2232
2008
eng
doctoralthesis
1
2008-01-31
--
2008-01-25
Encoding Redundancy for Task-dependent Optimal Control : A Neural Network Model of Human Reaching
Redundante Repräsentationen als Grundlage aufgabenbezogener optimaler Steuerung:Ein neuronales Netzwerk Modell menschlicher Zeigebewegungen
The human motor system is adaptive in two senses. It adapts to the properties of the body to enable effective control. It also adapts to different situational requirements and constraints. This thesis proposes a new neural network model of both kinds of adaptivity for the motor cortical control of human reaching movements, called SURE_REACH (sensorimotor unsupervised learning redundancy resolving control architecture). In this neural network approach, the kinematic and sensorimotor redundancy of a three-joint planar arm is encoded in task-independent internal models by an unsupervised learning scheme. Before a movement is executed, the neural networks prepare a movement plan from the task-independent internal models, which flexibly incorporates external, task-specific constraints. The movement plan is then implemented by proprioceptive or visual closed-loop control. This structure enables SURE_REACH to reach hand targets while incorporating task-specific contraints, for example adhering to kinematic constraints, anticipating the demands of subsequent movements, avoiding obstacles, or reducing the motion of impaired joints. Besides this functionality, the model accounts for temporal aspects of human reaching movements or for data from priming experiments. Additionally, the neural network structure reflects properties of motor cortical networks like interdependent population encoded body space representations, recurrent connectivity, or associative learning schemes. This thesis introduces and describes the new model, relates it to current computational models, evaluates its functionality, relates it to human behavior and neurophysiology, and finally discusses potential extensions as well as the validity of the model. In conclusion, the proposed model grounds highly flexible task-dependent behavior in a neural network framework and unsupervised sensorimotor learning.
Das motorische System des Menschen ist in zweierlei Hinsicht anpassungsfähig. Es passt sich den Eigenschaften des Körpers an, um diesen effektiv zu kontrollieren. Es passt sich aber auch unterschiedlichen situationsabhängigen Erfordernissen und Beschränkungen an. Diese Dissertation stellt ein neues neuronales Netzwerk Modell der motor-kortikalen Steuerung von menschlichen Zeigebewegungen vor, das beide Arten von Anpassungsfähigkeit integriert (SURE_REACH, Sensumotorische, unüberwacht lernende, redundanzauflösende Kontrollarchitektur). Das neuronale Netzwerk speichert kinematische und sensumotorische Redundanz eines planaren, dreigelenkigen Armes in aufgabenunabhängigen internen Modellen mittels unüberwachter Lernverfahrenen. Vor der Ausführung einer Bewegung bereitet das neuronale Netzwerk einen Bewegungsplan vor. Dieser basiert auf den aufgabenunabhängigen internen Modells und passt sich flexibel äu"seren, aufgabenabhängigen Erfordernissen an. Der Bewegungsplan wird dann durch propriozeptive oder visuelle Regelung umgesetzt. Auf diese Weise erklärt SURE_REACH Bewegungen zu Handzielen die aufgabenabhängige Erfordernisse berücksichtigen, zum Beispiel werden kinematische Beschränkungen miteinbezogen, Erfordernisse nachfolgender Aufgaben antizipiert, Hindernisse vermieden oder Bewegungen verletzter Gelenke reduziert. Desweiteren werden zeitliche Eigenschaften menschlicher Bewegungen oder die Ergebnisse von Primingexperimenten erklärt. Die neuronalen Netzwerke bilden zudem Eigenschaften motor-kortikaler Netzwerke ab, zum Beispiel wechselseitig abhängige Raumrepräsentationen, rekurrente Verbindungen oder assoziative Lernverfahren. Diese Dissertation beschreibt das neue Modell, vergleicht es mit anderen Modellen, untersucht seine Funktionalität, stellt Verbindungen zu menschlichem Verhalten und menschlicher Neurophysiologie her und erörtert schlie"slich mögliche Erweiterungen und die Validität des Models. Zusammenfassend stellt das vorgeschlagene Model eine Erklärung für flexibles aufgabenbezogenes Verhalten auf ein Fundament aus neuronalen Netzwerken und unüberwachten sensumotorischen Lernen.
