WheelCon : une plate-forme de jeu basée sur le contrôle des roues pour étudier le contrôle des capteurs humains

Le système de contrôle sensorimoteur humain est extrêmement robuste¹, bien que la détection soit distribuée, variable, clairsemée, quantifiée, bruyante et retardée^2,3,4; l’informatique dans le système nerveux central est lente^5,6,7; et l’actionnement musculaire fatigue et sature⁸. De nombreux modèles théoriques computationnels ont été proposés pour expliquer le processus de contrôle sensorimoteur humain compliqué^{4,9,10,11,12,13,14}, qui est un processus de compromis dans la portée humaine et la réponse^15,16. Par exemple, la théorie du contrôle de rétroaction prédit la politique de contrôle optimale¹², la théorie bayésienne modèles sensorimoteur apprentissage^17,18,19 et la théorie de l’information sensorimotor fondation^20,21. Contrairement à l’abondance des modèles théoriques, les plates-formes expérimentales capables de manipuler des composants importants de multiples boucles de rétroaction manquent de développement. Cela est dû en partie au fait que la conception d’une plate-forme pour combler et tester ces aspects du contrôle sensorimoteur nécessite une gamme variée d’expertise, s’étendant de la théorie du contrôle moteur, le traitement des signaux, et l’interaction, tout le chemin à l’infographie et la programmation. Les chercheurs développent souvent leurs propres systèmes matériels/logiciels personnalisés pour caractériser les performances de contrôle sensorimotrice humaine, ce qui peut limiter la capacité de comparer/contraster et d’intégrer des ensembles de données entre les groupes de recherche. Le développement d’un système facile à utiliser et validé pourrait élargir la caractérisation quantitative du contrôle sensorimoteur.

Dans cet article, nous présentons la plate-forme WheelCon, une plate-forme nouvelle, libre et open-source pour concevoir des jeux vidéo pour un environnement virtuel qui simule sans invasif une loi Fitts atteignant le jeu et une tâche de vélo de montagne avec la descente d’un sentier raide, torsion et cahoteux. La loi des Fitts pour atteindre la tâche quantifie le compromis entre la vitesse et l’exactitude dans lequel le temps requis pour atteindre un objectif de largeur à des échelles de distance comme^22,23. La « tâche de vélo de montagne » est une combinaison d’une tâche de poursuite et de suivi compensatoire, qui sont deux composantes classiques de la recherche sur les performances sensorimotrices humaines, en particulier en termes d’étude des boucles de rétroaction.

WheelCon contient les composants de base très demandés présentés dans chaque théorie : retard, quantification, bruit, perturbation et boucles de rétroaction multiples. Il s’agit d’un outil potentiel pour étudier les questions diverses suivantes dans le contrôle sensorimoteur humain:

• Comment le système sensorimoteur humain traite le retard et la quantification de la signalisation neuronale, qui est fondamentalement limitée par les ressources limitées (telles que l’espace et les coûts métaboliques) dans le cerveau^24,25;
• Comment corrélation neuronale dans le cortex humain avec le contrôle sensorimoteur²⁶;
• Comment les humains gèrent les perturbations externes imprévisibles dans le contrôle sensorimoteur²⁷;
• Comment les boucles de contrôle hiérarchiques superposées et intégrées dans le système sensorimoteur humain^16,28,29;
• La conséquence du retard et de la quantification de la rétroaction visuelle humaine³⁰ et de la rétroaction réflexe³¹ dans le contrôle sensorimoteur;
• La politique et la stratégie optimales pour l’apprentissage sensorimoteur sous délai et quantification^16,17,24,29.

WheelCon s’intègre à un volant et peut simuler les conditions de jeu qui manipulent les variables dans ces questions, telles que le retard de signalisation, la quantification, le bruit et les perturbations, tout en enregistrant la stratégie de contrôle dynamique et les erreurs du système. Il permet également aux chercheurs d’étudier l’architecture en couches dans le contrôle sensorimoteur. Dans l’exemple de la conduite d’un vélo de montagne, deux couches de contrôle sont impliquées dans cette tâche: le plan de haute couche et le réflexe de basse couche. Pour les perturbations visibles (c.-à-d. le sentier), nous planifions avant l’arrivée de la perturbation. Pour les perturbations inconnues à l’avance (c.-à-d. les petites bosses), le contrôle repose sur des réflexes retardés. La théorie du contrôle de rétroaction propose que des architectures à couches efficaces peuvent intégrer les objectifs, les plans, les décisions des couches supérieures avec la détection, le réflexe et l’action des couches inférieures²⁴. WheelCon fournit des outils expérimentaux pour induire des perturbations distinctives dans le plan et les couches réflexes séparément pour tester une telle architecture en couches (Figure 1).

Nous fournissons une plate-forme de programme bon marché, facile à utiliser et flexible, WheelCon qui comble le fossé entre les études théoriques et expérimentales sur les neurosciences. Pour être précis, il peut être utilisé pour examiner les effets du retard, de la quantification, de la perturbation, des compromis potentiellement de précision de vitesse. Les variables qui peuvent être manipulées dans les boucles de contrôle sont affichées dans le tableau 1. Il peut également être appliqué pour étudier la prise de décision et la capacité de multiplexage à travers différentes couches de contrôle dans le contrôle sensorimoteur humain. En outre, WheelCon est compatible avec les enregistrements neuronaux non invasifs, tels que l’électroencéphalographie (EEG), pour mesurer la réponse neuronale pendant le contrôle sensorimoteur^32,33,34,35, et les techniques non invasives de stimulation cérébrale, telles que la stimulation électrique transcrânienne (tES) et la stimulation magnétique transcrânienne (TMS), pour manipuler l’activité neuronale^36,37.