Zugl.: Graz, Techn. Univ., Diss., 2008

München, Techn. Univ., Diss., 2002.

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. / 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.

When top sports performers fail or “choke” under pressure, everyone asks: why? Research has identified a number of conditions (e.g. an audience) that elicit choking and that moderate (e.g. trait-anxiety) pressure – performance relation. Furthermore, mediating processes have been investigated. For example, explicit monitoring theories link performance failure under psychological stress to an increase in attention paid to a skill and its step-by-step execution (Beilock & Carr, 2001). Many studies have provided support for these ideas. However, so far only overt performance measures have been investigated which do not allow more thorough analyses of processes or performance strategies. But also a theoretical framework has been missing, that could (a) explain the effects of explicit monitoring on skill execution and that (b) makes predictions as to what is being monitored during execution. Consequently in this study, the nodalpoint hypothesis of motor control (Hossner & Ehrlenspiel, 2006) was taken to predict movement changes on three levels of analysis at certain “nodalpoints” within the movement sequence. Performance in two different laboratory tasks was assessed with respect to overt performance (the observable result, for example accuracy in the target), covert performance (description of movement execution, for example the acceleration of body segements) and task exploitation (the utilization of task properties such as covariation). A fake competition (see Beilock & Carr, 2002) was used to invoke pressure. In study 1 a ball bouncing task in a virtual-reality set-up was chosen. Previous studies (de Rugy, Wei, Müller, & Sternad, 2003) have shown that learners are usually able to “passively” exploit the dynamical stability of the system. According to explicit monitoring theories, choking should be expected either if the task itself evokes an “active control” (Experiment 1) or if learners are provided with explicit instructions (Experiment 2). In both experiments, participants first went through a practice phase on day 1. On day 2, following the Baseline Test participants were divided into a High-Stress or No-Stress Group for the final Performance Test. The High-Stress Group entered a fake competition. Overt performance was measured by the Absolute Error (AE) of ball amplitudes from target height; covert performance was measured by Period Modulation between successive hits and task exploitation was measured by Acceleration (AC) at ball-racket impact and Covariation (COV) of impact parameters. To evoke active control in Exp. 1 (N=20), perturbations to the ball flight were introduced. In Exp. 2 (N=39) half of the participants received explicit skill-focused instructions during learning. For overt performance, results generally show an interaction between Stress Group and Test, with better performance (i. e. lower AE) for the High-Stress group in the final Performance Test. This effect is also independent of the Instructions that participants had received during learning (Exp. 2). Similar effects were found for COV but not for AC. In study 2 a visuomotor tracking task in which participants had to pursuit a target cross that was moving on an invisible curve. This curve consisted of 3 segments of 6 turning points sequentially ordered around the x-axis. Participants learned two short movement sequences which were then concatenated to form a single sequence. It was expected that under pressure, this sequence should “fall apart” at the point of concatenation. Overt Performance was assessed by the Root Mean Square Error between target and pursuit cross as well as the Absolute Error at the turning points, covert performance was measured by the Latency from target to pursuit turning and task exploitation was measured by the temporal covariation between successive intervals between turning points. Experiment 3 (intraindividual variation) as well as Experiment 4 (interindividual variation) show performance enhancement in the pressure situation on the overt level with matching results on covert and task exploitation level. Thus, contrary to previous studies, no choking under pressure was found in any of the experiments. This may be interpreted as a failure in the experimental manipulation. But certainly also important characteristics of the task are highlighted. Choking should occur in tasks where performers do not have the time to use action or thought control strategies, that are more relevant to their “self” and that are discrete in nature. / Wenn Top-Athleten im Wettkampf versagen fragt sich jeder: warum? Die Forschung hat dazu einerseits Bedingungen identifiziert (z.B. die Anwesenheit von Publikum), die „Versagen“ auslösen und die Beziehung Druck- Leistung moderieren. Zudem wurden vermittelnde Prozesse gefunden wie zum Beispiel die bewusste Aufmerksamkeitsfokussierung („explicit monitoring“) auf die Ausführung der Bewegung (Beilock & Carr, 2001). Obwohl es gerade für diese Vorstellungen einige Befunde gibt, wurde bislang fast ausschließlich das Bewegungsresultat („overt performance“) untersucht, nicht aber Variablen, die Aussagen über die Bewegungsausführung zulassen. Zudem fehlt ein theoretischer Rahmen, der Vorhersagen zulässt darüber, (a) welche Veränderungen der Bewegungsausführung unter Druck zu erwarten sind und (b) welchen Stellen der Bewegung bewusst fokussiert werden. Darum wurde für diese Studie die „Knotenpunkthypothese motorischer Kontrolle“ (Hossner & Ehrlenspiel, 2006) herangezogen um auf drei Analyse-Ebenen zu ermöglichen Vorhersagen an Knotenpunkten der Bewegung zu treffen. Leistung wurde entsprechend auf einer overt-Ebene (beobachtbare Bewegungsresultat, z.B. Treffgenauigkeit), einer covert-Ebene (z.B. raum-zeitliche Verlaufe von Gelenkwinkeln) und einer task-exploitation-Ebene (z.B. die Covariation von Ausführungsparametern) untersucht. Für die Manipulation einer „Druck-Bedingung“ wurde ein Pseudowettkampf (nach Beilock & Carr, 2002) verwendet. Für die Experimente 1 und 2 wurde eine semi-virtueller „ball bouncing“-Aufgabe verwendet, für die sich gezeigt hat (de Rugy, Wei, Müller, & Sternad, 2003), dass Lernende tatsächlich in der Lage sind, die dynamische Stabilität der Aufgabe zunehmend auszunutzen. Angenommen wurde, dass Versagen unter Druck erscheinen sollte, wenn die Aufgabe entweder eine „aktive Kontrolle“ verlangt (Experiment 1) oder aber die Lernenden explizite Instruktionen während der Lernphase erhalten. Allerdings zeigen die Ergebnisse beider Experimente nur Leistungsverbesserungen unter Druck-Bedingungen auf overt-Ebene, die mit entsprechenden Verbesserungen auf covefrt- und task-exploitation-Ebene einhergehen. Für die Experimente 3 und 4 wurde eine visuomotorische Tracking-Aufgabe verwendet in der die Probanden zunächst zwei kleinere Bewegungssequenzen erlernten, bevor diese zu einer großen Sequenz verbunden wurde. Unter Druck sollte diese Gesamtsequenz „auseinander brechen“. Jedoch zeigt sich auch hier in beiden Experimenten eine Resultatsverbesserung unter Druck (gegenüber Kontrollbedingungen bzw. –gruppen) auf overt wie auf covert-Ebene. Im Gegensatz zu vielen vorangehenden Studien zeigte sich kein „Choking under Pressure“. Sicherlich stellt sich zunächst die Frage nach der Validität der Druckmanipulation, die aber zumindest für die beiden ersten Experimente gesichert scheint. Relevanter scheint demnach eine Inspektion der Aufgabe. Hier dürfte es sein, dass diskrete Aufgaben, die einen Einsatz von Handlungskontroll-Strategien nicht erlauben und die von größerer „Selbst“-Relevanz sind, eher unter Druck beeinträchtigt werden.

