4. Información
Sensorial SNC Respuesta
Motora
Modelos Computacionales permiten relacionar las señales sensoriales con los
comandos motores
Existen diversas transformaciones (cálculos) para completar este proceso
Movimiento
Humano
Enfoque
Cognitivo
9. Conceptos
Tarea
Estado del sistema
▪ Representación compacta, con una baja dimensionalidad.
▪ Contiene toda la información tiempo-variable relevante para
predecir o controlar el futuro del sistema.
Contexto del movimiento
▪ Conjunto de variables que cambian discretamente (o no cambian) en el
tiempo. Ej: la identidad de un objeto, la masa de una extremidad.
Movimiento
Humano
Enfoque
Cognitivo
10. Movimiento
Humano
Enfoque
Cognitivo
Modelos Internos
Modelo Directo Modelo Inverso
• Mecanismos neurales que pueden imitar la información sensorio-motora.
• El SNC modela internamente al Sistema Sensorio-motor
• El SNC computa y controla las señales para producir patrones adecuados de fuerza
11. Wolpert, D. M., & Ghahramani, Z. (2000). Computational principles of movement neuroscience. Nature neuroscience, 3 Suppl, 1212–7. doi:10.1038/81497
Movimiento
Humano
Enfoque
Cognitivo
12.
13.
14. La tarea determina el plan
de movimiento
A > distribución de la
trayectoria > distribución de
la posición final > costo de la
tarea.
Optimización de laTarea (a
< costo < error)
Wolpert, D. M., & Ghahramani, Z. (2000). Computational principles of movement neuroscience. Nature neuroscience, 3 Suppl, 1212–7. doi:10.1038/81497
Notas del editor
Actualmente los 2 enfoques cuantitativos más importantes.
Para recalcar lo complejo que puede ser entender todas las transformaciones que deben suceder para generar el movimiento.
Click en el nombre para cargar el video.
Retomar la idea con que finaliza el video: los cálculos o computaciones que realiza el SNC para originar un movimiento acorde con su entorno no deja de ser trivial
Imagen sacada y explicada en el video
La idea es recordar lo “ruidoso” que es la información somatosensorial, la variabilidad de las tareas y lo variable de los programas motores (perturbaciones) por lo que se hace necesario preguntarse como el SNC logra solucionar este problema
Ejemplo de estado del sistema: Si conozco la posición, velocidad y efecto de la pelota de tennis (esto es el “estado” del balón) puedo predecir la trayectoria completa que tendrá en el futuro sin la necesidad de conocer todas las variables que conforman a la pelota de tennis (el comportamiento de cada uno de sus átomos por ejemplo). Esto se debe a que nuestro SNC “conoce” las leyes físicas fundamentales que rigen la naturaleza.
Ejemplo de Contexto del Movimiento: Todo lo que cambie muy poco en el tiempo o no cambie: el peso de un balón, la masa de un objeto, etc
NUESTRA HABILIDAD DE GENERAR COMPORTAMIENTOS MOTORES PRECISOS Y APROPIADOS SE BASA EN LA CONFECCIÓN DE NUESTROS COMANDOS MOTORES SEGÚN EL CONTEXTO DE MOVIMIENTO IMPERANTE O ACTUAL.
Loop entre modelo inverso (para establecer el feedforward) y modelo directo (que permite predecir el feedback sensorial y generar el programa motor que en conjunto al feedback sensoria real se logra establecer las correcciones al programa motor)
Imagen sacada y explicada en el video
Explicar que existen grados de libertad en términos de la trayectoria o patrón de movimiento, en las posiciones de las articulaciones y en el estado de los músculos (contraído – relajados) por lo que existen infinitas posibilidades. Por lo tanto el SNC debe tomar la mejor decisión según la tarea: lo que propone el modelo cognitivo es una fórmula denominada “la decisión o inferencia bayesiana”. Se ve en una diapo siguiente.
