在迷宫求解任务中用神经网络建模人类眼球运动
机器学习
2022-12-21 v1 计算机视觉与模式识别
神经元与认知
摘要
从平滑追踪运动物体到视觉搜索期间的快速视线转移，人类在不同情境下采用多种多样的眼球运动策略。尽管眼球运动为了解心理过程提供了丰富的窗口，但构建眼球运动的生成模型众所周知十分困难，且迄今为止，引导眼球运动的计算目标在很大程度上仍是一个谜。在这项工作中，我们在典型空间规划任务——迷宫求解的背景下解决了这些问题。我们收集了人类受试者的眼球运动数据，并使用一种用于注视和视线转移的新型可微架构，构建了眼球运动的深度生成模型。我们发现，人类眼球运动的最佳预测模型并非以尽可能高效地执行任务为优化目标，而是以运行物体穿越迷宫的内部模拟为优化目标的模型。这不仅提供了该任务中眼球运动的生成模型，还提出了人类如何解决该任务的计算理论，即人类使用心理模拟。
引用
@article{arxiv.2212.10367,
title = {Modeling Human Eye Movements with Neural Networks in a Maze-Solving Task},
author = {Jason Li and Nicholas Watters and Yingting and Wang and Hansem Sohn and Mehrdad Jazayeri},
journal= {arXiv preprint arXiv:2212.10367},
year = {2022}
}