Zugl.: Berlin, Techn. Univ., Diss., 2004 / Hergestellt on demand

Techn. University, Diss., 2004--Berlin.

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. / 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.

No description available.

Das Softwarewerkzeug FUP Blockbibliothek wurde für Entwurf, Simulation, Echtzeitkodegenerierung und Dokumentation von ereignisgesteuerten Systemen, speziell in Maschinenbau, Mechatronik und Elektrotechnik entwickelt. Es stellt eine Erweiterung zu MATLAB /Simulink dar und bietet eine umfangreiche Entwurfsunterstützung einschließlich Werkzeugen zur Erkennung von Eingabe- und Strukturfehlern. Die graphische Darstellung (Blockikonen) lehnt sich an die VDI / VDE - Richtlinie 3684 "Beschreibung ereignisgesteuerter Bewegungsabläufe mit Funktionsplänen" an.

Das Softwarewerkzeug FUP Blockbibliothek wurde für Entwurf, Simulation, Echtzeitkodegenerierung und Dokumentation von ereignisgesteuerten Systemen, speziell in Maschinenbau, Mechatronik und Elektrotechnik entwickelt. Es stellt eine Erweiterung zu MATLAB /Simulink dar und bietet eine umfangreiche Entwurfsunterstützung einschließlich Werkzeugen zur Erkennung von Eingabe- und Strukturfehlern. Die graphische Darstellung (Blockikonen) lehnt sich an die VDI / VDE - Richtlinie 3684 "Beschreibung ereignisgesteuerter Bewegungsabläufe mit Funktionsplänen" an.:Einführung S. 3 Wesentliche Eigenschaften S. 4 Anwendungshinweise S. 6 Blockbibliothek S. 11 Beispiele S. 12 Blockbeschreibungen S. 33