모터 제어

Motor control
이 기사는 인간과 다른 동물들에 의한 운동 조절에 관한 것이다.기계 및 로봇에 의한 모터 제어는 모터 컨트롤러를 참조하십시오.

운동 제어는 신경계를 가진 유기체의 움직임을 조절하는 것이다.운동 제어에는 방향 이동뿐만 아니라 반사작용도 포함됩니다[1].

움직임을 제어하기 위해, 신경계는 다모드 감각 정보를 통합하고 목표를 수행하기 위해 근육을 모집하는 데 필요한 신호를 이끌어내야 한다.이 경로는 멀티센서리 통합, 신호 처리, 조정, 생체역학 및 [2][3]인식을 포함한 많은 분야에 걸쳐 있으며, 계산 과제는 종종 센서 운동 [4]제어라는 용어로 논의된다.성공적인 운동 제어는 자세, 균형, 안정뿐만 아니라 목표를 수행하기 위해 세계와 상호작용하는 데 중요하다.

일부 연구자들(대부분 운동을 연구하는 대니얼 울퍼트와 랜디 플래너건 같은 신경과학자들)은 운동 조절이 [5]뇌가 존재하는 이유라고 주장한다.

근육의 신경 제어

예를 들어 코를 만지는 것과 같은 모든 움직임은 근육의 수축으로 이어지는 활동 전위를 발생시키는 운동 뉴런을 필요로 합니다.인간의 경우, 약 15만 개의 운동 뉴런이 약 600개의 근육의 수축을 조절합니다.움직임을 만들기 위해, 600개의 근육 중 일부가 적절한 [6]시간에 적절한 힘을 만들기 위해 시간적으로 정확한 패턴으로 수축해야 합니다.

모터 유닛 및 힘 생산

단일 운동 뉴런과 그것이 내부로 침투하는 근육 섬유는 운동 단위라고 불립니다.예를 들어, 대퇴직장은 약 1백만 개의 근육 섬유를 포함하고 있으며, 그것들은 약 1,000개의 운동 뉴런에 의해 제어됩니다.운동 뉴런의 활동은 모든 신경 근육 섬유의 수축을 유발하여 그것들이 하나의 단위로 기능하도록 합니다.운동 뉴런의 활동 전위 빈도(스파이크 속도)의 증가는 최대 [6][7]힘까지 근섬유 수축을 증가시킨다.최대 힘은 근섬유의 수축 특성에 따라 달라집니다.운동 단위 내에서 모든 근육 섬유는 동일한 유형(예: 타입 I(느린 경련) 또는 타입 II 섬유(고속 경련))이며, 여러 유형의 운동 단위는 주어진 근육을 구성합니다.주어진 근육의 운동단위는 총칭하여 모터풀이라고 불린다.

따라서 주어진 근육에서 생성되는 힘은 1) 얼마나 많은 운동 뉴런이 활동하는지, 그리고 그들의 스파이크 속도; 2) 활동적인 뉴런에 의해 내부화된 수축성 특성과 근육 섬유 수에 따라 달라집니다.더 많은 힘을 발생시키려면 활성 운동 뉴런의 스파이크 속도를 증가시키거나 더 많은 그리고 더 강한 운동 단위를 모집합니다.

모집순서

모터풀 내의 모터유닛은 스파이크당 작은 양의 힘을 내는 모터유닛부터 스파이크당 가장 큰 힘을 내는 모터유닛까지 전형적인 순서로 모집된다.운동 단위 힘의 구배는 운동 뉴런의 소마 크기 및 운동 뉴런의 전기적 흥분성의 구배와 관련이 있다.이 관계는 Elwood Henneman에 의해 설명되었고, Henneman의 크기 원리, 신경 과학의 근본적인 발견 그리고 운동 제어의 조직 [8]원리라고 알려져 있습니다.

자세의 지속적인 조정과 같이 작은 힘이 필요한 작업의 경우, 천천히 수축하지만 피로도가 낮은 근육 섬유가 적은 운동 장치를 사용한다.더 많은 힘이 필요하기 때문에 빠른 경련과 빠른 피로성 근섬유를 가진 모터 유닛을 모집합니다. 

높은 ____________________________________________________________________________________________________________________________________________↑ ↑ 타입I 첫 번째 타입 IIB를 채용합니다.

모터 제어의 계산 문제

신경계는 어떤 운동 뉴런이 언제 활성화되는지 선택함으로써 움직임을 일으킨다.모터풀 내에 채용질서가 존재한다는 발견은 문제의 단순화를 반영하는 것으로 생각됩니다.특정 근육이 특정 힘을 생산해야 할 경우, 그 힘이 생산될 때까지 그 모터풀을 채용계층에 따라 활성화하십시오.

그렇다면 어떻게 각 근육에 어떤 힘을 낼지 선택할 수 있을까요?신경계는 이 [4]문제를 해결하기 위해 다음과 같은 문제에 직면한다.

  1. 용장성움직임의 무한 궤적은 목표를 달성할 수 있다(예: 내 코를 만진다).궤도는 어떻게 선택됩니까?어떤 궤적이 가장 좋습니까?
  2. 소음. 소음은 감각에서 근육 수축에 이르는 모든 지점에서 뉴런과 시냅스 연결에서 발생할 수 있는 신호와 무관한 작은 변동으로 정의됩니다.
  3. 운동 뉴런의 활동은 근육 수축보다 먼저 일어나고 운동보다 먼저 일어나죠감각 신호는 또한 이미 일어난 사건들을 반영한다.이러한 지연은 모터 프로그램의 선택에 영향을 미칩니다.
  4. 불확실성.불확실성은 신경 소음으로 인해 발생하지만, 세계 상태에 대한 추론이 정확하지 않을 수 있기 때문에 발생한다(예: 다가오는 공의 속도).
  5. 비정상성운동이 실행되고 있는 동안에도, 몸의 나머지 부분에 대한 반작용력과 같은 단순한 효과를 통해서도, 세계의 상태는 변화하고, 그것이 작동되는 동안 관절의 번역을 일으킨다.
  6. 비선형성신경 활동과 근육 수축의 영향은 매우 비선형적이며, 운동 뉴런 활동의 패턴의 결과를 예측할 때 신경계가 설명해야 합니다.

뇌와 척수의 신경 회로가 동물에게서 볼 수 있는 유동적인 움직임을 만들어내기 위해 어떻게 이러한 요소들을 표현하고 다루는지뿐만 아니라 신경계가 행동 수준에서 어떻게 이러한 문제들을 다루는지 조사하는데 많은 연구가 진행 중이다.

"최적 피드백 제어"는 이러한 계산 [9]문제의 영향력 있는 이론적 프레임이다.

