WheelCon: Una plataforma de juego basada en el control de ruedas para estudiar el control del sensor humano

El sistema de control sensorimotor humano es extremadamente robusto^1,aunque la detección está distribuida, variable, escasa, cuantificada, ruidosa y retardada^2,3,4; la computación en el sistema nervioso central es lenta^5,6,7; y el accionamiento muscular fatiga y satura⁸. Se han propuesto muchos modelos teóricos computacionales para explicar el complicado proceso de control sensorimotor humano^{4,9,10,11,12,13,14}, que es un proceso de compensación en alcance humano y respuesta^15,,16. Por ejemplo, la teoría del control de retroalimentación predice la política de control óptimo¹², modelos de teoría bayesiana sensorimotor aprendizaje^17,18,19 y la teoría de la información sensorimotor fundación^20,21. En contraste con la abundancia de modelos teóricos, las plataformas experimentales capaces de manipular componentes importantes de múltiples bucles de retroalimentación carecen de desarrollo. Esto se debe en parte al hecho de que diseñar una plataforma para puentear y probar estos aspectos del control sensorimotor requiere una amplia gama de experiencia, que abarca desde la teoría del control del motor, el procesamiento de señales y la interacción, hasta los gráficos por computadora y la programación. Los investigadores a menudo desarrollan sus propios sistemas de hardware/software personalizados para caracterizar el rendimiento del control sensorimotor humano, lo que puede limitar la capacidad de comparar/contrastar e integrar conjuntos de datos entre grupos de investigación. El desarrollo de un sistema fácil de usar y validado podría ampliar la caracterización cuantitativa del control sensorimotor.

En este artículo, presentamos la plataforma WheelCon, una plataforma novedosa, gratuita y de código abierto para diseñar videojuegos para un entorno virtual que simula de forma no invasiva un juego de alcance de la Ley de Fitts y una tarea de bicicleta de montaña con un sendero empinado, retorcido y accidentado. La ley de Fitts para alcanzar la tarea cuantifica el equilibrio entre velocidad y precisión en el que el tiempo necesario para alcanzar un objetivo de anchura en escalas de distancia como^22,23. La “tarea de bicicleta de montaña” es una combinación de una tarea de búsqueda y seguimiento compensatorio, que son dos componentes clásicos de la investigación sobre el rendimiento sensorimotor humano, especialmente en términos de estudio de bucles de retroalimentación.

WheelCon contiene los componentes básicos altamente demandados presentados en cada teoría: retardo, cuantificación, ruido, perturbación y múltiples bucles de retroalimentación. Es una herramienta potencial para estudiar las siguientes preguntas diversas en el control sensorimotor humano:

• Cómo el sistema sensorimotor humano se ocupa del retraso y la cuantificación en la señalización neuronal, que está fundamentalmente limitado por los recursos limitados (como el espacio y los costos metabólicos) en el cerebro^24,25;
• Cómo la correlación neuronal en la corteza humana con el control sensorimotor^26;
• Cómo los seres humanos manejan las perturbaciones impredecibles y externas en el control sensorimotor^27;
• Cómo los bucles de control jerárquico se integran e integran dentro del sistema sensorimotor humano^16,28,29;
• La consecuencia del retraso y cuantificación en la retroalimentación visual humana³⁰ y la retroalimentación reflexiva³¹ en el control sensorimotor;
• La política y estrategia óptimas para el aprendizaje sensorimotor bajo retraso y cuantificación^16,17,24,29.

WheelCon se integra con un volante y puede simular condiciones de juego que manipulan las variables en estas preguntas, como el retardo de señalización, la cuantificación, el ruido y las perturbaciones, mientras se registran la política de control dinámico y los errores del sistema. También permite a los investigadores estudiar la arquitectura en capas en el control sensorimotor. En el ejemplo de montar en bicicleta de montaña, dos capas de control están involucradas en esta tarea: el plano de capa alta y el reflejo de capa baja. Para las perturbaciones visibles (es decir, el rastro), planificamos antes de que llegue la perturbación. Para perturbaciones desconocidas de antemano (es decir, pequeñas protuberancias), el control se basa en reflejos retardados. La teoría del control de retroalimentación propone que las arquitecturas en capas efectivas pueden integrar los objetivos, los planes, las decisiones con la detección, el reflejo y la acción²⁴de las capas inferiores. WheelCon proporciona herramientas experimentales para inducir perturbaciones distintivas en las capas de plano y reflejo por separado para probar una arquitectura en capas(Figura 1).

Proporcionamos una plataforma barata, fácil de usar y flexible de programar, WheelCon que cierra la brecha entre los estudios teóricos y experimentales sobre neurociencia. Para ser específico, se puede utilizar para examinar los efectos del retardo, la cuantificación, la perturbación, las compensaciones potencialmente de precisión de velocidad. Las variables que se pueden manipular en bucles de control se muestran en la Tabla 1. También se puede aplicar para estudiar la toma de decisiones y la capacidad de multiplexación a través de diferentes capas de control en el control sensorimotor humano. Además, WheelCon es compatible con grabaciones neuronales no invasivas, como la electroencefalografía (EEG), para medir la respuesta neuronal durante el control sensorimotor^32,,33,34,35, y las técnicas de estimulación cerebral no invasiva, como la estimulación eléctrica transcraneal (tES) y la estimulación magnética transcraneal (TMS), para manipular la actividad neuronal^36,37.