Le travail présenté dans cette thèse porte sur le rôle du cortex prémoteur dorsal (PMd) au sujet de la prise de décision (sélection d’une action parmis nombreux choix) et l'orientation visuelle des mouvements du bras. L’ouvrage décrit des expériences électrophysiologiques chez le singe éveillé (Macaca mulatta) permettant d’adresser une fraction importante des prédictions proposées par l'hypothèse des affordances concurrentes (Cisek, 2006; Cisek, 2007a). Cette hypothèse suggère que le choix de toute action est l’issue d'une concurrence entre les représentations internes des exigences et des atouts de chacune des options présentées (affordances; Gibson, 1979). Un intérêt particulier est donné au traitement de l'information spatiale et la valeur des options (expected value, EV) dans la prise de décisions. La première étude (article 1) explore la façon dont PMd reflète ces deux paramètres dans la période délai ainsi que de leur intéraction. La deuxième étude (article 2) explore le mécanisme de décision de façon plus détaillée et étend les résultats au cortex prémoteur ventral (PMv). Cette étude porte également sur la représentation spatiale et l’EV dans une perspective d'apprentissage. Dans un environnement nouveau les paramètres spatiaux des actions semblent être présents en tout temps dans PMd, malgré que la représentation de l’EV apparaît uniquement lorsque les animaux commencent à prendre des décisions éclairées au sujet de la valeur des options disponibles. La troisième étude (article 3) explore la façon dont PMd est impliqué aux “changements d'esprit“ dans un procès de décision. Cette étude décrit comment la sélection d’une action est mise à jour à la suite d'une instruction de mouvement (GO signal). I II Les résultats principaux des études sont reproduits par un modèle computationnel (Cisek, 2006) suggérant que la prise de décision entre plusieurs actions alternatives peux se faire par voie d’un mécanisme de concurrence (biased competition) qui aurait lieu dans la même région qui spécifie les actions. / This thesis examines the role of the dorsal premotor cortex (PMd) in the process of decision making (action selection) and visual guidance of arm movements. The work describes electrophysiological experiments conducted in awake monkeys (Macaca mulatta) and tests a number of important predictions suggested by the affordance competition hypothesis (Cisek, 2006; Cisek, 2007a). This hypothesis suggests that decisions can be viewed as the result of a competition between internal representations of conflicting demands and opportunities for actions or affordances (Gibson, 1979). Specific interest is given to the interaction between spatial information and expected value (EV) in a proposed affordance competition mechanism for action selection. The first study presented (article 1) explores how EV is represented during the delay period in PMd. This study also describes how this area reflects the spatial metrics of the options and examines the interaction between value and spatial information. The second study (article 2) explores the mechanism of action selection in more detail and extends the results to ventral premotor cortex (PMv). This study also addresses the nature of value and spatial representations from a learning perspective. In a novel environment the spatial metrics of the actions seem to be invariably present in PMd, meanwhile EV representations appear only once the animals make behaviorally informed decisions about the value of the available options. The third study (article 3) explores how PMd is involved in “changes of mind” in which action selection is updated following a movement instruction (GO signal). III IV The major findings in all these studies are reproduced by a computational model (Cisek, 2006) suggesting that decisions between actions can be made through a biased competition process that takes place in the same region that specifies the actions.

Behavioral adaptation and cognitive control are crucial for goal-reaching behaviors. Every creature is ubiquitously faced with choices between behavioral alternatives. Common sense suggests that errors are an important source of information in the regulation of such processes. Several theories exist regarding cognitive control and the processing of undesired outcomes. However, most of these models focus on the consequences of an error, and less attention has been paid to the mechanisms that underlie the commissioning of an error. In this article, we present an integrative review of neuro-cognitive models that detail the determinants of the occurrence of response errors. The factors that may determine the likelihood of committing errors are likely related to the stability of task-representations in prefrontal networks, attentional selection mechanisms and mechanisms of action selection in basal ganglia circuits. An important conclusion is that the likelihood of committing an error is not stable over time but rather changes depending on the interplay of different functional neuro-anatomical and neuro-biological systems. We describe factors that might determine the time-course of cognitive control and the need to adapt behavior following response errors. Finally, we outline the mechanisms that may proof useful for predicting the outcomes of cognitive control and the emergence of response errors in future research.

