Predictive and Reactive Control During Interception Mario Trevi?o, Nathaly Martín, Andrea Barrera and Inmaculada Márquez

《Brain Sciences》:Predictive and Reactive Control During Interception Mario Trevi?o, Nathaly Martín, Andrea Barrera and Inmaculada Márquez

【字体: 大 中 小 】 时间:2026年03月20日 来源:Brain Sciences 2.8

编辑推荐:

  背景/目标:成功拦截移动目标需要结合预测控制(预测未来目标状态)与反应控制(补偿感官差异)。目前尚不清楚这些成分如何随时间演变以及在注视和手动行为中的分布。本研究旨在探索连续拦截过程中预测控制的时间分辨动态,并分离眼与手的贡献。方法:人类参与者在记录眼球运动的

  
背景/目标:成功拦截移动目标需要结合预测控制(预测未来目标状态)与反应控制(补偿感官差异)。目前尚不清楚这些成分如何随时间演变以及在注视和手动行为中的分布。本研究旨在探索连续拦截过程中预测控制的时间分辨动态,并分离眼与手的贡献。方法:人类参与者在记录眼球运动的同时,使用操纵杆在二维竞技场中拦截移动目标。系统改变目标速度,并通过遮挡目标或用户控制的游标来选择性减少视觉信息。通过计算几何策略指数(Strategy Index, SI)和均方根误差(Root Mean Square Error, RMSE)来评估预测控制。结果:成功的拦截表现为结构化的、依赖于速度的预测与反应控制转换,而非固定策略。注视和手动行为表现出互补但部分可分离的预测特征。遮挡目标降低了预测对齐,而遮挡游标影响较小,表明强烈依赖内部状态估计。结论:预测与反应控制在拦截过程中被连续且动态地重新加权,其相互作用在单次试验内展开,并取决于目标动力学和感官可用性。这些发现为定向行为中预期性与反馈驱动控制机制之间的时间分辨协调提供了定量证据。
该研究针对视觉运动拦截任务中预测控制与反应控制如何随时间动态交互及在眼动与手动系统中的分布这一核心科学问题,通过设计精巧的实验范式与计算建模,揭示了人类在应对动态目标时神经系统所采用的混合控制策略。研究背景源于感觉运动控制领域长期存在的挑战:由于神经传导与肌肉收缩存在固有的时间延迟,单纯的反馈控制无法完成拦截任务,而完全的预测控制又难以应对环境的不确定性。尽管前人研究分别探讨了预测与反应机制,但它们在单一连续任务中的实时协作模式、在眼与手之间的功能分离以及感官信息缺失时的代偿机制尚不明确。为此,来自墨西哥瓜达拉哈拉大学神经科学研究所的研究团队开展了相关研究,其成果发表在《Brain Sciences》上。研究人员设计了一项二维视觉运动拦截任务,参与者使用操纵杆控制白色游标以拦截黑色移动目标,同时记录双眼运动数据。实验通过改变目标速度(10°/s至60°/s)以及引入视觉遮挡(分别遮蔽目标或用户游标)来操纵任务难度与感官输入。研究结果表明,成功的拦截并非依赖单一的固定策略,而是表现为预测控制与反应控制在单次试验内的动态转换。此外,注视行为与手动控制在预测时序上表现出部分分离的特征,且系统对目标遮挡表现出高度敏感性,而对自身游标的遮挡则具有较强的鲁棒性,这支持了内部状态估计在感觉运动控制中的核心作用。
为实现上述研究目标,研究人员采用了几项关键技术方法。首先,研究招募了53名右利手成年人分为两组,组E1(n=33)负责速度依赖性动力学表征,组E2(n=20)负责视觉遮挡效应评估。其次,利用Tobii Pro Fusion眼动仪以60Hz采样率记录双目眼球运动,并执行了包含四点校准、边界注视、平滑追踪及瞳孔光反射在内的四步校准程序以确保数据精度。第三,定义了两种核心量化指标:一是几何策略指数(SI),通过计算参与者与目标偏移向量在目标速度向量上的投影,区分空间领先(预测)与滞后(反应);二是均方根误差(RMSE),通过计算参与者轨迹相对于目标当前及未来位置的偏差来量化预测对齐程度。最后,采用线性混合效应模型、重复测量方差分析(ANOVA)及置换检验等统计手段对数据进行建模与推断。
研究结果部分详细阐述了各项发现的由来与内涵。
在“3.1. 速度依赖性视觉运动协调”部分,研究人员通过分析用户速度(vU)与注视速度(vG)发现,两者对目标速度(vT)表现出相似的非线性依赖关系:在低vT时高于vT,在中等速度(~50°/s)时趋近vT,而在高速时则系统性地低于vT。此外,vU能在约650毫秒内快速收敛至vT,表明运动输出能高效缩放以适应任务需求。视觉遮挡实验进一步揭示,遮蔽目标比遮蔽用户游标对拦截性能的破坏更为严重,证实了目标运动信息在任务中的主导地位。
在“3.2. 策略指数揭示预测与反应控制的动态转换”部分,研究人员利用策略指数(SI)捕捉到了单次试验内的动态控制转换。结果显示,在成功的试验中,注视(SI1)和操纵杆(SI2)的轨迹均呈现出“早期预测(正值)—中期反应(负值)—晚期预测(正值)”的结构化时序模式。这种转换的时机随vT的增加而系统性提前。相比之下,失败的试验则缺乏这种组织化的时序结构。通过与运动学匹配的替代模型比较,证实上述动态反映了真实的目标相关预测而非随机运动。此外,眼手策略指数的耦合分析表明,两者呈正相关,且这种耦合强度受vT调节。
在“3.3. 拦截过程中用户与注视轨迹的预测成分”部分,基于RMSE的分析进一步支持了上述发现。结果显示,在成功的拦截中,无论是用户位置还是注视位置,其轨迹与目标的未来位置(向前偏移100帧,约1666毫秒)的RMSE显著低于与当前位置的RMSE,这从整体轨迹几何学的角度证实了预测对齐的存在。而在失败的试验中,这种对未来位置的优先对齐消失。更重要的是,遮挡目标显著增加了RMSE并削弱了预测优势,而遮挡游标的影响则微乎其微,这表明大脑主要依赖对外部目标状态的内部估计,而非对自身运动效果的持续视觉反馈来维持预测控制。
讨论部分深入阐释了这些发现的理论意义。研究人员指出,本研究通过高时间分辨率的分析,打破了传统上将拦截策略简单二分(预测vs反应)的观点,提出了一种基于连续动态重新加权的混合控制架构。研究发现,预测与反应并非互斥的策略,而是同一控制系统的两个相互交织的组成部分,它们根据时间压力(由vT调节)和感官噪声水平进行实时资源分配。眼动系统与手动系统在预测时序上的部分分离(partial dissociation)支持了分布式控制理论,即不同的效应器可能拥有相对独立的感觉运动回路,但仍通过高层认知机制实现协同。此外,研究强调了内部前向模型(forward models)在生成预期中的作用,即当外部视觉反馈(尤其是关于目标的反馈)缺失时,大脑仍能依靠内部状态估计来维持一定水平的性能。这些发现为理解大脑如何在充满不确定性的动态环境中实现精准的感觉运动协调提供了新的定量证据,并对神经康复及人机交互系统的算法设计具有潜在启示。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号