Sensorimotor 피드백

자극에 대한 반응

감각 자극을 인지하고 그 정보를 사용하여 행동에 영향을 미치는 과정은 단계적으로 일어난다.간단한 작업의 반응 시간을 사용하여 이러한 단계에 대한 정보를 표시할 수 있습니다.반응 시간은 자극이 나타나는 시점부터 반응이 끝나는 시점까지의 기간을 말한다.이동 시간은 이동을 완료하는 데 걸리는 시간입니다.첫 번째 반응 시간 실험 중 일부는 프랜시스커스 돈더스에 의해 수행되었으며, 그는 선택 과제에 대한 응답 시간의 차이를 사용하여 자극을 처리하고 올바른 [10]반응을 선택하기 위해 필요한 시간을 결정했다.이 접근법은 궁극적으로 결함이 있지만, 그것은 반응 시간이 자극 식별으로 구성되어 있고, 그 후에 반응 선택이 이루어지며, 궁극적으로 올바른 움직임을 수행하는 데 정점에 이른다는 생각을 낳았다.추가 연구는 이러한 단계가 존재하지만 사용 가능한 선택의 수가 증가함에 따라 반응 시간의 반응 선택 기간이 증가한다는 증거를 제공했는데, 이 관계는 힉의 [11]법칙으로 알려져 있다.

폐쇄 루프 제어

인간의 움직임을 위한 폐쇄 루프 시스템의 고전적인 정의는 잭 A에서 유래했습니다.애덤스(1971년).[12]원하는 출력의 참조를 오류 검출 메커니즘을 통해 실제 출력과 비교하고 피드백을 사용하여 오류를 수정한다.일상적인 활동 중에 수행되는 대부분의 움직임은 감각 정보에 접근하고 움직임을 더 정확하게 지속하기 위해 그것을 사용하는 연속적인 과정을 사용하여 형성된다.이러한 유형의 운동 제어는 움직임을 제어하기 위해 감각 피드백에 의존하기 때문에 피드백 제어라고 불립니다.피드백 제어는 성능에 대한 감각 정보와 움직임이 수행되는 환경으로부터의 특정 감각 입력에 의존하는 운동 제어의 위치 형태입니다.이러한 감각 입력이 처리되는 동안, 반드시 행동에 대한 의식적인 인식을 유발하지는 않습니다.폐쇄 루프[13] 제어는 피드백 기반의 모터 제어 메커니즘으로, 환경에 대한 어떠한 행동도 피드백을 통해 미래 성능에 영향을 미치는 일종의 변화를 일으킵니다.폐쇄 루프 모터 제어는 지속적으로 제어되는 동작에 가장 적합하지만 탄도 동작에는 충분히 빠르게 작동하지 않습니다.탄도행동은 더 [citation needed]이상 적절하지 않을 때에도 생각하지 않고 끝까지 계속되는 행동이다.피드백 제어는 감각 정보에 의존하기 때문에 감각 처리만큼 느립니다.이러한 움직임은 속도-정확도 트레이드오프의 영향을 받습니다. 왜냐하면 감각 처리가 움직임을 제어하기 위해 사용되기 때문에 움직임이 더 빨리 수행될수록 정확도가 떨어지기 때문입니다.

오픈 루프 제어

잭 A의 고전적 정의입니다.Adams:[14] "오픈 루프 시스템에는 오류 조절을 위한 피드백이나 메커니즘이 없습니다.시스템에 대한 입력 이벤트가 영향을 미치고, 시스템이 입력에 변환에 영향을 미치며, 시스템에 출력이 있습니다...일정한 타이밍의 신호등은 부하가 높을 때는 트래픽을 혼란시키고 트래픽이 적을 때는 흐름을 방해합니다.이 시스템에는 보상 기능이 없습니다."

그러나 일부 움직임은 감각 정보를 통합하기에는 너무 빨리 발생하고 대신 피드 포워드 제어에 의존해야 한다.개방 루프 제어는 모터 제어의 피드 포워드 형태이며, 감각 정보가 처리되기 전에 끝나는 빠른 탄도 움직임을 제어하기 위해 사용됩니다.이러한 종류의 조절을 가장 잘 연구하기 위해, 대부분의 연구는 종종 감각 신경이 척수에서 분리된 고양이나 원숭이를 포함하는 탈공명 연구에 초점을 맞추고 있다.팔에서 모든 감각 정보를 잃었던 원숭이들은 탈공제 시술에서 회복된 후 정상적인 행동을 재개했다.대부분의 기술은 다시 익혔지만, 미세 운동 제어는 매우 [15]어려워졌다.개방 루프 제어는 다른 질병 조건에 적응할 수 있으며,[16] 따라서 시스템을 지배하는 비용 기능을 변화시킴으로써 다른 운동 장애의 신호를 추출하는 데 사용될 수 있는 것으로 나타났다.

코디네이션

핵심 모터 제어 문제는 모터 시스템의 다양한 구성 요소를 조정하여 움직임을 생성하는 것입니다.모터 시스템은 매우 복잡하며, 다양한 조직 수준에서 많은 상호 작용 부품으로 구성됩니다.

말초 뉴런은 중추신경계로부터 입력을 받아 근육을 자극한다.차례로, 근육은 관절을 작동시키는 힘을 발생시킨다.부품들이 함께 작동하도록 하는 것은 모터 시스템의 어려운 문제이며, 이 문제를 해결하는 방법은 모터 제어 연구에서 활발한 연구 영역입니다.

반사

어떤 경우에는 운동 구성요소의 배치가 유선 연결되며, 반사라고 불리는 고정된 신경근 경로로 구성됩니다.반사작용은 일반적으로 자동 및 고정운동반응으로 특징지어지며 지각처리에 [17]의존하는 반응보다 훨씬 빠른 시간척도로 발생합니다.반사작용은 작은 섭동에 대해 거의 즉각적인 보상을 제공하고 고정된 실행 패턴을 유지하는 모터 시스템을 안정시키는 데 기본적인 역할을 합니다.일부 반사 루프는 뇌로부터 입력을 받지 않고 척수를 통해서만 전달되므로 주의력이나 의식적인 제어가 필요하지 않습니다.다른 것들은 뇌의 하위 영역을 포함하고 이전의 지시나 의도에 의해 영향을 받을 수 있지만, 지각 처리와 온라인 제어로부터 독립적입니다.

가장 간단한 반사는 단시냅스 반사 또는 단루프 반사(예: 단시냅스 스트레치 반응)입니다.이 예에서 Ia 구심성 뉴런은 근육의 스트레칭으로 인해 변형될 때 근육 스핀들에 의해 활성화된다.척수에서, 이 구심성 뉴런들은 같은 [18]근육의 수축을 조절하는 알파 운동 뉴런으로 직접 시냅스한다.따라서, 근육의 어떠한 스트레칭도 중앙 통제 없이 자동적으로 근육의 반사적인 수축의 신호를 보냅니다.이름과 설명이 암시하듯이, 단시냅스 반사는 구심성 감각 뉴런과 효력 운동 뉴런 사이의 단일 시냅스 연결에 의존합니다.일반적으로 단시냅스 반사의 작용은 고정되어 있으며 의도나 지시에 의해 제어되거나 영향을 받을 수 없다.그러나, 이러한 반사작용의 이득이나 크기가 문맥과 [19]경험에 의해 조정될 수 있다는 몇 가지 증거가 있다.