Cette thèse a pour objectif la conception d’une architecture de contrôle bio-inspirée permettant à un robot autonome de naviguer sur de grandes distances. Le modèle développé permet également d’améliorer la compréhension des mécanismes biologiques impliqués. De précédents travaux ont montré qu’un modèle de cellules de lieu, enregistrées chez le rat, permettait à un robot mobile d’apprendre des comportements de navigation robustes, tels qu’une ronde ou un retour au nid, à partir d’associations entre lieu et action. La reconnaissance d’un lieu ne reposait alors que sur des informations visuelles. L’ambiguïté de certaines situations (e.g. un long couloir) ne permettait pas de naviguer dans de grands environnements. L’ajout d’autres modalités constitue une solution efficace pour augmenter la robustesse dans des environnements complexes. Cette solution nous a permis d’identifier les briques minimales nécessaires à la fusion d’informations multimodales, d’abord par le biais d’un conditionnement simple entre 2 modalités sensorielles, puis par la formalisation d’un modèle, plus générique, de prédictions inter-modales. C’est un mécanisme bas niveau qui permet de générer une cohérence perceptive : l’ensemble des modalités sensorielles s’entraident pour ne renvoyer qu’une perception claire et cohérente aux mécanismes décisionnels de plus haut niveau. Les modalités les plus corrélées sont ainsi capables de combler les informations manquantes d’une modalité défaillante (cas pathologique). Ce modèle implique la mise en place d’un système de prédiction et donc une capacité à détecter de la nouveauté dans ses perceptions. Ainsi, le modèle est également capable de détecter une situation inattendue ou anormale et possède donc une capacité d’auto-évaluation : l’évaluation de ses propres perceptions. Nous nous sommes ensuite mis à la recherche des propriétés fondamentales à tout système d'auto-évaluation.La première propriété essentielle a été de constater qu’évaluer un comportement sensorimoteur revient à reconnaître une dynamique entre sensation et action, plutôt que la simple reconnaissance d’une forme sensorielle. La première brique encapsule donc un modèle interne minimaliste des interactions du robot avec son environnement, qui est la base sur laquelle le système fera des prédictions.La seconde propriété essentielle est la capacité à extraire l’information pertinente par le biais de calculs statistiques. Il est nécessaire que le robot apprenne à capturer les invariants statistiques en supprimant l’information incohérente. Nous avons donc montré qu’il était possible d’estimer une densité de probabilité par le biais d’un simple conditionnement. Cet apprentissage permet de réaliser l’équivalent d’une inférence bayésienne. Le système estime la probabilité de reconnaître un comportement à partir de la reconnaissance d’informations statistiques apprises. C’est donc par la mise en cascade de simples conditionnements que le système peut apprendre à estimer les moments statistiques d’une dynamique (moyenne, variance, asymétrie, etc...). La non-reconnaissance de cette dynamique lui permet de détecter qu’une situation est anormale.Mais détecter un comportement inhabituel ne nous renseigne pas pour autant sur son inefficacité. Le système doit également surveiller l’évolution de cette anomalie dans le temps pour pouvoir juger de la pertinence du comportement. Nous montrons comment un contrôleur émotionnel peut faire usage de cette détection de nouveauté pour réguler le comportement et ainsi permettre au robot d’utiliser la stratégie la plus adaptée à la situation rencontrée. Pour finir, nous avons mis en place une procédure de frustration permettant au robot de lancer un appel à l’aide lorsqu’il détecte qu’il se retrouve dans une impasse. Ce réseau de neurones permet au robot d’identifier les situations qu’il ne maîtrise pas dans le but d’affiner son apprentissage, à l’instar de certains processus développementaux. / The goal of this thesis is to build a bio-inspired architecture allowing a robot to autonomouslynavigate over large distances. In a cognitive science point of view, the model also aim at improv-ing the understanding of the underlying biological mechanisms. Previous works showed thata computational model of hippocampal place cells, based on neurobiological studies made onrodent, allows a robot to learn robust navigation behaviors. The robot can learn a round or ahoming