量化感官代理:在上肢运动期间评估故意结合的强制选择范式

科学领域:

• 神经科学是一个神经科学.
• 人与计算机的交互
• 机器人技术 机器人技术 机器人技术

背景情况:

• 行动意识是控制自己的行动的感觉.
• 蓄意绑定 (IB) 通过测量行动和结果之间的感知时间压缩来量化代理.
• 现有的IB研究主要使用简单的动作,限制了对复杂运动的适用性.

研究的目的:

• 开发和验证一种高分辨率的方法,用于评估在粗整肢运动期间的故意结合 (IB).
• 将IB测量调整为与辅助和康复机器人相关的环境.
• 为了探索一个新的强迫的IB评估的两种选择歧视范式.

主要方法:

• 设计了一个涉及整个上肢运动的目标获取任务.
• 参与者使用Kinarm机器人系统来执行主动和被动的运动.
• 一个强制的两种选择歧视范式评估了听觉音调和运动之间的感知时间间隔,时间延迟有所变化.

主要成果:

• 一种新的,高分辨率的方法来测量IB在整个四肢运动成功开发和验证.
• 心理测量曲线提供了IB偏差的精确估计,中位偏差为-36.2ms.
• 引入了一个新的分析维度,即IB经验的斜率.

结论:

• 开发的方法提供了高分辨率的评估,在复杂的四肢运动期间的故意绑定.
• 这些发现对辅助和康复机器人设备的设计和评估有重大影响.
• 这种方法提高了在更生态有效的运动场景中对代理感知的理解.