwrotnego przewiduje optymalną politykę kontroli12, teoria Bayesa modeluje uczenie sensomotoryczne17,18,19 oraz teoria informacji sensimotor foundation20,21. W przeciwieństwie do obfitości modeli teoretycznych, platformy eksperymentalne zdolne do manipulowania ważnymi komponentami wielu pętli sprzężenia zwrotnego nie są rozwinięte. Wynika to po części z faktu, że zaprojektowanie platformy łączącej i testującej te aspekty kontroli sensomotorycznej wymaga zróżnicowanego zakresu wiedzy specjalistycznej, począwszy od teorii sterowania motorycznego, przetwarzania sygnałów i interakcji, aż po grafikę komputerową i programowanie. Naukowcy często opracowują własne, niestandardowe systemy sprzętowe/programowe, aby scharakteryzować wydajność kontroli sensomotorycznej człowieka, co może ograniczać możliwość porównywania/kontrastowania i integrowania zestawów danych w różnych grupach badawczych. Opracowanie łatwego w użyciu i zwalidowanego systemu może poszerzyć ilościową charakterystykę kontroli sensomotorycznej.

W tym artykule prezentujemy platformę WheelCon, nowatorską, darmową i open-source'ową platformę do projektowania gier wideo dla wirtualnego środowiska, która nieinwazyjnie symuluje grę w osiąganie prawa Fittsa i zadanie na rowerze górskim ze zjazdem stromego, krętego i wyboistego szlaku. Prawo Fittsa dotyczące zadania dotarcia określa ilościowo kompromis między szybkością a dokładnością, w którym czas wymagany do osiągnięcia celu o szerokości na odległość skaluje się jako22,23. "Zadanie na rowerze górskim" to połączenie zadania pościgu i kompensacyjnego śledzenia, które są dwoma klasycznymi elementami badań nad wydajnością sensomotoryczną człowieka, zwłaszcza w zakresie badania pętli sprzężenia zwrotnego.

WheelCon zawiera bardzo pożądane podstawowe komponenty prezentowane w każdej teorii: opóźnienie, kwantyzację, szum, zakłócenia i wiele pętli sprzężenia zwrotnego. Jest to potencjalne narzędzie do badania następujących różnorodnych zagadnień dotyczących kontroli sensomotorycznej człowieka:

• Jak ludzki system sensomotoryczny radzi sobie z opóźnieniem i kwantyzacją sygnalizacji neuronalnej, która jest zasadniczo ograniczona przez ograniczone zasoby (takie jak przestrzeń i koszty metaboliczne) w mózgu24,25;
• Jak korelacja neuronalna w korze mózgowej człowieka z kontrolą sensomotoryczną26;
• Jak ludzie radzą sobie z nieprzewidywalnymi, zewnętrznymi zaburzeniami kontroli sensomotorycznej27;
• Jak hierarchiczne pętle sterowania nakładają się warstwowo i integrują w ludzkim systemie sensomotorycznym16,28,29;
• Konsekwencje opóźnienia i kwantyzacji w ludzkim wizualnym sprzężeniu zwrotnym30 i odruchowym sprzężeniu zwrotnym31 w kontroli sensomotorycznej;
• Optymalna polityka i strategia uczenia się sensomotorycznego w warunkach opóźnienia i kwantyzacji16,17,24,29.

WheelCon integruje się z kierownicą i może symulować warunki gry, które manipulują zmiennymi w tych pytaniach, takimi jak opóźnienie sygnalizacji, kwantyzacja, szum i zakłócenia, jednocześnie rejestrując zasady kontroli dynamicznej i błędy systemu. Pozwala to również naukowcom badać wielowarstwową architekturę w kontroli sensomotorycznej. W przykładzie jazdy na rowerze górskim w tym zadaniu zaangażowane są dwie warstwy kontrolne: plan wysokowarstwowy i refleks niskowarstwowy. W przypadku widocznych zakłóceń (np. szlaku) planujemy przed ich nadejściem. W przypadku zakłóceń nieznanych z góry (tj. małych guzków) kontrola opiera się na opóźnionych odruchach. Teoria kontroli sprzężenia zwrotnego zakłada, że efektywne architektury warstwowe mogą integrować cele, plany, decyzje wyższych warstw z wykrywaniem, refleksem i działaniem niższych warstw24. WheelCon dostarcza eksperymentalnych narzędzi do wywoływania charakterystycznych zakłóceń w warstwach planu i refleksu oddzielnie do testowania takiej warstwowej architektury (Rysunek 1).