behavior from a few associations between places and actions. The learning and recog-nition of a place were only defined by visual information and shows limitations for navigatinglarge environments.Adding other sensorial modalities is an effective solution for improving the robustness of placesrecognition in complex environments. This solution led us to the elementary blocks requiredwhen trying to perform multimodal information merging. Such merging has been done, first,by a simple conditioning between 2 modalities and next improved by a more generic model ofinter-modal prediction. In this model, each modality learns to predict the others in usual situa-tions, in order to be able to detect abnormal situations and to compensate missing informationof the others. Such a low level mechanism allows to keep a coherent perception even if onemodality is wrong. Moreover, the model can detect unexpected situations and thus exhibit someself-assessment capabilities: the assessment of its own perception. Following this model of self-assessment, we focus on the fundamental properties of a system for evaluating its behaviors.The first fundamental property that pops out is the statement that evaluating a behavior is anability to recognize a dynamics between sensations and actions, rather than recognizing a sim-ple sensorial pattern. A first step was thus to take into account the sensation/action couplingand build an internal minimalist model of the interaction between the agent and its environment.Such of model defines the basis on which the system will build predictions and expectations.The second fundamental property of self-assessment is the ability to extract relevant informa-tion by the use of statistical processes to perform predictions. We show how a neural networkcan estimate probability density functions through a simple conditioning rule. This probabilis-tic learning allows to achieve bayesian inferences since the system estimates the probability ofobserving a particular behavior from statistical information it recognizes about this behavior.The robot estimates the different statistical momentums (mean, variance, skewness, etc...) of abehavior dynamics by cascading few simple conditioning. Then, the non-recognition of such adynamics is interpreted as an abnormal behavior.But detecting an abnormal behavior is not sufficient to conclude to its inefficiency. The systemmust also monitor the temporal evolution of such an abnormality to judge the relevance of thebehavior. We show how an emotional meta-controller can use this novelty detection to regu-late behaviors and so select the best appropriate strategy in a given context. Finally, we showhow a simple frustration mechanism allows the robot to call for help when it detects potentialdeadlocks. Such a mechanism highlights situations where a skills improvement is possible, soas some developmental processes.

Diss. (sammanfattning) Umeå : Umeå universitet, 2009. / Härtill 3 uppsatser. Även tryckt utgåva.

Behavioral adaptation and cognitive control are crucial for goal-reaching behaviors. Every creature is ubiquitously faced with choices between behavioral alternatives. Common sense suggests that errors are an important source of information in the regulation of such processes. Several theories exist regarding cognitive control and the processing of undesired outcomes. However, most of these models focus on the consequences of an error, and less attention has been paid to the mechanisms that underlie the commissioning of an error. In this article, we present an integrative review of neuro-cognitive models that detail the determinants of the occurrence of response errors. The factors that may determine the likelihood of committing errors are likely related to the stability of task-representations in prefrontal networks, attentional selection mechanisms and mechanisms of action selection in basal ganglia circuits. An important conclusion is that the likelihood of committing an error is not stable over time but rather changes depending on the interplay of different functional neuro-anatomical and neuro-biological systems. We describe factors that might determine the time-course of cognitive control and the need to adapt behavior following response errors. Finally, we outline the mechanisms that may proof useful for predicting the outcomes of cognitive control and the emergence of response errors in future research.