다발성 시냅스 반사 또는 긴 루프 반사는 척수의 단일 시냅스 연결 이상을 수반하는 반사 호입니다.이러한 루프는 뇌의 피질 영역도 포함할 수 있으며, 따라서 더 긴 이동 시간 때문에 단시냅스 영역보다 느립니다.그러나 다시냅스 반사 루프로 제어되는 동작은 지각 [20]처리를 필요로 하는 동작보다 여전히 빠릅니다.단루프 반사의 작용은 고정된 반면, 다시냅스 반사는 종종 지시나 이전의 [21]경험에 의해 조절될 수 있다.긴 루프 반사의 일반적인 예는 유아에서 관찰되는 비대칭 강직성 목 반사이다.

시너지

모터 시너지는 (1) 일련의 요소 변수 간의 태스크 공유를 구성하고 (2) 성능 [22][23]변수를 안정시키기 위한 목적으로 요소 변수 간의 공변화를 보장하는 다중 요소 시스템의 신경 조직이다.시너지의 구성요소는 물리적으로 연결될 필요가 없으며, 대신 실행되는 특정 모터 태스크에 대한 지각 정보에 대한 응답으로 연결됩니다.시너지는 반사작용처럼 유선 연결된 것이 아니라 학습되고 태스크 의존적인 방식으로 구성됩니다. 시너지는 특정 행동을 위해 구성되며 일반적으로 구성요소 자체에 대해 결정되지 않습니다.니콜라이 번스타인은 전문 대장장이들의 망치질 동작에서 일하는 동안 시너지를 증명한 것으로 유명하다.망치의 움직임을 제어하는 팔의 근육은 하나의 근육의 오류와 변동이 다른 근육의 작용에 의해 자동으로 보상되는 방식으로 정보적으로 연결되어 있다.이러한 보상 작용은 지각 처리가 허용하는 것보다 더 빠르게 발생한다는 점에서 반사 작용과 유사하지만, 이러한 작용은 초보자가 아닌 전문가 성과에만 존재합니다.대장장이의 경우 해당 시너지는 망치질 동작을 위한 것으로 팔 근육의 범용적인 조직이 아니다.시너지는 작업에 의존하는 것 외에 공유와 유연성/안정성의 [24]두 가지 특징을 가지고 있습니다.

"공유"는 특정 모터 태스크의 실행이 시너지를 구성하는 모든 구성요소의 결합된 작용에 좌우되어야 한다고 요구합니다.종종 특정 작업에 엄격히 필요한 것보다 더 많은 구성 요소가 관련되지만(아래의 "용장성" 참조), 모터 작업에 대한 제어는 모든 구성 요소에 분산된다.간단한 시연은 손가락 두 개로 이루어진 힘 생성 작업에서 비롯되며, 참가자들은 두 개의 다른 손가락으로 [25]힘 판을 눌러서 일정한 양의 힘을 생성해야 한다.이 과제에서 참가자들은 독립적인 손가락의 기여를 결합함으로써 특정한 힘 출력을 생성했다.한 손가락에 의해 생성되는 힘은 다를 수 있지만, 이 변화는 다른 손가락의 작용에 의해 제약되어 원하는 힘이 항상 생성된다.

또한 공변화는 모터 작업에 "유연성과 안정성"을 제공합니다.힘 생성 작업을 다시 고려할 때, 한 손가락이 충분한 힘을 생성하지 못하면 다른 손가락에 의해 [25]보상될 수 있다.모터 시너지의 구성요소는 모터 작업의 결과에 영향을 미칠 수 있는 다른 구성요소의 오류와 가변성을 보상하기 위해 동작을 변경할 것으로 예상된다.이는 특정 작업에 대해 여러 모터 솔루션을 제공할 수 있기 때문에 유연성을 제공하며, 개별 모터 구성 요소의 오류가 작업 자체에 영향을 미치는 것을 방지하여 모터 안정성을 제공합니다.

시너지는 모터 제어의 계산 난이도를 단순화합니다.신체 내의 수많은 자유도를 조정하는 것은 매우 복잡한 운동 시스템뿐만 아니라 이 조직이 발생할 수 있는 다양한 수준(신경, 근육, 운동, 공간 등) 때문에 어려운 문제입니다.시너지의 성분은 특정 태스크에 대해 기능적으로 결합되기 때문에 하나의 뉴럴 [26]신호와 관련된 시너지를 활성화함으로써 모터 태스크의 실행을 달성할 수 있다.구성요소의 체계적인 공변화의 결과로 조직이 자동으로 나타나기 때문에 모든 관련 구성요소를 독립적으로 제어할 필요가 없어집니다.반사작용이 물리적으로 연결되어 중추신경계에 의한 개별 구성요소의 제어가 필요하지 않은 방법과 유사하게, 동작은 기능적으로 연결되기 때문에 최소한의 관리 제어로 시너지를 통해 실행될 수 있다.최근 모터 시너지와 더불어 감각 시너지의 용어가 [27]도입되었다.감각 시너지는 환경 입력의 혼합을 통합하여 CNS에 저차원 정보를 제공함으로써 모터 시너지의 채용을 유도하는 데 중요한 역할을 하는 것으로 여겨진다.

시너지는 잡는 동안 손의 움직임과 같은 복잡한 움직임을 제어하는 데 필수적이다.근육 조절과 운동학적 영역 모두에서 그들의 중요성은 최근 [28][29][30]피험자의 큰 코호트를 포함한 연구에서 증명되었다.손잡이에 대한 시너지의 관련성은 또한 손잡이의 분류법에 대한 연구에 의해 강화되며, 특정 손잡이의 그룹들 사이의 근육 및 운동학적 유사성을 보여주며,[31] 특정 움직임 클러스터로 이어진다.

모터 프로그램

시너지가 모터 구성요소의 주변 상호작용에서 도출된 조정을 나타내는 반면, 모터 프로그램은 중앙 제어기(생물 유기체의 경우, 뇌)[20]에 의해 생성되고 실행되는 특정한 사전 구조화된 모터 활성화 패턴입니다.시너지에 의해 제공되는 상향식 접근 방식이 아닌 하향식 접근 방식으로 운동 조정 방식을 나타냅니다.감각 정보는 유기체의 현재 상태를 감지하고 적절한 목표를 결정하기 위해 사용될 가능성이 높지만 모터 프로그램은 개방 루프 방식으로 실행됩니다.그러나 일단 프로그램이 실행되면 추가적인 감각 정보에 의해 온라인에서 변경될 수 없습니다.

