权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

ヒト運動制御系における最適フィードバック制御機構の実証

人体运动控制系统最优反馈控制机制演示

基本信息

批准号：
14J02174
负责人：
林拓志
金额：
$ 2.05万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2014
资助国家：
日本
起止时间：
2014-04-25 至 2017-03-31
项目状态：
已结题

项目摘要

これまで、視覚運動写像の形状と運動学習速度の関係性について明らかにしてきた（Hayashi et al., 2016）。我々は腕到達運動課題において正確な視覚情報と運動方向の関係性（視覚運動写像）を有しているため、あらゆるターゲットへ向かってまっすぐ腕を伸ばすことができる。この視覚運動写像の形状は視覚情報のズレに適応させることで人工的に変形させることが可能である。ここでは、被験者は右上（左上）のターゲットへ到達する際、時計回り（反時計回り）のカーソルのズレが与えられ、視覚運動写像の形状を変形した。その後、前方方向での学習速度が減少することが明らかとなった。このような運動学習動態は、神経回路網モデルを用いて再現できることが分かっている（Thoroughman and Shadmehr, 2000）。従来のモデルでは、運動学習は、各運動プリミティブの活動量に基づいて、重み付けがズレをもとに更新していくことで成立する。このモデルにおいては、各運動プリミティブの活動量は常に一定であり、これまでの結果を再現できない。各運動プリミティブは至適方位をもち、一次運動野の神経細胞を模している。これまで、一次運動野の神経細胞の至適方位は運動学習によって回転するという知見が報告されているが（Li et al., 2001）、この至適方位の回転は従来のモデルには反映されていなかった。本研究では、至適方位の回転によって運動プリミティブの活動量が変化し、それが学習速度を変化させているのではないか、と仮説を立て検証した。数値シミュレーションの結果、視覚運動写像の変形に応じて、前方方向で疎な分布に変化した。また、この分布により学習速度が減少し、実験結果をよく再現できることが明らかとなった。以上の結果より、運動プリミティブの至適方位が動的に再構成されることで、学習速度を変化させることが示唆された。

これまで, write like の shape と覚 movement speed of motor learning の masato is sexual について Ming らかにしてきた (Hayashi et al., 2016). 々 I arrive は wrist movement project においてな regard 覚 intelligence と right direction の masato is sex (see 覚 movement to write like) をしているため, あらゆるターゲットへ to かってまっすぐ wrist を stretch ばすことができる. この recognizing the write like の覚 movement shape は覚 intelligence のズレに optimum 応させることで artificial に - shaped させることが may である. ここでは upper right (left), those 験はのターゲットへ reach する interstate, meter back り (when the meter back り) のカーソルのズレが and えられ, write like の shape を覚 movement - shaped した. The learning speed in the direction of そ, そ, で, で decreases が, する, とが and ら, となった. Dynamic はこのような motor learning, god 経 back road network モデルを with いて reappearance できることが points かっている (Thoroughman and by Shadmehr, 2000). 従 to のモデルでは, motor learning は, each motion プリミティブの activity に base づいて, heavy み pay けがズレをもとに update していくこと founded でする. このモデルにおいては, each motion プリミティブの activity はに must often であり, これまでの results を reappearance できない. Each movement プリ, ティブ, ティブ to the appropriate position を, を, ち, and one movement to the を model of the neurotic cells, て, て, る. これまで, a movement wild の god の経 cells and the optimum azimuth は motor learning によって back planning するという knowledge が report されているが (Li et al., 2001), この to optimum azimuth の back planning は従 to のモデルには reflect されていなかった. This study では, planning to optimum azimuth の back によって movement プリミティブの activity が - し, それがを learning speed variations change させているのではないか, と仮 said をて検 card した. The numerical values are シ, ュレ, ュレ, ショ, <s:1> results, the 覚 motion is written as a <s:1> deformation に応じて, and the で疎な distribution in the forward direction に changes た. また, この distribution によりが learning speed and reducing し, be 験 results をよく reappearance できることが Ming らかとなった. の above results より, sports プリミティブの to optimum azimuth が moving に reconstitution されることをで, learning speed variations change させることが in stopping された.