Les compétences non-techniques (CNT) sont un panel de capacités métacognitives complémentant les compétences techniques, et garantissant la réalisation d’une activité technique sûre. Elles jouent un rôle particulièrement important dans la gestion de situations critiques, et ce dans de nombreux domaines, comme la conduite automobile, ou la médecine d’urgence. Les travaux de cette thèse ont eu pour but de contribuer à la construction d’un environnement virtuel pour l’apprentissage humain (EVAH) de ces compétences non-techniques, via l’expérience de situations critiques. Les travaux se sont focalisés sur deux aspects fondamentaux pour la mise en place d’un EVAH. Dans un premier temps, nous nous sommes focalisés sur la conception d’une architecture de diagnostic des compétences non-techniques de l’apprenant, un problème complexe, « mal-défini » au regard du faible degré de formalisation du domaine, de la nature en temps réel de cet apprentissage, et des relations, propres à chaque individu, entre criticité, compétences techniques et compétences non-techniques. Cette architecture associe connaissances du domaine, apprentissage machine et un réseau bayésien, afin de franchir l’important gap sémantique séparant l’activité perceptivo-gestuelle de l’apprenant produite au sein d’un environnement virtuel, de l’évaluation épistémique de ses compétences. Dans un second temps, nous avons consacré nos efforts à la conception d’un module pédagogique capable de raisonner sur la base du module de diagnostic pour proposer à chaque apprenant un voyage à travers la criticité qui lui soit adapté, personnalisé, et à même de renforcer ses CNT. Ce module associe connaissances issues du réseau bayésien, à un algorithme d’apprentissage par renforcement de type « bandit manchot », pour guider l’apprenant vers une maîtrise toujours plus grande de ses compétences non-techniques. Les expérimentations ont eu pour but de valider les choix de modélisation. Elles se sont basées sur des données réelles, obtenues au cours de sessions d’apprentissage réalisées sur un simulateur « grande échelle » de conduite automobile, pour mettre en évidence la robustesse et la capacité de couverture de l’architecture de diagnostic. Nous avons ensuite conçu un jeu de données synthétiques pour évaluer les capacités du module pédagogique à proposer des situations d’apprentissage adaptées aux singularités de chaque apprenant, et à mêmes de contribuer au renforcement de ses CNT. / Non-technical skills (NTS) are a set of metacognitive abilities that complement technical skills and allow for a safe and efficient technical activity. They play an important role during the handling of critical situations, in many domains, including driving or acute medicine. This thesis work focused on the building of a virtual environment for learning (VEL), dedicated to the training of these non-technical skills, through the experience of critical situations. The main contributions target two fundamental aspects with regards to the construction of such a VEL. First, we focused our efforts on the conception of an architecture able to diagnose a learner’s NTS. This is an ill-defined problem, given the low degree of domain knowledge, the real time aspects of this learning process, and the unique relations between criticality, technical, and non-technical skills. This architecture combines domain knowledge, machine learning, and a Bayesian network, to cross the semantic gap between the learner’s perceptual-gestural activity inside the VEL, and the diagnostic of high level, cognitive, NTS. Second, we built a pedagogical module, able to make decisions based on the diagnostic module, in order to build a « journey through criticality » adapted to each of our learners’ characteristics, in order to strengthen said their NTS. This module associates the knowledge about the learner obtained by the Bayesian network, with a reinforcement-learning « multi-armed bandit » algorithm, to reinforce the learner’s NTS through time. Experiments were conducted in order to validate our modelling choices. These experiments were first conducted on real user data, obtained during training sessions performed on a « large scale » driving simulator, in order to evaluate the robustness of the Bayesian network as well as its ability to provide varied diagnostics given its inputs. We then built a synthetic dataset in order to test the pedagogical module, more specifically its capabilities to provide adapted learning situations to learners of different profiles, and to contribute to these learner’s acquisition of NTS through time.

No description available.