모터 프로그램의 존재에 대한 증거는 빠른 움직임 실행과 일단 시작된 움직임의 변경과 관련된 어려움 연구로부터 나온다.예를 들어, 빠른 팔 스윙을 요청받은 사람들은 움직임이 [32]시작된 후 "정지" 신호가 제공될 때 움직임을 멈추는 데 매우 어려움을 겪습니다.이 반전 어려움은 초기 "GO" 신호 후에 실제 이동을 시작하기 전에 정지 신호가 표시되는 경우에도 지속됩니다.이 연구에 따르면 모터 프로그램의 선택과 실행이 시작되면 다른 조치를 취하기 전에 모터 프로그램을 완료해야 합니다.이 효과는 특정 모터 프로그램에 의해 실행되고 있는 이동이 전혀 발생하지 않는 경우에도 발견되었습니다.특정 동작(팔로 밀기 등)을 실행하려고 시도하지만 실제로 움직임이 일어나기 전에 자신도 모르게 몸의 동작이 정지된 사람들은 불평할 수 있는 경우와 같은 근육 활성화 패턴(실제로 움직임을 일으키지 않는 안정화와 지원 활성화 포함)을 보여준다.그들의 의도된 [33]행동을 실행하다.

모터 프로그램에 대한 증거가 설득력 있어 보이지만, 그 이론에 대한 몇 가지 중요한 비판이 있었다.첫 번째는 스토리지 문제입니다.만약 유기체가 만들 수 있는 각각의 움직임이 운동 프로그램을 필요로 한다면, 그 유기체는 그러한 프로그램의 무한한 저장소를 소유할 필요가 있을 것이고, 그것들이 어디에 보관될지는 명확하지 않다.그러한 시설이 필요로 하는 엄청난 기억력 외에도, 뇌에서 모터 프로그램 저장 영역은 아직 확인되지 않았다.두 번째 문제는 움직임의 참신함에 관한 것이다.만약 어떤 특정한 운동에 특정한 모터 프로그램이 필요하다면, 어떻게 새로운 움직임을 만들어 낼지는 명확하지 않다.기껏해야 개인이 새로운 동작을 성공적으로 수행하기 전에 연습을 해야 할 것이고, 최악의 경우 새로운 동작을 위한 모터 프로그램이 존재하지 않기 때문에 새로운 동작을 할 수 없을 것이다.이러한 어려움으로 인해 일반화된 [20]모터 프로그램으로 알려진 모터 프로그램에 대한 더 미묘한 개념이 생겨났습니다.범용 모터 프로그램은 특정 움직임이 아닌 특정 동작 클래스를 위한 프로그램입니다.이 프로그램은 환경의 맥락과 유기체의 현재 상태에 따라 매개 변수가 지정됩니다.

용장성

모터 시스템을 조정하는 데 있어 중요한 문제는 모터 자유도의 중복성 문제입니다."Synergies" 섹션에서 자세히 설명한 바와 같이, 이러한 동작을 제어하는 기능적 시너지는 동작의 결과를 변경하지 않고 공존할 수 있기 때문에 많은 동작과 동작을 여러 방법으로 실행할 수 있다.이는 동작의 생성에 관련된 모터 구성요소가 해당 동작의 물리적 제약조건에 의해 일반적으로 요구되는 것보다 더 많기 때문에 가능합니다.예를 들어 인간의 팔에는 세계에서 손의 위치를 결정하는 7개의 관절이 있다.그러나 손을 놓을 수 있는 위치를 지정하는 데 필요한 공간 치수는 3개뿐입니다.이러한 운동학적 자유도의 초과는 손의 특정 위치에 해당하는 여러 개의 암 구성이 있음을 의미합니다.

운동 중복 연구에 대한 가장 초기의 그리고 가장 영향력 있는 연구 중 일부는 러시아의 생리학자 니콜라이 번스타인에 의해 나왔다.Bernstein의 연구는 주로 숙련된 행동을 위한 협조가 어떻게 개발되었는지를 이해하는 것에 관한 것이었다.그는 운동 시스템의 중복성으로 인해 동등한 [26]결과를 달성하면서 다양한 방법으로 동작과 움직임을 실행할 수 있었다고 관찰했다.운동 동작의 이러한 동등성은 원하는 움직임과 그러한 움직임을 실행하는 데 필요한 운동 시스템의 조정 사이에 일대일 대응이 없음을 의미한다.원하는 움직임이나 동작은 그것을 가능하게 하는 뉴런, 근육, 운동학의 특정한 조정을 가지고 있지 않다.이 모터 등가 문제는 모터 시스템에서 사용 가능한 다중 자유도의 산물이기 때문에 자유도 문제로 알려지게 되었습니다.

모터 제어에 대한 인식

감각 정보의 처리가 움직임과 행동의 통제에 어떻게 영향을 미치는지에 대한 문제와는 관련이 있지만, 세계의 인식이 어떻게 행동을 구조화하느냐에 대한 질문이다.지각은 움직임과 움직임을 조직하고 실행하는 데 사용되는 물체, 환경 및 신체에 대한 관련 정보를 전달하기 때문에 운동 제어에서 매우 중요합니다.모터 시스템을 구성하기 위해 무엇이 인식되고 후속 정보가 어떻게 사용되는지는 지속적인 연구 영역입니다.

모델 기반 제어 전략

대부분의 모델 기반 운동 제어 전략은 지각 정보에 의존하지만, 이 정보가 항상 유용하거나, 검증적이거나, 일정하지는 않다고 가정합니다.광학 정보는 눈 깜빡임으로 인해 중단되고, 움직임은 환경 내의 물체에 의해 방해되며, 왜곡은 물체 모양의 모양을 바꿀 수 있습니다.모델 기반 및 표현 제어 전략은 지각 정보가 [34]없는 경우에도 행동을 계획하고 실행하기 위한 주요 소스 정보로서 지각 정보와 사전 지식의 조합으로 구성된 환경의 정확한 내부 모델에 의존하는 전략이다.

추론 및 간접 지각

지각 시스템의 많은 모델들은 간접 지각 또는 지각되는 세계가 실제 환경과 동일하지 않다는 개념을 가정한다.환경정보는 인식되기 전에 여러 단계를 거쳐야 하며, 이러한 단계 간의 전환은 모호성을 야기한다.실제로 인식되는 것은 이전 경험을 바탕으로 환경에서 무슨 일이 일어나고 있는지에 대한 마음의 가장 좋은 추측입니다.이 아이디어에 대한 지지는 Ames 방의 착각에서 비롯되었다.이 착시에서는, 일그러진 방이, 일정한 사이즈의 것으로 알려진 물체가 방 안을 움직이면서 커지거나 작아지는 것을 보는 사람이 보게 된다.이 방 자체는 사각형이거나 적어도 직각으로 구성되어 있는 것으로 보여지는데, 이는 지각자가 이전에 접한 모든 방들이 그러한 특성을 가지고 있기 때문이다.이 모호성의 또 다른 예는 특정 신경 에너지의 원리로부터 온다.이 원칙은 감각 입력의 다른 형태에 대해 구별되는 신경 유형이 있다는 것을 보여주며, 이러한 신경들은 자극의 방법에 관계없이 특징적인 방식으로 반응한다.즉, 빨간색은 시각신경이 붉은색을 경험하면서 뇌가 처리하는 특정한 패턴으로 발화하게 한다.하지만, 만약 같은 신경이 같은 패턴으로 전기적으로 자극을 받는다면, 뇌는 대응하는 자극이 없을 때 붉은색을 인식할 수 있다.