Oferujemy tanią, łatwą w użyciu i elastyczną w programowaniu platformę, WheelCon, która wypełnia lukę między teoretycznymi i eksperymentalnymi badaniami nad neuronauką. Mówiąc konkretnie, może być używany do badania skutków opóźnień, kwantyzacji, zakłóceń, potencjalnie kompromisów między prędkością a dokładnością. Zmienne, którymi można manipulować w pętlach sterowania, przedstawiono w tabeli 1. Może być również stosowany do badania zdolności podejmowania decyzji i multipleksowania w różnych warstwach kontroli w kontroli sensomotorycznej człowieka. Co więcej, WheelCon jest kompatybilny z nieinwazyjnymi zapisami neuronalnymi, takimi jak elektroencefalografia (EEG), do pomiaru odpowiedzi neuronalnej podczas kontroli sensomotorycznej32,33,34,35, oraz nieinwazyjnymi technikami stymulacji mózgu, takimi jak przezczaszkowa stymulacja elektryczna (tES) i przezczaszkowa stymulacja magnetyczna (TMS), w celu manipulowania aktywnością neuronalną36,37.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Rozwój i zastosowanie protokołu zostały zatwierdzone przez California Institute of Technology Institutional Review Board (IRB) oraz Southern University of Science and Technology IRB. Pacjent wyraził świadomą zgodę przed wykonaniem jakichkolwiek zabiegów.

1. Przygotowanie i konfiguracja systemu

  1. Zalecany podstawowy sprzęt to dwurdzeniowy procesor 2 GHz i 4 GB pamięci systemowej.
  2. Zbuduj platformę do gier na platformie Unity, korzystając z języka programowania C#. Sterownik kierownicy do gier firmy Logitech i zestaw SDK kierownicy firmy Logitech są potrzebne do tworzenia platform do gier.
  3. Pliki wykonywalne platformy do gier obsługują tylko system operacyjny Windows 10. Dlatego na komputerze z systemem Windows 10 pobierz i zainstaluj odpowiedni sterownik kierownicy wyścigowej. Następnie pobierz skompresowane oprogramowanie WheelCon (https://github.com/Doyle-Lab/WheelCon/archive/master.zip) i rozpakuj pliki na lokalny dysk twardy.
  4. Zamontuj kierownicę wyścigową bezpiecznie na poziomie siedzenia przed monitorem, a następnie podłącz USB kierownicy do komputera, a zasilacz do gniazdka.
  5. Uruchom graficzny interfejs użytkownika sterownika, aby sprawdzić, czy odczyt danych wejściowych jest prawidłowy i wymuszone sprzężenie zwrotne. Co ważne, podczas testu graficzny interfejs użytkownika sterownika powinien działać w tle.
  6. Aby uruchomić program, kliknij dwukrotnie na WheelCon.exe w katalogu '\WheelCon-master\Executable & Output Files\".
  7. Na ekranie konfiguracji wybierz ustawienia monitora i kliknij Graj! (Rysunek 2a). Pojawi się menu główne. Upewnij się, że rozmiar i lokalizacja wyświetlacza są zgodne ze specyfikacją.
    UWAGA: Wartość "Czułość koła", określająca szybkość kursora, mieści się w zakresie od 0 do 1, a domyślnie wynosi 0,5. W przypadku, gdy zakres ruchu zapewniany przez kierownicę wyścigową nie odpowiada określonym parametrom zadania, dostosuj tę wartość. Na przykład zmniejsz wrażliwość dla starzejącej się populacji. Jednak w celu porównania zadań konieczne jest utrzymanie tej wartości na stałym poziomie dla baterii i dla wszystkich grup.

