XiaoMi-AI文件搜索系统
World File Search SystemVisuomotor
视觉运动策略（通过行为克隆）
https://www.youtube.com/embed/0ljb666aytg8？ start = 111＆Mute = 1＆enablejsapi = 1＆controls = 0＆rel = 0＆modestbranding = 1https://www.youtube.com/embed/0ljb666aytg8？start = 111＆Mute = 1＆enablejsapi = 1＆controls = 0＆rel = 0＆modestbranding = 1
及下肢视觉运动反应时间任务
背景：快速视觉运动反应时间 (VMRT) 是识别和响应连续出现的视觉刺激所需的时间，它使运动员能够在运动期间成功地对刺激做出反应，而较慢的 VMRT 则与受伤风险增加有关。基于光的系统能够测量上肢和下肢 VMRT；但这些评估的可靠性尚不清楚。目的：使用基于光的训练系统确定上肢和下肢 VMRT 任务的可靠性。设计：可靠性研究。地点：实验室。患者（或其他参与者）：20 名在过去 12 个月内没有受伤史的参与者。方法：参与者在间隔 1 周的 2 个单独测试会议上向实验室报告。对于这两项任务，都要求参与者尽快熄灭随机序列的发光二极管磁盘，这些磁盘一次出现一个。在完成测试试验之前，为参与者提供了一系列练习试验。 VMRT 计算为两次击中目标之间的时间（以秒为单位），其中 VMRT 越高表示反应时间越慢。主要结果测量：计算单独的组内相关系数（ICC）和相应的 95% 置信区间（CI），以确定每个任务的重测信度。确定 SEM 和最小可检测变化值以检查临床适用性。结果：右肢下肢信度极佳（ICC 2,1 = .92；95% CI，.81 – .97）。左肢（ICC 2,1 = .80；95% CI，.56 – .92）和上肢任务（ICC 2,1 = .86；95% CI，.65 – .95）均具有良好的信度。结论：两个 VMRT 任务在健康、活跃人群中均具有临床可接受的信度。未来的研究应该探索这些测试的进一步应用，作为已知 VMRT 缺陷的健康状况康复后的结果测量。
基于扩散模型的机器人视觉运动策略学习
背景和动机视觉策略学习涉及将视觉观察映射到运动动作上，使机器人能够有效地与环境互动。传统方法通常在多模式作用分布的复杂性以及对高精度和时间一致性的需求中挣扎。最近引入的扩散策略通过采用有条件的降级扩散过程来生成机器人动作，从而提供了有希望的解决方案。这些模型在产生复杂的行为方面表现出了卓越的性能，使其成为机器人操纵和组装任务的理想候选人。此外，整合自然语言处理（NLP）允许多功能任务调理，使机器人能够根据人类指令执行各种任务。
通过行动扩散的视觉运动策略学习
摘要本文介绍了扩散策略，这是一种通过将机器人的视觉运动策略表示为有条件的降级扩散过程来生成机器人行为的新方法。我们从4种不同的机器人操纵基准的15个不同任务进行基准扩散策略，发现它始终优于现有的最新机器人学习方法，平均提高46.9％。扩散策略学习了动作分布得分函数的梯度，并通过一系列随机Langevin动力学步骤在推断过程中对此梯度字段进行了迭代优化。我们发现，用于机器人策略的扩散配方会产生强大的优势，包括优雅地处理多模式作用分布，适合高维操作空间以及表现出令人印象深刻的训练稳定性。为了充分解锁在物理机器人上进行视觉运动策略学习的扩散模型的潜力，本文提供了一组关键的技术贡献，包括结合后退的地平线控制，视觉调节和时间序列扩散变压器。我们希望这项工作将有助于激励新一代的政策学习技术，这些技术能够利用扩散模型的强大生成建模能力。代码，数据和培训详细信息可用forfusion-policy.cs.columbia.edu
不同扭曲期间的视觉运动行为 - 翻筋斗...
运动员专业知识水平ACRO 0扭转尖齿1/2扭曲前ACRO 1扭曲后尖头A扭曲1 1/2扭曲前次次级精灵＃1层2 9 10 9 10 9次级精英＃2层＃2 9 8 8 8 9次级精灵＃3层＃3层7 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 @ Tier 2 9 12 10 9 Sub-elite #8 Tier 2 10 10 10 10 Sub-elite #9 Tier 2 12 10 10 11 Elite #1 Tier 3 16 10 10 15 Elite #2 Tier 5 10 14 14 10 Elite #3 Tier 3 8 10 10 7 Elite #4 Tier 5 12 5 5 10 Elite #5 Tier 3 11 10 10 11 Elite #6 Tier 4 10 12 12 10 Elite #7 Tier 5 5 10 10 10 Elite #8 Tier 3 10 14 5 0 *
在行为学视觉运动任务中根据单眼线索进行距离估计
摘要 在自然环境中，感觉处理和运动输出紧密相关，这反映在许多大脑区域同时包含感觉和运动信号的事实中。然而，标准的还原论范式将感觉决策与其自然的运动后果分离开来，而头部固定会阻止自我运动的自然感觉后果。特别是，在环境中的运动提供了许多深度线索，这些线索超出了立体视觉的范围，但人们对这些线索知之甚少。为了研究自然任务中视觉处理和运动输出的整合，我们研究了自由移动小鼠的距离估计。我们发现小鼠使用视觉准确地跳过可变间隙，从而将视觉计算直接耦合到其相应的行为运动输出。单眼眼睑缝合不影响间隙跳跃成功，因此小鼠可以使用不依赖于双眼视差和立体视觉的线索。在单眼条件下，小鼠改变了头部位置并进行了更多的垂直头部运动，这与从使用立体视觉转向其他单眼线索（如运动或位置视差）的转变一致。最后，当光纤分别位于双眼或单眼 V1 区时，对初级视觉皮层的光遗传抑制会损害双眼和单眼条件下的任务表现。总之，这些结果表明小鼠可以使用单眼线索，依靠视觉皮层来准确判断距离。此外，这种行为范式为研究神经回路如何将感觉信息转化为行为运动输出奠定了基础。
