TY - CHAP A1 - Hoffmann, Joachim T1 - Aufmerksamkeit, Automatisierung und antizipative Verhaltensteuerung N2 - no abstract available KW - Automation KW - Sportmotorik KW - Kongress KW - Saarbrücken <1992> KW - Techniktraining KW - Bewegungssteuerung KW - Automatismus KW - Aufmerksamkeit Y1 - 1993 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-78315 ER - TY - THES A1 - Lenhard, Alexandra T1 - Intra- and intermanual transfer of adaptation to unnoticed virtual displacement under terminal and continuous visual feedback N2 - 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. N2 - 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. KW - Motorisches Lernen KW - Bewegungssteuerung KW - Rückmeldung KW - Transfer KW - visuomotorische Transformation KW - intermanueller Transfer KW - Zielbewegungen KW - motor learning KW - intermanual transfer KW - aiming KW - visuomotor transformation KW - feedback Y1 - 2002 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-23889 ER - TY - THES A1 - Lenhard, Alexandra T1 - Sensorische Bewegungskontrolle als Grundlage intermanuellen Transfers T1 - Sensory movement control as basic mechanism of intermanual transfer N2 - Ziel dieser Arbeit war es aufzuzeigen, dass die hohe Adaptivität und Flexibilität menschlicher Bewegungskontrolle unter der Annahme erklärt werden kann, dass Bewegungen als wahrgenommene Ereignisse geplant, ausgeführt und gespeichert werden, ohne dass dabei ein direkter Zugriff auf efferente Muster erfolgt. Dafür trainierten Versuchspersonen in drei Experimenten jeweils mit einer Hand Zielbewegungen. Bei einem der Ziele war die visuelle Rückmeldung dabei so manipuliert, dass die Bewegungen kürzer erschienen als tatsächlich ausgeführt. Versuchspersonen adaptierten an diese visuomotorische Transformation. Darüber hinaus generalisierte die zielspezifische Adaptation auch auf Bewegungen der untrainierten Hand. Die Höhe des Transfers hing sowohl von der Händigkeit als auch vom Geschlecht der Versuchspersonen ab. Rechtshändige Männer zeigten mehr Transfer von der rechten auf die linke Hand als umgekehrt, während bei linkshändigen Männern und bei Frauen keine Asymmetrien zu beobachten waren. Ob die Versuchspersonen die Manipulation gemerkt hatten oder nicht, spielte für die Höhe des Transfers keine Rolle. Die Qualität des Transfer ließ darauf schließen, dass die motorische Adaptation nicht in Form efferenter Signale, sondern in Form sensorischer Repräsentationen gespeichert und abgerufen wurde. Die Ergebnisse wurden mit künstlichen neuronalen Netzen modelliert. Voraussetzung für die qualitative und quantitative Modellierung des Transfers war zum einen die Annahme einer effektorunabhängigen räumlichen Repräsentation, auf die beide Arme zugreifen, und zum anderen die wiederholte systematische Koaktivierung beider Arme vor der visuomotorischen Adaptation. In einem vierten Experiment trainierten Versuchspersonen die Ausübung einer konstanten Druckkraft mit dem Zeigefinger einer Hand. In einer Transferphase musste die Kraft mit dem Zeigefinger oder Mittelfinger der gleichen oder der anderen Hand reproduziert werden. Bei einigen der Versuchspersonen wurde die sensorische Rückmeldung während der Transferphase dadurch verändert, dass ein Fingerhut über den jeweils benutzten Finger gestülpt war. Es zeigte sich, dass die Genauigkeit der Kraftreproduktion nur unwesentlich davon abhing, welcher Finger benutzt wurde. Dagegen hing sie wesentlich davon ab, ob die sensorische Rückmeldung verändert war oder nicht. Auch dieses Experiment weist also darauf hin, dass im motorischen Gedächtnis keine effektorspezifischen efferenten Muster gespeichert werden. Vielmehr scheinen beim Bewegungslernen relevante sensorische Zielgrößen gespeichert zu werden, die später als Referenzwert für Bewegungen des trainierten Armes und anderer Körperglieder genutzt werden können. N2 - The aim of the present study was to demonstrate that the enormous adaptivity and flexibility of human movement control can be explained under the assumption that movements are planned, executed and stored in terms of perceivable events and without direct access on efferent patterns. For this purpose, participants trained aiming movements to different targets with one hand. For one target visual feedback was manipulated so that movements to this target appeared shorter than they actually were. Participants adapted to that visuomotor transformation. Furthermore, the target-specific adaptation also generalized to movements of the untrained hand. The amount of transfer depended both on handedness and sex. Right-handed males showed more transfer from the right to the left hand than vice versa, whereas there was no comparable asymmetry in left-handed males and in females. Whether the participants noticed the manipulation or not was not relevant with regard to the amount of transfer. The quality of transfer led us to conclude that the motor adaptation was not stored and recalled in terms of efferent signals but in terms of sensory representations. We modeled these results with artificial neural networks. Qualitative and quantitative replication of the human results could only be achieved if the networks included an effector-independent spatial representation and if the arms were coactivated repeatedly and systematically before the visuomotor adaptation. In another task that we have used to explore learning transfer participants learned to produce a constant force with the index finger of one hand. During a transfer phase they had to reproduce the force with the index or middle finger of the same or the other hand. For some of the participants we changed the sensory feedback during that phase by putting a thimble on the performing finger. Results revealed that changing the finger did not affect the accuracy of force reproduction significantly. By contrast, changing the sensory feedback considerably impaired the force reproduction. Therefore, the experiment also points to the fact that motor memory is not based on effector-specific efferent patterns. Rather, we believe that motor memory is primarily based on sensory representions of movement goals which subsequently can be used as reference value for movements of the trained arm as well as movements of other limbs. KW - Bewegungssteuerung KW - Transfer KW - Motorisches Lernen KW - Händigkeit KW - Hemisphärendominanz KW - Implizites Lernen KW - Bewusstheit KW - motorische Adaptation KW - Kraftkontrolle KW - Geschlechtsunterschied KW - neuronale Modellierung KW - Ideomotorisches Prinzip KW - motor learning KW - force control KW - intermanual transfer KW - brain asymmetry KW - ideomotor principle Y1 - 2007 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-23879 ER - TY - THES A1 - Herbort, Oliver T1 - Encoding Redundancy for Task-dependent Optimal Control : A Neural Network Model of Human Reaching T1 - Redundante Repräsentationen als Grundlage aufgabenbezogener optimaler Steuerung:Ein neuronales Netzwerk Modell menschlicher Zeigebewegungen N2 - 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. N2 - 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. KW - Bewegungssteuerung KW - Motorisches Lernen KW - Redundanz KW - Neuronales Netz KW - Optimale Kontrolle KW - Computersimulation KW - Populationscodes KW - dynamisches Programmieren KW - flexibles Verhalten KW - population codes KW - dynamic programming KW - flexible behavior Y1 - 2008 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-26032 ER -