Forscher haben untersucht, wie zwei mechanisch gekoppelte Personen mit unterschiedlicher individueller Bewegungsenergie gemeinsam ein Ziel erreichen. Die Studie zeigt, dass das gemeinsame Bewegungstempo, das als dyadisches Vigor bezeichnet wird, stark vom langsameren Partner beeinflusst wird und sich über mehrere Durchgänge hinweg stabilisiert.
Studienaufbau
In einem Laborversuch wurden mehrere Paare von Personen an einem Tisch befestigt, den sie gemeinsam verschieben mussten. Jeder Partner führte die gleiche Zielbewegung aus, während die Interaktionskräfte zwischen den beiden gemessen wurden. Die individuellen Vigor-Werte wurden zuvor in Einzelversuchen ermittelt, um die Unterschiede zwischen den Partnern zu quantifizieren.
Ergebnisse
Die Analyse ergab, dass die Paare die Zielbewegung mit minimaler Interaktionskraft koordinierten und dabei ein dyadisches Vigor entwickelten, das den Charakteristika des individuellen Vigor entsprach. Der langsamere Partner bestimmte jedoch das dyadische Vigor maßgeblich, sodass dessen individuelle Geschwindigkeit den gemeinsamen Bewegungsplan vorhersagte. Dieser Einfluss blieb auch nach wiederholtem Training erhalten.
Computational Modeling
Durch den Einsatz eines stochastischen optimalen Steuerungsmodells konnten die Forscher den kritischen Beitrag von Unsicherheit im Bewegungszeitpunkt und von Vigor der einzelnen Partner quantifizieren. Das Modell erklärte, wie die Partner ihre Bewegungen synchronisieren, indem sie die Unsicherheit des Gegenübers kompensieren und das langsamere Tempo übernehmen.
Praktische Bedeutung
Die Ergebnisse liefern Erkenntnisse für Anwendungen in der physischen Rehabilitation, wo Patienten mit unterschiedlicher Leistungsfähigkeit gemeinsam trainieren. Ebenso können die Befunde in der kollaborativen Robotik genutzt werden, um Roboter so zu steuern, dass sie sich an das Tempo menschlicher Partner anpassen.
Ausblick
Weitere Forschungen sollen prüfen, ob die beschriebenen Mechanismen auch bei komplexeren Aufgaben und in heterogeneren Gruppen gelten. Zudem ist geplant, die Modellparameter in Echtzeit zu adaptieren, um adaptive Assistenzsysteme zu entwickeln.
Dieser Bericht basiert auf Informationen von eLife, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.
Ende der Übertragung