Bernstein Netzwerk Computational Neuroscience

Skip to content. | Skip to navigation

Personal tools
Bernstein Netzwerk Computational Neuroscience
 
You are here: Home Aktuelles Neues aus der Forschung Klarer Blick trotz schwerem Kopf
Document Actions

Klarer Blick trotz schwerem Kopf

Das Gehirn mag Stereotype - zumindest bei Bewegungen. Warum, zeigt nun ein mathematisches Modell und könnte künftig helfen, Roboterbewegungen natürlicher zu gestalten sowie Prothesenbewegungen besser anzupassen (November 2011).

Einfache Tätigkeiten führen wir, trotz unzähliger Bewegungsmöglichkeiten, immer wieder gleich aus. Weshalb, erklärt jetzt ein mathematisches Modell. Am Beispiel der Blickbewegung zeigen Wissenschaftler der Ludwig-Maximilians-Universität (LMU) München und des Bernstein Zentrums München, dass wir uns unbewusst für die Bewegung entscheiden, die zu den geringsten Störungen führt. Dies gilt sogar, wenn das Trägheitsmoment des Kopfes künstlich verändert wird. Die Erkenntnisse könnten in Zukunft dazu dienen, Roboterbewegungen natürlicher zu gestalten und Prothesen besser an die menschliche Bewegung anzupassen. „Im nächsten Schritt wollen wir dreidimensionale Augen-Kopf-Bewegungen untersuchen und das Erlernen und Anpassen einfacher Bewegungen besser verstehen“, sagt Projektleiter Stefan Glasauer.

klarer blick trotz schwerem kopf 

Gewichte am Ende der Stange beeinflussen die Kopfbewegung. Ein mathematisches Modell sagt vorher, wie sich Blickbewegungen in dieser Situation ändern.© Nadine Lehnen, LMU München

Mit dem täglichen Handgriff zur Computermaus ist es genauso wie mit dem Blick in den Rückspiegel: Immer gleiche, stereotype Bewegungen erleichtern dem Gehirn die Konzentration auf das Wesentliche. Doch allein die Blickbewegung zu einem neuen Ziel enthält eine schier unendliche Zahl an Bewegungskombinationen: Wie schnell bewegen sich Kopf und Auge? Wie weit soll sich das Auge bewegen, wie weit der Kopf? Weshalb das Gehirn aus der Menge aller möglichen Bewegungsmuster ein ganz bestimmtes bevorzugt, war bislang unklar. Ein Team um Stefan Glasauer (LMU), Projektleiter am Bernstein Zentrum München, hat nun ein mathematisches Modell entwickelt, mit dem sich horizontale Blickbewegungen genau vorhersagen lassen. Neben dem jeweiligen Anteil von Auge und Kopf an der Bewegung können die Forscher auch deren Dauer und Beschleunigung vorhersagen.

Die Forscher berücksichtigten – anders als die meisten früheren Modelle – die Bewegung von Augen und Kopf zum Blickziel sowie die Gegenbewegung der Augen, sobald der Blick das Ziel erreicht hat, der Kopf sich aber noch dreht. „Je länger die Bewegung dauert, desto mehr summieren sich kleine Störungen auf “, erklärt Glasauer. „Je schneller aber die Bewegung ist, desto mehr Fehler entstehen durch Beschleunigung und große Muskelkräfte.“ Auf Grundlage dieser Informationen berechneten die Münchner Forscher Augen- und Kopfbewegungen und ermittelten dann die Kombination, die zu den geringsten Störungen führt. Diese Bewegung stimmte mit der überein, die Probanden im Experiment nicht nur unter natürlichen Bedingungen wählten, sondern auch, wenn die Kopfbewegung durch ein künstlich erhöhtes Trägheitsmoment verändert wurde (siehe Bild).

Die Erkenntnisse könnten helfen, Robotern möglichst menschenähnliche Vorgehensweisen beizubringen und dadurch in Zukunft auch die Zusammenarbeit mit Service-Robotern zu erleichtern. Auch für die Konstruktion „intelligenter“ Prothesen ist die Studie möglicherweise hilfreich. Die Prothese könnte dem Träger die Bewegungsmöglichkeiten anbieten, die den menschlichen am nächsten kommen. Im nächsten Schritt möchten Glasauer und Kollegen dreidimensionale Augen-Kopf-Bewegungen untersuchen und das Erlernen und Anpassen einfacher Bewegungen besser verstehen.


Ansprechpartner Link

Dr. Stefan Glasauer
Institut für Klinische Neurowissenschaften
Bernstein Zentrum München und
Ludwig-Maximilians-Universität München
Marchioninistr. 23
81377 München
Tel: +49-89-7095-4839

Saglam M, Lehnen N, Glasauer S (2011): Optimal control of natural eye-head movements minimizes the impact of noise. J Neurosci. 31(45):16185–16193