任务约束对虚拟现实中3D视觉运动跟踪任务的影响
近年来，许多研究都使用沉浸式虚拟现实（VR）来与真实环境尽可能地分析感知运动的协调（Bideau等，2010; Bideau et al。，2004; Ranganathan and Carlton and Carlton，2007; Vignais et; Vignais et al。，2009; Faure et al。，2020）。对VR的这种强烈兴趣创造了准确控制设备提供的信息，与环境的相互作用和任务的约束的可能性（例如Vignais等，2009； Choi等，2021）。在这种情况下，需要进行研究，以表征虚拟环境中可能的运动动作，这是在深度维度上恰当的（Armbrüster等，2008； Vienne等，2020）。为了解决这一目标，我们的研究团队已经开发了一项视觉运动跟踪任务，以操纵和评估不同虚拟约束对行动参与，尤其是在深度维度上的影响。跟踪任务的原理是移动效应器，以使其与移动目标保持尽可能近，可以通过互动
使用特定于特定的头盔用于研究人类视觉运动行为，使用经颅聚焦超声：一项初步研究
背景和客观：作为一种新型的非侵入性人脑刺激方法，经颅聚焦超声（TFU）由于其出色的空间特异性和深度 - 可延迟而受到了越来越多的关注。由于TFU的焦点需要在刺激过程中精确固定到目标大脑区域，因此一个关键问题是识别和维持与受试者头部相对于受试者头的准确位置和方向。本研究的目的是提出整个TFUS刺激的框架，整合了作者先前提出的用于TFUS透射器配置优化的方法和受试者特异性的3D打印头盔，并在人类行为神经调节研究中验证这一完整的设置。方法：为了找到TFU换能器的最佳配置，使用了基于受试者特定的TFUS BEAILINE模拟的数值方法。然后，已经使用了特定的3D打印头盔，以有效地将换能器固定在估计的最佳配置下。为了验证该TFU框架，选择了一个常见的行为神经调节范例；背外侧前额叶皮层（DLPFC）刺激对抗扫视行为的影响。虽然人类参与者（n = 2）作为任务执行，但在固定目标消失后，将TFU刺激随机应用于左DLPFC。结果：神经调节结果强烈表明，使用所提出的TFUS设置的皮质刺激有效地降低了抗扫视的错误率（S1的S1和-16％P约为-10％P），而没有对其延伸的效果进行良好的效果。这些观察到的行为效应与基于常规脑刺激或病变研究的先前结果一致。结论：拟议的主体特异性TFU框架已有效地用于人类神经调节研究中。结果表明，针对DLPFC的TFU刺激可以对AS行为产生神经调节作用。©2022作者。由Elsevier B.V.这是CC BY-NC-ND许可（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章
通过重复经颅磁刺激调节视觉运动序列学习：我们目前了解什么？
1 塞格德大学神经病学系，Semmelweis utca 6, H-6725 Szeged, 匈牙利 2 里昂神经科学研究中心 CRNL U1028 UMR5292, INSERM, CNRS, Universit é Claude Bernard Lyon 1, 95 Boulevard Pinel, F-69500 Bron, France 3 心理学博士学院，ELTE Eötvös Lor ánd University, Izabella utca 46, H-1064 布达佩斯，匈牙利 4 大脑、记忆和语言研究组，认知神经科学和心理学研究所，自然科学研究中心，Magyar Tud ó sok Kör ú tja 2, H-1117 布达佩斯，匈牙利 5 心理学研究所，ELTE Eötvös Lor á nd大学, Izabella utca 46, H-1064 布达佩斯，匈牙利 6 塞格德大学放射学系，Semmelweis utca 6，H-6725 塞格德，匈牙利 7 弗莱堡大学医学院解剖学和细胞生物学研究所神经解剖学系，Albertstrasse 17，D-79104 弗莱堡，德国 8 BML-NAP 研究小组，心理学研究所 & 认知神经科学和心理学研究所，ELTE Eötvös Lor ánd 大学 & 自然科学研究中心，Damjanich utca 41，H-1072 布达佩斯，匈牙利 * 通讯地址：nemethd@gmail.com † 这些作者对这项工作做出了同等贡献。
现在看看我！电脑上的假象……
根据具身认知研究，一个人的身体自我感知可能是虚幻的，并会暂时转向外部身体。同样，通过对自我面部和外部面部进行同步多感官刺激而引起的所谓“面孔错觉”会导致身体自我的隐性和显性变化。本研究旨在验证 (i) 在计算机生成的面孔上引发面孔错觉的可能性，以及 (ii) 哪种多感官刺激条件更有效。总共 23 名参与者被要求在三个同步实验条件和三个异步控制条件（每个刺激一个：视觉触觉、视觉运动和简单暴露）下观察性别匹配的化身。在每种条件下，参与者被要求完成一份问卷，评估具身感和面孔感，以解决错觉的不同方面。结果表明，同步刺激比异步刺激效果更强，并且问卷的具身项目差异更明显。我们还发现，与简单的暴露条件相比，视觉触觉和视觉运动刺激的效果更大。这些发现支持将面部错觉作为一种新范式，用于研究不同面部身份的所有权以及视觉触觉和视觉运动刺激在虚拟现实刺激中的具体作用。