手動追跡タスクにおける継続的な制御のde novo学習と適応

自転車に乗るなど、モーター出力の継続的な調整を必要とするタスクをどのように実行することを学びますか？人々は、個別の動きのタスクを学習する際に認知戦略に大きく依存していますが、そのような時間のかかる戦略は、進行中の感覚フィードバックに対する迅速な対応を必要とする継続的な制御タスクでは実行不可能です。人々が認知戦略の利益なしにそのようなタスクを実行することを学ぶ方法を理解するために、参加者が連続追跡タスクを実行している間、視覚フィードバックの回転/ミラーの逆転を課しました。システム識別アプローチを使用して動作を分析しました。これにより、学習の2つの定性的に異なるコンポーネントが明らかになりました。ベースラインコントローラーの適応と、新しいタスク固有の連続コントローラーの形成です。これらのコンポーネントは、周波数ドメインに異なる署名を示し、回転/ミラーの反転下で差別的に関与していました。我々の結果は、人々が新しい連続コントローラーde novoを迅速に構築できることを示しており、既存のコントローラーの適応と同時にこのプロセスを展開できることを示しています。

How do people learn to perform tasks that require continuous adjustments of motor output, like riding a bicycle? People rely heavily on cognitive strategies when learning discrete movement tasks, but such time-consuming strategies are infeasible in continuous control tasks that demand rapid responses to ongoing sensory feedback. To understand how people can learn to perform such tasks without the benefit of cognitive strategies, we imposed a rotation/mirror reversal of visual feedback while participants performed a continuous tracking task. We analyzed behavior using a system identification approach, which revealed two qualitatively different components of learning: adaptation of a baseline controller and formation of a new, task-specific continuous controller. These components exhibited different signatures in the frequency domain and were differentially engaged under the rotation/mirror reversal. Our results demonstrate that people can rapidly build a new continuous controller de novo and can simultaneously deploy this process with adaptation of an existing controller.