전진 모델

전방 모델은 사용 가능한 지각 정보를 특정 모터 프로그램과 결합하여 계획된 모터 이동의 결과를 예측하는 모터 제어의 예측 내부 모델입니다.전방 모델은 모터 구성요소의 힘, 속도 및 위치가 환경과 개인의 변화에 어떻게 영향을 미치는지 결정함으로써 동작을 구조화합니다.전방 모델은 개인이 환경과 상호작용할 때 사지 강성의 신경 제어를 돕는 것을 제안한다.전진 모델은 동작의 결과를 예측하기 위한 입력으로 모터 프로그램을 사용하는 것으로 생각됩니다.전진 모델에 의한 예측이 움직임의 실제 결과와 일치하지 않을 때 오류 신호가 생성되어 기존 모델의 갱신을 촉진하고 학습 메커니즘을 제공한다.이 모델들은 왜 스스로를 간지럽히는 것이 불가능한지를 설명해준다.감각은 예측할 수 없을 때 간지럼을 탄다.그러나 전진 모형은 운동 결과를 예측하므로 운동을 예측할 수 있으므로 [35]간지럽지 않습니다.

전진 모델에 대한 증거는 운동 적응에 대한 연구로부터 나온다.한 사람의 목표 지향 도달 움직임이 힘의 장에 의해 교란될 때, 그들은 서서히, 그러나 꾸준히 팔의 움직임을 적응시켜 그들이 목표에 다시 도달할 수 있도록 한다.그러나 종 모양의 속도 프로필, 손의 직선 이동, 부드럽고 연속적인 [36]움직임 등 일부 높은 수준의 움직임 특성을 보존하는 방식으로 그렇게 합니다.이러한 이동 특성은 암 역학(즉, 토크와 힘)이 놀라울 정도로 많이 달라야 하지만 복구됩니다.이러한 회복은 움직임에 동기를 부여하는 것이 특정 운동 계획이라는 증거를 제공하며, 개인은 전방 모델을 사용하여 암 다이내믹스가 특정 작업 수준의 특성을 달성하기 위해 암의 움직임을 어떻게 변화시키는지 예측합니다.예상되는 암 움직임과 관찰된 암 움직임 사이의 차이는 학습의 기준으로 사용되는 오류 신호를 생성합니다.전방 모델에 대한 추가 증거는 피실험자가 시각화되지[37] 않은 움직임에 따라 이펙터의 위치를 결정해야 하는 실험에서 나온다.

역모형

역모델은 원하는 지각적 결과를 얻기 위해 모터 구성요소의 필요한 움직임을 예측합니다.그들은 또한 움직임의 결과를 취해서 그 상태를 초래한 운동 명령의 순서를 결정하려고 시도할 수 있다.이러한 유형의 모델은 개방 루프 제어에 특히 유용하며 헤드가 이동하는 동안 고정된 개체에 고정하는 등의 특정 유형의 이동을 허용합니다.미래 모델을 보완하는 역모델은 적절한 운동 계획을 생성하기 위해 특정 지각 결과를 달성하는 방법을 추정하려고 시도한다.역모형과 전진모형은 매우 밀접하게 연관되어 있기 때문에 내부모형에 대한 연구는 종종 두 모델 유형의 역할에 대한 증거로 사용됩니다.

따라서 운동 적응 연구는 또한 역모형에 대한 근거를 제시합니다.운동 운동은 운동의 특정 불변 특성을 보존하는 미리 정의된 "계획"을 따르는 것으로 보입니다.위에서 언급한 도달 과제에서 종 모양의 속도 프로필과 부드럽고 직선적인 궤적의 지속성은 그러한 [36]계획의 존재에 대한 증거를 제공한다.원하는 작업 수준의 결과를 달성하는 이동은 역모델로 추정한다.따라서 적응은 역모델로 필요한 움직임을 추정하는 과정으로 진행되며, 전진모델로 이동계획의 결과를 시뮬레이션하고, 원하는 결과와 실제 결과 사이의 차이를 관찰하며, 향후 시도를 위해 모델을 갱신한다.

정보 기반 제어

모델 기반 제어의 대안으로 정보 기반 제어가 있습니다.정보 통제 전략은 인지적 모델이나 세계의 표현보다는 환경에 대한 지각적 정보를 바탕으로 움직임과 행동을 조직한다.모터 시스템의 동작은 환경에 대한 정보와 [38]에이전트의 현재 상태에 대한 정보로 구성됩니다.정보 기반 제어 전략은 종종 환경과 유기체를 단일 시스템으로 취급하며, 활동은 이 시스템의 상호작용의 자연스러운 결과로 진행됩니다.정보 기반 제어 전략의 핵심 가정은 환경에 대한 인식이 풍부한 정보와 행동을 생산하기 위한 목적으로 검증된다는 것이다.이는 모델 기반 제어 전략에 의한 간접 인식의 가정에 반한다.

직접 지각

인지적 감각에서의 직접적인 인식은 우리가 인식하는 것이 실제로 세상에 존재하는 것이라는 가정에 근거한다는 점에서 순진하거나 직접적인 사실주의라는 철학적 개념과 관련이 있다.James J. Gibson은 직접 지각을 생태적 [39]지각으로 재창조한 것으로 인정받고 있다.간접 지각의 문제가 감각 정보의 모호성 때문에 우리 환경에 있는 물체에 대한 물리적 정보를 이용할 수 없다고 제안하는 반면, 직접 지각의 지지자들은 감각 신호에 인코딩된 관련 정보가 물체의 물리적 특성이 아니라 오히려 행동 반대라고 제안합니다.다양한 기능을 제공합니다.이러한 어포던스는 모호함 없이 직접 지각할 수 있으며, 따라서 내부 모델이나 세계의 표현에 대한 필요성을 배제한다.어포던스는 에이전트와 그 환경 간의 상호작용의 부산물로만 존재하며, 따라서 인식은 에이전트의 고립이 아닌 에이전트/환경 시스템 전체에 따라 "생태적" 노력입니다.

어포던스는 행동 가능성이기 때문에, 인식은 행동과 움직임의 생산과 직접적으로 연결된다.지각의 역할은 행동을 어떻게 조직하고 [40]제어해야 하는지를 지정하는 정보를 제공하는 것이며, 모터 시스템은 특정 유형의 정보에 특정한 방식으로 반응하도록 "조정"됩니다.이 관계를 통해 모터 시스템의 제어와 동작의 실행은 환경 정보에 의해 좌우된다.예를 들어, 출입구는 통과하는 것을 "대충"하지만 벽은 그렇지 않습니다.출입구를 통과하는 방법은 자신의 몸에 대해 인지되는 정보뿐만 아니라 환경으로부터 받은 시각적 정보에 의해 지정된다.이 정보는 벽이 아닌 출입구의 통과 가능성을 결정합니다.또한 출입구를 향해 이동하거나 통과하는 동작은 더 많은 정보를 생성하며, 이는 다시 추가 동작을 규정한다.직접적인 인식의 결론은 행동과 인식은 비판적으로 연결되어 있고 다른 행동 없이는 완전히 이해할 수 없다는 것이다.