urn:nbn:de:bvb:20-opus-26032
2603
X121701
Oliver Herbort
deu
swd
Bewegungssteuerung
deu
swd
Motorisches Lernen
deu
swd
Redundanz
deu
swd
Neuronales Netz
deu
swd
Optimale Kontrolle
deu
swd
Computersimulation
deu
uncontrolled
Populationscodes
deu
uncontrolled
dynamisches Programmieren
deu
uncontrolled
flexibles Verhalten
eng
uncontrolled
population codes
eng
uncontrolled
dynamic programming
eng
uncontrolled
flexible behavior
Psychologie
open_access
Institut für Psychologie
Universität Würzburg
Universität Würzburg
https://opus.bibliothek.uni-wuerzburg.de/files/2232/HerbortDiss2008.pdf
2064
2002
eng
masterthesis
1
2007-09-06
--
2002-12-03
Intra- and intermanual transfer of adaptation to unnoticed virtual displacement under terminal and continuous visual feedback
Versuchspersonen trainierten mit der rechten Hand Zielbewegungen zu verschiedenen Zielen unter terminalem oder kontinuierlichem visuellem Feedback. Für eines der Ziele wurde die visuelle Rückmeldung so manipuliert, dass Bewegungen zu diesem Ziel kürzer wirkten, als sie tatsächlich waren. Nach dem Training sollten die gleichen Ziele sowohl mit der trainierten rechten als auch mit der untrainierten linken Hand erreicht werden. Bewegungen der rechten Hand passten sich an die unbemerkte visuelle Transformation an. Die Adaptation war unter kontinuierlichem Feedback schwächer als unter terminalem. Außerdem generalisierte die Adapation nur unter terminalem, aber nicht unter kontinuierlichem Feedback, auf andere Zielbewegungen in die gleiche Richtung, aber nicht auf Zielbewegungen in die entgegengesetzte Richtung. Bewegungen der untrainierten linken Hand zeigten qualitativ die gleichen adaptationsbedingten Veränderungen wie Bewegungen der rechten Hand. Die Ergebnisse sprechen für die Annahme, dass beim Training der rechten Hand eine effektorunabhängige räumliche Repräsentation verändert wird, auf die bei der Steuerung beider Hände zurückgegriffen wird.
Participants trained aiming movements of the right hand to several targets with a prism-like virtual displacement of the location of one of the targets, receiving either terminal or continuous visual feedback. After training, the same targets were to be reached with the untrained left hand under manipulated feedback conditions. The right hand movements continuously adapted to the unnoticed visual displacement, significantly less with continuous than with terminal feedback. Under terminal but not under continuous feedback the adaptation to the manipulated target generalized to targets in the same horizontal direction but not to targets in the opposite direction. Finally, the movements of the untrained left hand showed the same qualitative changes to the targets as the movements of the trained right hand. The data are in line with the notion that the adaptation of the right hand movements is mainly based on a re-interpretation of target locations on which movement control of both hands draws.
urn:nbn:de:bvb:20-opus-23889
2388
Alexandra Lenhard
deu
swd
Motorisches Lernen
deu
swd
Bewegungssteuerung
deu
swd
Rückmeldung
deu
swd
Transfer
deu
uncontrolled
visuomotorische Transformation
deu
uncontrolled
intermanueller Transfer
deu
uncontrolled
Zielbewegungen
eng
uncontrolled
motor learning
eng
uncontrolled
intermanual transfer
eng
uncontrolled
aiming
eng
uncontrolled
visuomotor transformation
eng
uncontrolled
feedback
Psychologie
open_access
Institut für Psychologie (bis Sept. 2007)
Universität Würzburg
Universität Würzburg
https://opus.bibliothek.uni-wuerzburg.de/files/2064/DiplomAlexandraLenhard.pdf