Выходя за рамки экспертных знаний: устойчивые индивидуальные различия в прогнозируемой зрительно-моторной координации.
arXiv:2602.07816v3 Тип объявления: замена Аннотация: Координация движений глаз и рук у человека основана на внутренних моделях прогнозирования, которые предсказывают будущие состояния и компенсируют задержки сенсорного восприятия. Во время обводки линий взгляд обычно направляет руку через предсказательные саккады, однако степень, в которой это предсказательное окно отражает опыт или внутренние индивидуальные особенности, остается неясной. В этом исследовании я изучил координацию движений глаз и рук у профессиональных каллиграфов и неспециалистов, выполнявших контролируемое задание по обводке линий. Временная связь между расстоянием саккады (SD) и скоростью пера (PS) выявила существенную межличностную вариативность: пиковые значения SD-PS варьировались от приблизительно -50 до 400 мс, образуя стабильные, специфичные для каждого участника предсказательные окна, которые были согласованы между испытаниями. Эти предсказательные окна точно соответствовали времени догоняющего движения пера каждого человека, что указывает на то, что глазодвигательная система стабилизирует фиксацию в ожидании будущей скорости руки, а не полагается на реактивное слежение. Ни пространственные индексы (среднее расстояние от взгляда до ручки, среднее расстояние саккады), ни временной индекс (время пика SD-PS) не различались между каллиграфами и некаллиграфами, и ни один из этих прогностических параметров не коррелировал с точностью обводки. Эти результаты предполагают, что различные прогностические стратегии могут достигать эквивалентной эффективности, что согласуется с принципом минимального вмешательства оптимального управления с обратной связью. В совокупности результаты показывают, что прогнозирование времени в зрительно-моторной координации отражает стабильный, идиосинкратический прогностический протокол, формируемый индивидуальными нейромоторными ограничениями, а не опытом или историей тренировок.
Источник: arxiv.org
Похожие записи
Оцените материал:
Похожие записи
Как мы собрали ML-платформу на Kubernetes и не утонули в YAML
14.11.2025
Создали ИИ агента в CRM с YandexGPT, который спасает обреченные сделки прямо перед самым закрытием менеджером. Сохранили 50 млн рублей за год(читай — заработали)
22.10.2025
Компания Rocket Lab продолжает серию приобретений, купив спутниковую компанию Iridium.
29.06.2026Присоединяйтесь и подпишитесь на рассылку самых свежих новостей по Email
Получайте свежие новости и идеи на почту. Без спама — только самое интересное.
Нажимая «Подписаться», вы соглашаетесь с политикой конфиденциальности.