행동역학

직접 지각 행동 역학의 가정에 기초하는 것은 지각 유기체를 기능적인 [38]방식으로 정보 변수에 반응하는 동적 시스템으로서 취급하는 행동 제어 이론이다.행동에 대한 이러한 이해 아래, 행동은 유기체 간의 상호작용과 신체 관련 변수에 지정된 환경에 대한 이용 가능한 정보의 자연스러운 결과로 전개된다.행동 역학의 연구의 많은 부분은 어디에 시각적으로 명시한 정보(광학적 흐름, 접촉 소요 시간, 광학 팽창, 기타 등등.. 같은)에서는 환경은 인간 사이로 들어온 계속됨에 의해도 행동 역학에 영향을 미치는 environment[41][42]상호 작용력을 찾기 위한 결정에 사용된다 이동에 집중하고 있습니다.rol의 사지의 경직

모터 제어 계획

개별 이동 최적화

중추신경계가 어떻게 팔다리와 눈의 움직임에 도달하는지를 설명하는 몇 가지 수학적 모델이 있다.최소 저크 모델은 도달 시간에 걸쳐 CNS가 사지 끝점 궤적의 저크를 최소화하여 부드러운 [43]궤적을 만든다는 것을 나타냅니다.그러나 이 모델은 오로지 운동의 운동학에 기초하며 근골격계의 기본 역학을 고려하지 않는다.따라서,[44] CNS가 도달 시간에 따른 조인트 토크 변화를 최소화하는 최소 토크 변화 모델이 대안으로 도입되었습니다.

나중에 CNS가 실제로 저크 또는 토크 변화와 같은 복잡한 양을 추정하여 궤적의 지속 시간에 걸쳐 통합시킬 수 있는 방법에 대한 명확한 설명이 없다는 주장이 제기되었다.이에 대응하여, 대신 신호 의존적 노이즈에 기초한 모델이 제안되었는데, 이는 CNS가 사지 끝점의 최종 위치의 분산을 최소화하여 궤적을 선택한다는 것이다.신경계에는 근육의 활성화에 비례하는 운동 소음이 있기 때문에 움직임이 빠를수록 운동 소음이 많아져 [45]정밀도가 떨어진다.이것은 또한 Fitts의 법칙과 속도-정확도 트레이드오프와도 [46]일치한다.최적 제어 이론은 신호 의존적 노이즈에 기초한 모델을 더욱 확장하기 위해 사용되었으며, 여기서 CNS는 정확도와 관련된 항과 추가로 [47]이동의 대사 비용과 관련된 항으로 구성된 객관적 함수를 최적화한다.

또 다른 유형의 모델은 비용 편익 트레이드오프를 기반으로 하며, 목적 함수는 이동의 대사 비용 및 목표 달성과 관련된 주관적 보상을 포함한다.이 경우, 획득된 보상은 [48][49]더 많은 시간을 소비할 때 덜 가치 있는 것으로 인식되기 때문에, 원하는 목표 내에서 성공적으로 도달한 보상은 도달 기간만큼 할인된다.그러나 이러한 모델은 결정론적이었으며 속도-정확도 트레이드오프를 초래하는 확률적 모터 제어의 필수 특성인 모터 노이즈를 고려하지 않았다.이를 해결하기 위해 모터 소음을 통합하고 비용-편익 및 속도-정확도 트레이드오프를 [50]통합하기 위한 새로운 모델이 나중에 제안되었다.