[pt] O processo de combinação de ações de sintonia fina não possui nem uma formulação precisa, nem uma abordagem formal para solucioná-lo. É necessário definir o que combinar dentre as múltiplas ações existentes e, uma vez escolhidas, como compor de maneira que as restrições sejam verificadas. Trata-se de um problema complexo e relevante na área de bancos de dados, tanto para soluções manuais pelo DBA como automáticas, por meio de softwares especializados. Isto ocorre pois os diferentes tipos de ações de sintonia possuem estratégias distintas para alcançar o objetivo em comum. Esta tese propõe um método automático para geração e seleção de soluções combinadas de sintonia fina para bancos de dados relacionais. Discute-se como combinar soluções e respeitar as restrições tecnológicas e recursos computacionais disponíveis. Por fim, apresenta-se uma implementação e avaliação utilizando três SGBDs de mercado relevantes, em que mostramos tanto a eficácia como a eficiência do método proposto. Os resultados mostraram que o método é capaz de produzir soluções combinadas válidas mais eficientes que soluções locais independentes. / [en] The process of combining database tuning actions has neither a precise formulation nor a formal approach to solving it. It is necessary to define what to combine among multiple existing operations and, once chosen, how to compose so that constraints can be verified. It is a complex and relevant problem in the database research area, both for the DBA manual solutions, and automatic ones using specialized software. It is important because the different types of tuning actions have different strategies to achieve a common goal. This thesis proposes an automated method for generating and selecting combined tuning solutions for relational databases. It discusses how to mix solutions and still respect both the technological constraints and available computational resources. Finally, we present an implementation and evaluation using three relevant market DBMSs, where we show both the effectiveness and the efficiency of the proposed method. The results showed that the technique is capable of producing combined solutions that are more efficient than independent local solutions.

The human gaze is pivotal in motion planning and control. Gaze is typically directed at visual target sites prior to physical interactions with them. This proactive gaze (PEG) behavior has been observed in a multitude of physical situations. However, PEG has not been examined in virtual reality (VR). Identification of PEG in VR could be helpful for digital human modeling applications and human-robot interactions. In this study we asked 10 participants to perform a pick-and-place (PAP) task in VR while we were tracking gaze behavior. Our results indicate that PEG also occurs in VR. Furthermore, the action to reach directly towards the PAP object or walk to it before reaching, results in different gaze strategies. Relocating before a reach is associated with gaze to additional sites, such as the floor and the table upon which the object was placed. / Den mänskliga blicken är avgörande för planering och kontroll av rörelse. Blicken riktas vanligtvis mot visuella mål före interaktion med dessa. Denna proaktiva blick (eng. ’proactive gaze’; PEG) har observerats i många olika slags fysiska situationer. Dock har inte PEG undersökts i virtual reality (VR). Identifiering av PEG i VR skulle kunna vara användbart för applikationer med digital mänsklig modellering och människo-robotinteraktioner. I denna studie instruerade vi 10 försöksdeltagare att utföra en s.k. pick-and-place-uppgift (PAP) i en VR-miljö medan vi registrerade deltagarnas blick. Våra resultat indikerar att PEG också förekommer i VR. Vidare leder handlingen att direkt sträcka sig efter objektet till ett annorlunda blickbeteende jämfört med att först förflytta sig innan man sträcker sig efter PAP-objektet. Vid förflyttning innan man sträcker sig efter objektet fästs blicken på ytterligare områden såsom golvet och bordet som objektet placerats på.

