- 6 次围观
人类感觉运动系统在自动将总体运动误差解析为其组成部分方面表现出显著的有效性，即由扰动引起的误差成分（外部生成误差，externally-generated error, EGE）与由运动噪声引起的误差成分（内部生成误差，internally-generated error, IGE）。参与者能够稳定且以内隐方式适应极其微小的（2°）EGE，这种EGE以随机化视动旋转的形式呈现，同时忽略由IGE所导致的同等大小误差。这种误差解析及其相关的知觉过程，与先前研究形成直接对比；后者表明，人类必须观察到超过其运动变异性标准差1.5倍的旋转，或[≥]4°，才能显性报告其存在。尽管这些综合结果提示，面向动作的知觉——其允许精确且自动的误差解析——与面向有意识检测的知觉之间存在分离，但这一点必须基于采用不同方法学的研究加以推断。 在本研究中，我们结合被试内研究设计与计算建模，以阐明扰动的内隐适应与显性扰动检测背后的基本原理。神经典型成年参与者参加了两项实验，实验均包括朝向单一目标的到达运动过程中的伪随机旋转，其中一个实验阶段要求参与者在每次到达后显性报告是否检测到扰动。参与者表现出对扰动的内隐反应与显性检测之间的明确分离：他们对1°的EGE表现出稳健适应，但在EGE达到约4°之前，无法可靠地报告其存在。对于适应任务，最能拟合数据的模型假定参与者通过比较本体感觉与视觉线索来检测扰动，并对该误差的一定比例进行校正。对于信号检测任务，最能拟合数据的是一种贝叶斯因果推断模型，其中感觉线索与关于其成因的先验进行最优整合。这些结果表明，内隐适应与显性扰动检测彼此分离，且感觉运动系统对这两类行为采用了不同的计算策略。
隐性运动学习与显性扰动检测的行为与计算特征的分离 | bioRxiv
跳转至主要内容
首页 关于 提交 提醒 / RSS 搜索此关键词 高级搜索 新结果
隐性运动学习与显性扰动检测的行为与计算特征的分离
Hyosub E. Kim， Jack O. Darley， Michael S. Landy， Romeo Chua， Dusty J. Fox
doi： https://doi.org/10.64898/2026.06.25.734533
Hyosub E. Kim 1 不列颠哥伦比亚大学； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY 4.0 国际许可协议提供。
返回顶部
上一项 下一项
发布于 2026 年 6 月 28 日。
下载 PDF 电子邮件
您的电子邮件 * 您的姓名 * 发送至 * 请输入多个地址，每行一个，或用逗号分隔。
您将通过电子邮件发送以下内容
隐性运动学习与显性扰动检测的行为与计算特征的分离
消息主题
（您的姓名）已从 bioRxiv 向您转发一个页面
消息正文
（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动垃圾信息提交。
分享
隐性运动学习与显性扰动检测的行为与计算特征的分离
Hyosub E. Kim， Jack O. Darley， Michael S. Landy， Romeo Chua， Dusty J. Fox
bioRxiv 2026.06.25.734533； doi： https://doi.org/10.64898/2026.06.25.734533
分享本文： 复制
引用工具
隐性运动学习与显性扰动检测的行为与计算特征的分离
Hyosub E. Kim， Jack O. Darley， Michael S. Landy， Romeo Chua， Dusty J. Fox
bioRxiv 2026.06.25.734533； doi： https://doi.org/10.64898/2026.06.25.734533
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.25.734533v1?rss=1
🏷️ 感觉运动适应 内隐运动学习 显性扰动检测 贝叶斯因果推断 计算建模