2. Realizacja zadania

  1. Prawo Fittsa sięgające gry
    UWAGA: Gra w sięganie zgodnie z prawem Fittsa symuluje proces docierania. Osoba badana musi obrócić koło, aby umieścić pionową linię w żądanym obszarze (Rysunek 2d).
    1. Posadź fotografowaną osobę wygodnie za kierownicą. W razie potrzeby wyreguluj wysokość koła.
    2. W menu głównym kliknij Fitts' Law Task (Rysunek 2b) i wpisz nazwę pliku wyjściowego wskazującą identyfikację tematu i informacje o zadaniu w polu tekstowym.
    3. Kliknij na Select File, wybierz Law.txt Fitta w katalogu '\WheelCon-master\ Demo Input Files\', a następnie kliknij Rozpocznij grę.
    4. Poinstruuj badaną, aby przesunęła zieloną pionową linię za pomocą koła, aby umieścić ją w szarej strefie. Zadanie to służy zapoznaniu osoby badanej z manewrowaniem kołem, a także z konwencją kolorystyczną używaną podczas różnych zadań.
  2. Zadania na rowerze górskim
    UWAGA: Zadanie na rowerze górskim to połączenie pościgu i kompensacyjnego zadania śledzenia. Symuluje jazdę rowerem górskim po stromym, krętym i wyboistym szlaku. Badany może zobaczyć ślad i obrócić koło, aby go śledzić, podczas gdy silnik może dokręcić koło, aby naśladować niewidoczne nierówności w próbie (Rysunek 2e).
    1. Gra 1: Testowanie efektu opóźnienia wizualnego
      UWAGA: W tej grze długość okna oczekiwania (zaawansowane ostrzeżenie vs. opóźnienie) jest manipulowana.
      1. W menu głównym kliknij pozycję Mountain Bike Task (Zadanie roweru górskiego) (Rysunek 2c) i wpisz nazwę pliku wyjściowego wskazującą identyfikację tematu i informacje o zadaniu w polu tekstowym.
      2. Kliknij na Select File, wybierz Vision_Delay.txt w katalogu '\WheelCon-master\ Demo Input Files\', a następnie kliknij na Rozpocznij grę.
      3. Poinstruuj osobę, aby przesunęła zieloną pionową linię za pomocą koła, aby śledzić część szarego szlaku, która przecina fioletową poziomą linię.
    2. Gra 2: Testowanie efektu opóźnienia akcji
      UWAGA: W tej grze dodawane jest opóźnienie o różnej długości między ruchem koła a wyjściem akcji.
      1. W menu głównym kliknij Zadanie roweru górskiego i wpisz nazwę pliku wyjściowego wskazującego identyfikację tematu i informacje o zadaniu w polu tekstowym.
      2. Kliknij na Select File, wybierz Action_Delay.txt w katalogu '\WheelCon-master\ Demo Input Files\', a następnie kliknij Rozpocznij grę.
      3. Poinstruuj osobę, aby przesunęła zieloną pionową linię za pomocą koła, aby śledzić część szarego szlaku, która przecina fioletową poziomą linię.
    3. Gra 3: Testowanie efektu kwantyzacji wizualnej
      UWAGA: W tej grze dane wejściowe wizualne są kwantyzowane, aby ograniczyć szybkość transmisji danych.
      1. W menu głównym kliknij Zadanie roweru górskiego i wpisz nazwę pliku wyjściowego wskazującego identyfikację tematu i informacje o zadaniu w polu tekstowym.
      2. Kliknij na Select File, wybierz Vision Quantization.txt w katalogu '\WheelCon-master\ Demo Input Files\', a następnie kliknij Rozpocznij grę.
      3. Poinstruuj osobę, aby przesunęła zieloną pionową linię za pomocą koła, aby śledzić część szarego szlaku, która przecina fioletową poziomą linię.
    4. Gra 4: Testowanie efektu kwantyzacji działania
      UWAGA: W tej grze dane wyjściowe akcji są kwantyzowane, aby ograniczyć szybkość transmisji danych.
      1. W menu głównym kliknij Zadanie roweru górskiego i wpisz nazwę pliku wyjściowego wskazującego identyfikację tematu i informacje o zadaniu w polu tekstowym.
      2. Kliknij na Select File, wybierz Action Quantization.txt w katalogu '\WheelCon-master\ Demo Input Files\', a następnie kliknij Rozpocznij grę.
      3. Poinstruuj osobę, aby przesunęła zieloną pionową linię za pomocą koła, aby śledzić część szarego szlaku, która przecina fioletową poziomą linię.
    5. Gra 5: Testowanie wpływu zakłóceń na wybojach i szlakach
      UWAGA: To zadanie składa się z trzech scenariuszy:
      a) "Bumps", śledzenie stałego obiektu szlaku pomimo zakłóceń momentu obrotowego na kole, które naśladują uderzanie w nierówności podczas jazdy na rowerze górskim;
      b) "Szlak", śledzenie ruchomego szlaku z losowymi zakrętami, ale bez wybojów;
      c) "Trail with Bumps", śledzenie ruchomego szlaku z losowymi zakrętami i wybojami.
      1. W menu głównym kliknij Zadanie roweru górskiego i wpisz nazwę pliku wyjściowego wskazującego identyfikację tematu i informacje o zadaniu w polu tekstowym.
      2. Kliknij na Select File, wybierz Bump & Trail.txt w katalogu '\WheelCon-master\ Demo Input Files\', a następnie kliknij Rozpocznij grę.
      3. Poinstruuj osobę, aby przesunęła zieloną pionową linię za pomocą koła, aby śledzić część szarego szlaku, która przecina fioletową poziomą linię.