멀티 컴포넌트 이동

일부 연구는 CNS가 복잡한 움직임을 하위 움직임으로 나눌 수 있다는 것을 관찰했다.초기 하위 이동은 가능한 한 빨리 대상 근처에 사지 끝점을 가져오기 위해 빠르고 부정확한 경향이 있습니다.그 후, 최종 서브 무브먼트는 첫 번째 서브 무브먼트에 의해 누적된 오류를 수정하고 목표치에 [51][52]성공적으로 도달하기 위해 느리고 정확한 경향이 있다.이후 연구는 CNS가 다른 조건에서 초기 하위 이동의 임시 대상을 선택하는 방법을 추가로 조사했다.예를 들어 실제 목표 크기가 감소하고 복잡성이 증가하면 최종 수정 작업을 위한 공간을 확보하기 위해 초기 하위 이동의 임시 목표가 실제 목표에서 멀어집니다.도달 거리가 길어질수록 초기 하위 이동에 더 많은 오류가 누적되고 따라서 더 복잡한 최종 보정이 필요하기 때문에 유사한 효과가 있다.덜 복잡한 상황에서 최종 실제 타깃이 크고 이동이 짧은 경우 CNS는 여러 [53]경쟁업체로 분할하지 않고 단일 이동을 사용하는 경향이 있습니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Sibson, Francis (1850). "On The Causes Which Excite And Influence Respiration In Health And Disease". The Transactions of the Provincial Medical and Surgical Association. 5 - New Series: 181–350. In all these instances the act of inspiration is excited through the reflex function of the nervous system -- the sudden impression made on the skin stimulates the extremities of the incident nerves; the stimulus is conveyed by the incident nerves to the spinal nervous centre, and is thence transmitted back over the motor nerves of inspiration. That these respiratory movements are purely excito-motor, and performed without the intervention of sensation, in many of those instances in which the excited movements are most energetic, is proved by the case with which remarkable movements of respiration were occasioned by stimulating the surface in cases of syncope, hysteria, and epilepsy, cases in which sensation was altogether absent, and was only restored after repeatedly stimulating the surface, and so inducing deep reflex inspirations again and again by exciting the incident nerves. [Page 206]
  2. ^ Rosenbaum, David A. (1991). Human motor control. San Diego, CA: Academic Press. p. 411. ISBN 978-0-12-597300-7.
  3. ^ Wise, Stephen P.; Shadmehr, Reza (July 10, 2002). "Motor Control". Encyclopedia of the Human Brain. Academic Press. pp. 137–157. ISBN 978-0122272103.
  4. ^ a b Franklin, David W.; Wolpert, Daniel M. (November 2011). "Computational Mechanisms of Sensorimotor Control". Neuron. 72 (3): 425–442. doi:10.1016/j.neuron.2011.10.006. PMID 22078503.
  5. ^ Wolpert, Daniel, The real reason for brains, retrieved 2020-03-27
  6. ^ a b Kernell, Daniel. (2006). The motoneurone and its muscle fibres. Oxford: Oxford University Press. ISBN 0-19-852655-5. OCLC 68260702.
  7. ^ Monster, A. W.; Chan, H. (1977-11-01). "Isometric force production by motor units of extensor digitorum communis muscle in man". Journal of Neurophysiology. 40 (6): 1432–1443. doi:10.1152/jn.1977.40.6.1432. ISSN 0022-3077. PMID 925737.
  8. ^ Mendell, Lorne M. (June 2005). "The size principle: a rule describing the recruitment of motoneurons". Journal of Neurophysiology. 93 (6): 3024–3026. doi:10.1152/classicessays.00025.2005. ISSN 0022-3077. PMID 15914463.
  9. ^ Todorov, Emanuel; Jordan, Michael I. (November 2002). "Optimal feedback control as a theory of motor coordination". Nature Neuroscience. 5 (11): 1226–1235. doi:10.1038/nn963. ISSN 1097-6256. PMID 12404008. S2CID 205441511.
  10. ^ Donders, FC. (1969). "On the speed of mental processes" (PDF). Acta Psychol (Amst). 30: 412–31. doi:10.1016/0001-6918(69)90065-1. PMID 5811531.
  11. ^ Hick, W. E. (1952). "On the rate of gain of information". Quarterly Journal of Experimental Psychology. 4 (1): 11–26. doi:10.1080/17470215208416600. S2CID 39060506.
  12. ^ J.A. 아담스.운동 학습의 폐쇄 루프 이론.In: 운동 동작 저널 3(1971) 페이지 116.이것은 잭 A에서도 인용되고 있습니다.아담스, 운동 학습의 폐쇄 루프 이론에 대한 논점. 입력: George E. Stelmach(Ed.) 모터 제어, 문제 및 동향 학술지. 뉴욕 1976 페이지 89
  13. ^ 리처드 A.슈미트: 모터 제어 및 학습.Human Kinetics 출판사, 일리노이 주 챔페인, 1982, 페이지 186
  14. ^ J.A. 아담스.운동 학습의 클로즈드 루프 이론.입력: 모터 동작 저널 3(1971) 페이지 116.인용처: 잭 A.아담스, 운동 학습의 폐쇄 루프 이론에 대한 논점. 입력: George E. Stelmach(Ed.) 모터 제어, 문제 및 동향 학술지. 뉴욕 1976 페이지 89
  15. ^ Taub, Edward; Steven J. Ellman; A. J. Berman (February 1966). "Deafferentation in Monkeys: Effect on Conditioned Grasp Response". Science. 151 (3710): 593–594. Bibcode:1966Sci...151..593T. doi:10.1126/science.151.3710.593. PMID 4955315. S2CID 23105615.
  16. ^ Unni, Midhun P.; Sinha, Aniruddha; Chakravarty, Kingshuk; Chatterjee, Debatri; Das, Abhijit (2017). "Neuromechanical Cost Functionals Governing Motor Control for Early Screening of Motor Disorders". Frontiers in Bioengineering and Biotechnology. 5: 78. doi:10.3389/fbioe.2017.00078. ISSN 2296-4185. PMC 5733372. PMID 29326926.
  17. ^ Dewhurst DJ (1967). "Neuromuscular control system". IEEE Trans Biomed Eng. 14 (3): 167–71. doi:10.1109/TBME.1967.4502494. PMID 6080533.
  18. ^ Pearson, Keir; Gordon, James (2000), "Spinal reflexes", Principles of Neuroscience, New York, NY: McGraw-Hill, pp. 713–736
  19. ^ Matthews PB (1986). "Observations on the automatic compensation of reflex gain on varying the pre-existing level of motor discharge in man". J Physiol. 374 (1): 73–90. doi:10.1113/jphysiol.1986.sp016066. PMC 1182707. PMID 3746703.
  20. ^ a b c
  21. ^ Evarts EV (1973). "Motor cortex reflexes associated with learned movement". Science. 179 (4072): 501–3. Bibcode:1973Sci...179..501E. doi:10.1126/science.179.4072.501. PMID 4196171. S2CID 35097073.
  22. ^ Latash, Mark L; Scholz, John P; Schöner, Gregor (2007). "Toward a new theory of motor synergies". Motor Control. 11 (2): 276–308. doi:10.1123/mcj.11.3.276. PMID 17715460.
  23. ^ Alnajjar, F.; Wojtara, T.; Kimura, H.; Shimoda, S. (2013). "Muscle synergy space: learning model to create an optimal muscle synergy". Frontiers in Computational Neuroscience. 7: 136. doi:10.3389/fncom.2013.00136. PMC 3796759. PMID 24133444.
  24. ^ Latash, Mark (2008). Synergy. Oxford, NY: Oxford University Press. pp. 412.
  25. ^ a b Scholz, John P; Danion, Frederic; Latash, Mark L; Schöner, Gregor (2002). "Understanding finger coordination through analysis of the structure of force variability". Biological Cybernetics. 86 (1): 29–39. doi:10.1007/s004220100279. PMID 11918210. S2CID 21724369.
  26. ^ a b Bernstein, Nikolai (1967). The Co-ordination and Regulation of Movement. Long Island City, NY: Permagon Press. p. 196.
  27. ^ Alnajjar, F.; Itkonen, M.; Berenz, V.; Tournier, M.; Nagai, C.; Shimoda, S. (2015). "Sensory synergy as environmental input integration". Frontiers in Neuroscience. 7: 136. doi:10.3389/fnins.2014.00436. PMC 4292368. PMID 25628523.
  28. ^ Santello, Marco; Flanders, Martha; Soechting, John F. (1 December 1998). "Postural Hand Synergies for Tool Use". Journal of Neuroscience. 18 (23): 10105–10115. doi:10.1523/JNEUROSCI.18-23-10105.1998. ISSN 0270-6474. PMC 6793309. PMID 9822764.
