Prédire le passé et le futur : rôle des représentations motrices dans l'inférence du mouvement

Forecasting the past and the future : role of the motor representations in the motion inference

• Auteur / Autrice : Alessandro Carlini
• Direction : Thierry Pozzo, Rossana Actis-Grosso, N. Stucchi
• Type : Thèse de doctorat
• Discipline(s) : Staps
• Date : Soutenance le 12/10/2012
• Etablissement(s) : Dijon en cotutelle avec Università degli studi di Milano - Bicocca
• Ecole(s) doctorale(s) : École doctorale Environnements, Santé (Dijon ; Besançon ; 2012-....)
• Partenaire(s) de recherche : Laboratoire : Cognition, Action, et Plasticité Sensorimotrice (CAPS) (Dijon)
• Jury : Président / Présidente : Charalambos Papaxanthis
• Jury : Rapporteurs / Rapporteuses : Andréa Serino, Philippe Soueres

Mots clés

Mots clés contrôlés

Modèles biologiques

Perception visuelle du mouvement

Cinématique

Système nerveux central

Mots clés libres

Mouvement Biologique

Modèle Interne

Extrapolation

Localisation

Inférence

Compensation Délais

Biologic Movement

Internal Model

Extrapolation

Localization

Inference

Delay Compensation

Résumé

L’efficacité du système visuel est permise par un complexe réseau d’élaboration, qui s’appuie sur des structures corticales, sous-corticales et périphériques. Le but de la présente recherche est de mieux comprendre le processus de perception visuelle du mouvement, et réaliser un modèle computationnel capable de reproduire les fonctionnalités humaines du tracking (suivi) d'un objet en mouvement. Ce travail de thèse comprend une ample recherche bibliographique, ainsi qu’une série d’expérimentations ; la thèse se compose de deux parties :La première partie a pour objet la détermination des performances dans l’inférence « vers le passé », d’un mouvement partiellement visible. Il s’agit de définir l’implication des informations exogènes (les signaux rétiniens) et endogènes (les modèles internes de l’action observée) dans la reconstruction de la cinématique d’une cible en mouvement et partiellement occultée. Nos résultats supportent l’hypothèse que le Système Nerveux Central adopte un mécanisme basé sur le recours aux modèles internes dans la reconstruction du passé de cinématiques biologiques. La deuxième partie complémente la première, et vise à identifier la structure et les caractéristiques fonctionnelles du système de poursuite, ainsi que à comprendre l’origine des erreurs systématiques présentes dans la localisation d’une cible chez l’homme. Nous avons développé un modèle computationnel en langage Matlab, basé sur le mécanisme d’extrapolation du mouvement, qui est capable de reproduire les données expérimentales dans la tâche de localisation

The effectiveness of the visual system is permitted by a complex processing network, which relies on cortical, sub-cortical and peripheral structures. The purpose of this research is to improve the knowledge of the process sustaining the visual perception of motion, and to produce a computational model able to reproduce the features of human visual tracking of a moving object.This work includes an extensive bibliographic research, and a series of experiments. The thesis consists of two parts:The first part pertains to the determination of performance in the "backward" inference of a partially visible movement. It consist of defining the involvement of exogenous information (retinal signals) and endogenous information (internal models of observed action) in the kinematic reconstruction of a partially hidden trajectory of a moving target. Our results support the hypothesis that the CNS adopts a mechanism based on the use of internal models in the reconstruction of past biological kinematics.The second part complements the first one, and aims to identify the structure and the functional characteristics of the tracking system; it also aims to understand the origin of systematic errors present in the location of a target, in humans.We developed a computational model in Matlab, based on the extrapolation mechanism of movement, which is capable of reproducing the experimental data for the localization task