3. Wyjście danych

  1. Zlokalizuj plik wyjściowy TXT w katalogu '\WheelCon-master\Executable & Output Files\MountainBikeData\', a następnie otwórz za pomocą Matlab' WheelCon Data Analysis Code.m' w katalogu '\WheelCon-master\Source Code'.
  2. Określ w skrypcie MATLAB folder i file_names zmiennych zgodnie z katalogiem pliku wyjściowego, a następnie uruchom skrypt (Ctrl + Enter), a zmienne wyjściowe zostaną zapisane jako wektory kolumn w obszarze roboczym. Zasady błędów i kontroli będą eksportowane dla każdego czasu próbkowania. Szczegółowy opis znajduje się w tabeli 2.

4. Opracowanie pliku wejściowego

  1. Otwórz plik 'WheelCon Mntn Bike Trail Design Code.m' w katalogu '\WheelCon-master\Source Code\".
  2. Odkomentuj (Ctrl + T) sekcję żądanych parametrów gry i uruchom skrypt (Ctrl + Enter). Plik wejściowy zostanie zapisany w katalogu '\WheelCon-master\Source Code\' w .txt formacie. Każda kolumna w plikach wejściowych jest jedną zmienną sterującą. Wykaz zmiennych sterujących znajduje się w tabeli 1.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Modelowanie kontroli sprzężenia zwrotnego

Pokazujemy uproszczony model kontroli sprzężenia zwrotnego pokazany w Rysunek 1. Dynamika systemu jest określona wzorem:

figure-results-1

gdzie x(t) to błąd w czasie t, r(t) to zakłócenie szlaku w(t), to zakłócenie ...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

W tym artykule przedstawiliśmy darmową platformę do gier o otwartym kodzie źródłowym, WheelCon, do badania skutków opóźnień, kwantyzacji, zakłóceń i warstwowych pętli sprzężenia zwrotnego w ludzkiej kontroli sensomotorycznej. Pokazaliśmy sprzęt, oprogramowanie i graficzny interfejs użytkownika. Zaimplementowano ustawienia pojedynczej pętli sterowania sensomotorycznego z opóźnieniem i kwantyzacją, co pozwala nam mierzyć efekty opóźnienia, kwantyzacji i zaburzeń w kontroli sensomotorycznej. Wyniki eksperymentu są zgodne z ...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy ujawniają, że nie mają konfliktu interesów.

Podziękowania

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dziękujemy Panu Zhengyang Wang za przeredagowanie scenariuszy, nakręcenie i montaż filmu, oraz Panu Ziyuan Ye za montaż filmu. Badanie to otrzymało wsparcie od CIT Endowment & National Science Foundation (do JCD), stypendium Boswell (do QL) i High-level University Fund (nr G02386301, G02386401), Guangdong Natural Science Foundation Joint Fund (nr 2019A1515111038).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Kierownica do gierLogitech
, Windows 10, System operacyjnyMicrosoft
:

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Franklin, D. W., Wolpert, D. M. Computational Mechanisms of Sensorimotor Control. Neuron. 72 (3), 425-442 (2011).
  2. Bays, P. M., Wolpert, D. M. Computational principles of sensorimotor control that minimize uncertainty and variability. The Journal of Physiology. 578 (2), 387-396 (2007).
  3. Desmurget, M., Grafton, S. Forward modeling allows feedback control for fast reaching movements. Trends in Cognitive Sciences. 4 (11), 423-431 (2000).
  4. Sanger, T. D., Merzenich, M. M. Computational Model of the Role of Sensory Disorganization in Focal Task-Specific Dystonia. Journal of Neurophysiology. 84 (5), 2458-2464 (2000).
  5. Mohler, H., Okada, T. Benzodiazepine receptor: demonstration in the central nervous system. Science. 198 (4319), 849-851 (1977).
  6. Muller, L., Chavane, F., Reynolds, J., Sejnowski, T. J. Cortical travelling waves: mechanisms and computational principles. Nature Reviews Neuroscience. 19 (5), 255-268 (2018).
  7. Zhang, H., Watrous, A. J., Patel, A., Jacobs, J. Theta and Alpha Oscillations Are Traveling Waves in the Human Neocortex. Neuron. 98 (6), 1269-1281 (2018).
  8. Blinks, J. R., Rüdel, R., Taylor, S. R. Calcium transients in isolated amphibian skeletal muscle fibres: detection with aequorin. The Journal of Physiology. 277 (1), 291-323 (1978).
  9. Gallivan, J. P., Chapman, C. S., Wolpert, D. M., Flanagan, J. R. Decision-making in sensorimotor control. Nature Reviews Neuroscience. 19 (9), 519-534 (2018).
  10. Sanger, T. D. Basic and Translational Neuroscience of Childhood-Onset Dystonia: A Control-Theory Perspective. Annual Review of Neuroscience. 41 (1), 41-59 (2018).
  11. Todorov, E. Optimality principles in sensorimotor control. Nature Neuroscience. 7 (9), 907-915 (2004).
  12. Todorov, E., Jordan, M. I. Optimal feedback control as a theory of motor coordination. Nature Neuroscience. 5 (11), 1226-1235 (2002).
  13. Wolpert, D. M., Flanagan, J. R. Computations underlying sensorimotor learning. Current Opinion in Neurobiology. 37, 7-11 (2016).
  14. Kiper, P., et al. Computational models and motor learning paradigms: Could they provide insights for neuroplasticity after stroke? An overview. Journal of the Neurological Sciences. 369, 141-148 (2016).
  15. Cluff, T., Crevecoeur, F., Scott, S. H. Tradeoffs in optimal control capture patterns of human sensorimotor control and adaptation. bioRxiv. , 730713(2019).
  16. Nakahira, Y., Liu, Q., Bernat, N., Sejnowski, T., Doyle, J. Theoretical foundations for layered architectures and speed-accuracy tradeoffs in sensorimotor control. 2019 American Control Conference (ACC). , 809-814 (2019).
  17. Körding, K. P., Wolpert, D. M. Bayesian integration in sensorimotor learning. Nature. 427 (6971), 244-247 (2004).
  18. Chambers, C., Sokhey, T., Gaebler-Spira, D., Kording, K. P. The development of Bayesian integration in sensorimotor estimation. Journal of Vision. 18 (12), 8(2018).
  19. Karmali, F., Whitman, G. T., Lewis, R. F. Bayesian optimal adaptation explains age-related human sensorimotor changes. Journal of Neurophysiology. 119 (2), 509-520 (2017).
  20. Gori, J., Rioul, O. Information-Theoretic Analysis of the Speed-Accuracy Tradeoff with Feedback. 2018 IEEE International Conference on Systems, Man, and Cybernetics (SMC). , 3452-3457 (2018).
  21. Trendafilov, D., Polani, D. Information-theoretic Sensorimotor Foundations of Fitts' Law. Extended Abstracts of the 2019 CHI Conference on Human Factors in Computing Systems. , 1-6 (2019).
  22. Fitts, P. M., Peterson, J. R. Information capacity of discrete motor responses. Journal of Experimental Psychology. 67 (2), 103-112 (1964).
  23. Fitts, P. M. The information capacity of the human motor system in controlling the amplitude of movement. Journal of Experimental Psychology. 47 (6), 381-391 (1954).
  24. Nakahira, Y., Matni, N., Doyle, J. C. Hard limits on robust control over delayed and quantized communication channels with applications to sensorimotor control. 2015 54th IEEE Conference on Decision and Control (CDC). , 7522-7529 (2015).