  29. ^ Scano, Alessandro; Chiavenna, Andrea; Molinari Tosatti, Lorenzo; Müller, Henning; Atzori, Manfredo (2018). "Muscle Synergy Analysis of a Hand-Grasp Dataset: A Limited Subset of Motor Modules May Underlie a Large Variety of Grasps". Frontiers in Neurorobotics. 12: 57. doi:10.3389/fnbot.2018.00057. ISSN 1662-5218. PMC 6167452. PMID 30319387.
  30. ^ Jarque-Bou, Néstor J.; Scano, Alessandro; Atzori, Manfredo; Müller, Henning (28 May 2019). "Kinematic synergies of hand grasps: a comprehensive study on a large publicly available dataset". Journal of NeuroEngineering and Rehabilitation. 16 (1): 63. doi:10.1186/s12984-019-0536-6. ISSN 1743-0003. PMC 6540541. PMID 31138257.
  31. ^ Stival, Francesca; Michieletto, Stefano; Cognolato, Matteo; Pagello, Enrico; Müller, Henning; Atzori, Manfredo (15 February 2019). "A quantitative taxonomy of human hand grasps". Journal of NeuroEngineering and Rehabilitation. 16 (1): 28. doi:10.1186/s12984-019-0488-x. ISSN 1743-0003. PMC 6377750. PMID 30770759.
  32. ^ Henry, Franklin M.; Harrison, John S. (1961). "Refractoriness of Fast Movement". Perceptual and Motor Skills. 13 (3): 351–354. doi:10.2466/pms.1961.13.3.351. S2CID 145550278.
  33. ^ Wadman, W. J.; Denier van der Gon, J. J.; Geuze, R. H.; Mol, C. R. (1979). "Control of Fast Goal-Directed Arm Movements". Journal of Human Movement Studies. 5: 3–17.
  34. ^ Kawato, Mitsuo (1999). "Internal models for motor control and trajectory planning". Current Opinion in Neurobiology. 9 (6): 718–727. doi:10.1016/S0959-4388(99)00028-8. PMID 10607637. S2CID 878792.
  35. ^ Blakemore, Sarah-Jayne; Daniel Wolpert; Christ Frith (3 August 2000). "Why can't you tickle yourself?". NeuroReport. 11 (11): 11–16. doi:10.1097/00001756-200008030-00002. PMID 10943682.
  36. ^ a b Shadmehr, Reza; Mussa-Ivaldi, Fernando A. (1994). "Adaptive Representation of Dynamics during Learning of a Motor Task". The Journal of Neuroscience. 14 (5): 3208–3224. doi:10.1523/JNEUROSCI.14-05-03208.1994. PMC 6577492.
  37. ^ Wolpert, Daniel M.; Ghahramani, Zoubin; Jordan, Michael I. (1995). "An Internal Model for Sensorimotor Integration". Science. 269 (5232): 1880–1882. Bibcode:1995Sci...269.1880W. doi:10.1126/science.7569931. PMID 7569931.
  38. ^ a b Warren, William H. (2006). "The Dynamics of Perception and Action". Psychological Review. 113 (2): 358–389. CiteSeerX 10.1.1.536.7948. doi:10.1037/0033-295x.113.2.358. PMID 16637765.
  39. ^ Gibson, James J. (1986). The Ecological Approach to Visual Perception. Psychology Press. p. 332. ISBN 978-0898599596.
  40. ^ Michaels, Claire F.; Carello, Claudia (1981). Direct Perception. Englewood Cliffs, NJ: Prentice Hall. pp. 200. ISBN 978-0132147910.
  41. ^ Fajen, Brett R.; Warren, William H. (2003). "Behavioral dynamics of steering, obstable avoidance, and route selection". Journal of Experimental Psychology: Human Perception and Performance. 29 (2): 343–362. doi:10.1037/0096-1523.29.2.343. PMID 12760620.
  42. ^ Fajen, Bret R.; Matthis, Jon S. (2011). "Direct Perception of Action-Scaled Affordances: The Shrinking Gap Problem". Journal of Experimental Psychology: Human Perception and Performance. 37 (5): 1442–1457. doi:10.1037/a0023510. PMC 3140555. PMID 21500936.
  43. ^ Flash, Tmar; Hogan, Neville (1985). "The Coordination of Arm Movements: An Experimentally Confirmed Mathematical Model". Neuroscience. 5 (7): 1688–1703. doi:10.1523/JNEUROSCI.05-07-01688.1985. PMC 6565116.
  44. ^ Uno, Yoji; Kawato, Mitsuo; Suzuki, Rika (1989). "Formation and Control of Optimal Trajectory in Human Multijoint Arm Movement". Biological Cybernetics. 61 (2): 89–101. doi:10.1007/BF00204593.
  45. ^ Harris, Christopher M.; Wolpert, Daniel M. (1998). "Signal-dependent noise determines motor planning". Nature. 394 (6695): 780–784. doi:10.1038/29528.
  46. ^ Fitts, Paul M. (1998). "The information capacity of the human motor system in controlling the amplitude of movement". Journal of Experimental Psychology. 47: 381–91.
  47. ^ Todorov, Emanuel; Jordan, Michael I. (2002). "Optimal feedback control as a theory of motor coordination". Nature Neuroscience. 5: 1226–1235. doi:10.1038/nn963.
  48. ^ Shadmehr, Reza; Orban De Xivry, Jean Jacques; Xu-Wilson, Minnan; Shih, Ting-Yu (2010). "Temporal discounting of reward and the cost of time in motor control". Journal of Neuroscience. 30 (31): 10507–10516. doi:10.1523/JNEUROSCI.1343-10.2010. PMC 2926660.
  49. ^ Rigoux, Lionel; Guigon, Emmanuel (2012). "A model of reward and effort-based optimal decision making and motor control". PLOS Computational Biology. 8 (10): e1002716. doi:10.1371/journal.pcbi.1002716. PMC 3464194.
  50. ^ Peternel, Luka; Sigaud, Olivier; Babič, Jan (2017). "Unifying speed-accuracy trade-off and cost-benefit trade-off in human reaching movements". Frontiers in Human Neuroscience. 11 (615). doi:10.3389/fnhum.2017.00615.
  51. ^ Woodworth, Robert S. (1899). "Accuracy of voluntary movement". The Psychological Review: Monograph Supplements. 3 (3).
  52. ^ Elliott, Digby; Helsen, Werner F.; Chua, Romeo (2001). "A century later: Woodworth's (1899) two-component model of goal-directed aiming". Psychological Bulletin. 127 (3): 342. doi:10.1037/0033-2909.127.3.342.
  53. ^ Peternel, Luka; Babič, Jan (2019). "Target of initial sub-movement in multi-component arm-reaching strategy". Scientific Reports. 9 (1): 1–9. doi:10.1038/s41598-019-56430-x. PMC 6934494.

36. J.A. 아담스.운동 학습의 폐쇄 루프 이론.인: 모터 동작 저널 3(1971) 페이지 111-150

37. 조지 E.Stelmach(Ed.) 모터 제어, 문제 및 동향학술지.1976년 뉴욕

추가 정보

운동선수에 관한 연구

  • Gray, Rob (2011). "Links Between Attention, Performance Pressure, and Movement in Skilled Motor Action". Current Directions in Psychological Science. 20 (5): 301–306. doi:10.1177/0963721411416572. S2CID 15905566.
  • Mikheev, Maxim; Mohr, Christine; Afanasiev, Sergei; Landis, Theodor; Thut, Gregor (2002). "Motor control and cerebral hemispheric specialization in highly qualified judo wrestlers". Neuropsychologia. 40 (8): 1209–1219. doi:10.1016/s0028-3932(01)00227-5. PMID 11931924. S2CID 7825661.
  • Paul, M.; Ganesan, S.; Sandhu, J.; Simon, J. (2012). "Effect of Sensory Motor Rhythm Neurofeedback on Psycho-physiological, Electroencephalographic Measures and Performance of Archery Players". Ibnosina Journal of Medicine & Biomedical Sciences. 4 (2): 32–39. doi:10.4103/1947-489X.210753.