Cette thèse examine deux modèles alternatifs de prises de décision motrice à travers des données comportementales humaines et des données électrophysiologiques de singes obtenues lors d'une tâche de décision multi-attributs. Les théories psychologiques classiques suggèrent que la prise de décision soit une fonction de l'exécutif central (EC). En accord avec cela, de nombreuses études ont montré des modulations neuronales concernant les décisions dans le cortex préfrontal (PFC), renforçant la notion que les décisions sont prises à un niveau abstrait dans l'exécutif central du cerveau : le PFC. Cependant, de telles corrélations neuronales se trouvent également dans les régions sensorimotrices, qui étaient traditionnellement considérées externes à l’EC. Cela a conduit à un modèle alternatif de prise de décision dans un EC, impliquant plusieurs zones cérébrales, y compris les zones exécutives et sensorimotrices. Ce second modèle suggère qu'une décision est prise lorsque les compétitions au sein et entre les aires cérébrales arrivent à une résolution, ce qui permet d'atteindre un consensus distribué (CD). L'objectif principal de cette thèse est de tester les prédictions faites par ces deux modèles. Pour ce faire, nous avons conçu une tâche d'atteinte basée sur la valeur d'attributs multiples et créé une situation dans laquelle les deux modèles font des prédictions neuronales distinctes. Dans cette tâche, deux attributs visuels indépendants indiquaient le montant de la récompense associé à chaque cible. L'un était un degré de luminosité, information ascendante (BU pour "bottom-up"), ciblant le réseau de saillance par le biais de la voie visuelle dorsale. L'autre était un indice d'orientation de ligne, information descendante (TD pour "top-down"), ciblant le réseau de catégorisation basé sur la connaissance par le biais de la voie visuelle ventrale. Nous avons effectué des enregistrements dans la région d’atteinte pariétale (PRR) et le cortex pré-moteur dorsal (PMd) du singe, dont les activités neuronales ont été précédemment impliquées comme étant modulées par des attributs BU et TD similaires. Dans la plupart des essais, les deux attributs étaient congruents – tous les deux favorisant la même cible. Cependant, un sous-ensemble d'essais avait des cibles avec la même valeur de récompense totale, mais où les deux attributs étaient en conflit (les caractéristiques BU et TD favorisant des cibles opposées). Le modèle de l'EC prédit que dans ce cas, l’activité neuronale la plus précoce doit apparaître dans une région exécutive et que les régions sensorimotrices doivent recevoir la diffusion de cette décision. Ainsi, ce modèle prédit que la différence du temps de réaction entre le PRR et le PMd sera constante, quelle que soit la manière dont la décision est prise. En revanche, le modèle CD prédit que l’intervalle de décision doit refléter le rôle d'une région dans la décision en cours. Plus précisément, si PRR et PMd font tous deux parties du réseau de décision distribué et jouent un rôle dans l'évaluation des attributs BU et TD, un choix en faveur de l'attribut BU devrait apparaître d'abord dans le PRR et par la suite dans le PMd, tandis qu'un choix en faveur de l'attribut TD devrait apparaître dans l'ordre inverse. Notre étude démontre que le temps de réaction des participants humains était plus rapide dans les essais congruents et lors de l'utilisation de l'information BU par rapport à l'utilisation de l'information TD. La distribution ne reflétait pas linéairement la complexité de l'attribut et semblait plutôt suggérer une intégration incomplète des informations disponibles. Ainsi, le résultat n'était pas entièrement explicable par un modèle d'EC pur. Le temps de réaction des participants était également plus rapide lorsqu'ils choisissaient entre deux options de grande valeur par rapport aux options de faible valeur, ce qui suggère que la loi de Weber ne s'applique pas aux attributs visuels indiquant des informations de valeur. La distribution du temps de réaction de notre premier singe était similaire à celle des participants humains. Sur le plan neuronal, l’intervalle de décision du PMd était presque toujours plus rapide que celle du PRR et le PRR ne précédait jamais le PMd; aussi, la différence de l’intervalle de décision entre ces régions n'était pas constante. Le PMd a montré un biais de base pré-stimulus dans les essais de choix libre, alors que ce n’était pas le cas pour le PRR. La distribution de l’intervalle de décision dans le PMd variait également en fonction des conditions d'essai, tandis que celle du PRR ne distinguait que les cibles uniques des cibles multiples. Une tendance similaire a été observée dans les analyses préliminaires des potentiels de champ locaux (LFP). Enfin, les résultats préliminaires suggèrent des effets plus cohérents de la micro-stimulation dans le PMd que dans le PRR. Nos résultats soutiennent le rôle causal du PMd, mais pas celui du PRR. Nos résultats sont cohérents avec les rapports précédents sur l'activité neuronale liée au choix dans les régions pariétales, car