  25. Nakahira, Y., Liu, Q., Sejnowski, T. J., Doyle, J. C. Fitts' Law for speed-accuracy trade-off describes a diversity-enabled sweet spot in sensorimotor control. arXiv. , Available from: http://arxiv.org/abs/1906.00905 (2019).
  26. Jafari, M. Neural Correlates of Sensorimotor Control in Human Cortex: State Estimates and Reference Frames. , Available from: https://resolver.caltech.edu/CaltechTHESIS:05302019-163325527 (2019).
  27. Miall, R. C., Wolpert, D. M. Forward Models for Physiological Motor Control. Neural Networks. 9 (8), 1265-1279 (1996).
  28. Battaglia-Mayer, A., Caminiti, R., Lacquaniti, F., Zago, M. Multiple Levels of Representation of Reaching in the Parieto-frontal Network. Cerebral Cortex. 13 (10), 1009-1022 (2003).
  29. Scott, S. H. Optimal feedback control and the neural basis of volitional motor control. Nature Reviews Neuroscience. 5 (7), 532-545 (2004).
  30. Saunders, J. A., Knill, D. C. Humans use continuous visual feedback from the hand to control fast reaching movements. Experimental Brain Research. 152 (3), 341-352 (2003).
  31. Insperger, T., Milton, J., Stépán, G. Acceleration feedback improves balancing against reflex delay. Journal of The Royal Society Interface. 10 (79), 20120763(2013).
  32. Birbaumer, N. Breaking the silence: Brain-computer interfaces (BCI) for communication and motor control. Psychophysiology. 43 (6), 517-532 (2006).
  33. Liu, Q., Farahibozorg, S., Porcaro, C., Wenderoth, N., Mantini, D. Detecting large-scale networks in the human brain using high-density electroencephalography. Human Brain Mapping. 38 (9), 4631-4643 (2017).
  34. Nicolelis, M. A. L. Brain-machine interfaces to restore motor function and probe neural circuits. Nature Reviews Neuroscience. 4 (5), 417-422 (2003).
  35. Nordin, A. D., Hairston, W. D., Ferris, D. P. Faster Gait Speeds Reduce Alpha and Beta EEG Spectral Power From Human Sensorimotor Cortex. IEEE Transactions on Biomedical Engineering. 67 (3), 842-853 (2020).
  36. Hallett, M. Transcranial magnetic stimulation and the human brain. Nature. 406 (6792), 147-150 (2000).
  37. Madhavan, S., Weber, K. A., Stinear, J. W. Non-invasive brain stimulation enhances fine motor control of the hemiparetic ankle: implications for rehabilitation. Experimental Brain Research. 209 (1), 9-17 (2011).
  38. Denoyelle, N., Pouget, F., Viéville, T., Alexandre, F. VirtualEnaction: A Platform for Systemic Neuroscience Simulation. , (2014).
  39. Butti, N., et al. Virtual Reality Social Prediction Improvement and Rehabilitation Intensive Training (VR-SPIRIT) for paediatric patients with congenital cerebellar diseases: study protocol of a randomised controlled trial. Trials. 21 (1), 82(2020).
  40. McCall, J. V., Ludovice, M. C., Blaylock, J. A., Kamper, D. G. A Platform for Rehabilitation of Finger Individuation in Children with Hemiplegic Cerebral Palsy. 2019 IEEE 16th International Conference on Rehabilitation Robotics (ICORR). , 343-348 (2019).
  41. Demers, M., Levin, M. F. Kinematic Validity of Reaching in a 2D Virtual Environment for Arm Rehabilitation After Stroke. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 28 (3), 679-686 (2020).
  42. Zbytniewska, M., et al. Design and Characterization of a Robotic Device for the Assessment of Hand Proprioceptive, Motor, and Sensorimotor Impairments. 2019 IEEE 16th International Conference on Rehabilitation Robotics (ICORR). , 441-446 (2019).
  43. Delp, S. L., et al. OpenSim: Open-Source Software to Create and Analyze Dynamic Simulations of Movement. IEEE Transactions on Biomedical Engineering. 54 (11), 1940-1950 (2007).
  44. Gray, W. D. Plateaus and Asymptotes: Spurious and Real Limits in Human Performance. Current Directions in Psychological Science. 26 (1), 59-67 (2017).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

WheelCon PlatformGaming Steering WheelFeedback Control TheoryMountain Bike SimulationDisturbance ManipulationDelay QuantizationData Rate ControlExperimental Results

Powiązane artykuły