l'activité du PRR reflétait le choix du singe dans notre tâche. Nos résultats sont également cohérents avec d'autres études montrant l'absence de preuves du rôle causal des régions pariétales dans la prise de décision, car l'ordre relatif de l'activité prédictive du choix dans le PRR et le PMd ne variait pas entre les différentes conditions. À la lumière de ces deux modèles, nos résultats suggèrent une troisième alternative, qui inclut potentiellement le PMd en tant que partie du réseau de décision, mais pas le PRR. / This thesis examines two alternative models of action decisions through human behavioural and monkey electrophysiological data obtained during a multi-attribute decision task. Classic psychological theories suggest that decision-making is a function of the Central Executive (CE). In line with this, many studies showed neural correlates of decision variables in the prefrontal cortex (PFC), strengthening the notion that decisions are made at an abstract level in the brain’s central executive: PFC. However, such neural correlates are also found in sensorimotor areas, which were traditionally considered outside the CE. This has led to an alternative model to the decision making in a CE, involving multiple brain areas including both executive and sensorimotor areas. This second model suggests that a decision is made when competitions within and across brain areas come to a resolution, thus a Distributed Consensus (DC) is achieved. The main objective of this thesis is to test the predictions made by these two models. To do so, we designed a multi-attribute value-based reaching task, and created a situation in which the two models made distinct neural predictions. In this task, two independent visual attributes indicated the amount of reward associated with each reach target. One was a “bottom-up” (BU) brightness, targeting the saliency network through the dorsal visual pathway. The other was a “top-down” (TD) line orientation cue, targeting the knowledge-based categorization network through the ventral visual pathway. We recorded from monkey parietal reach region (PRR) and dorsal premotor cortex (PMd), whose activities have previously been implied to be modulated by similar BU and TD attributes. In most trials, the two attributes were congruent – both favoring the same target. However, a subset of trials consisted of a conflict between the two attributes (BU and TD features favoring opposite targets), but the targets had the same total reward values. Here, the CE model predicted that the earliest choice-predictive activity should appear in an executive region, and sensorimotor regions were expected to be receiving this decision broadcast. Thus, the model predicted the latency difference between PRR and PMd to be constant, regardless of how the decision is made. In contrast, the DC model predicted choice latency should reflect a region’s role in the ongoing decision. Specifically, if both PRR and PMd are part of the distributed decision network and play a role in evaluating the BU and TD attributes, a choice in favor of the BU attribute should appear first in PRR and then in PMd, whereas a choice in favor of the TD attribute should appear in the opposite order. We report that human participants’ reaction time (RT) was faster in congruent trials and when using the BU information compared to when using the TD information. The RT distribution did not linearly reflect the attribute complexity, and instead suggested an incomplete integration of available information. Thus, the result was not fully explainable with a pure CE model. Their RT was also faster when choosing between two high-valued options compared to low-valued options, suggesting that Weber-Fechner law does not apply to visual attributes that indicate value. Our first monkey’s RT distribution was similar to that of human participants. Neurally, choice latency of PMd was almost always faster than that of PRR and PRR never preceded PMd, and the latency difference between these regions was not consistent. PMd showed a pre-stimulus baseline bias in free-choice trials, whereas PRR did not. The distribution of choice latency in PMd also varied with trial conditions, whereas that of PRR only discriminated single versus multiple targets. A similar trend was seen in preliminary analyses of local field potentials. Finally, preliminary results suggest more consistent effects of microstimulation in PMd than in PRR. Our results support the causal role of PMd, but do not support that of PRR. This is consistent with previous reports of choice-related neural activity in the parietal regions, as PRR activity did reflect the monkey’s choice in our task. Our results are also consistent with other studies showing the absence of evidence for parietal regions’ causal role in decision-making, as the relative order of choice-predictive activity in PRR and PMd did not vary between different conditions. In light of the two models, our results suggest a third alternative, which potentially includes PMd, but not PRR, as part of the decision network.