总纲 / F · 自然行为、目标约束与环境泛化 / F04 · 能量约束决定伸手轨迹选择

F04 · Energy Constraints Determine the Selection of Reaching Movement Trajectories in Macaque Monkeys

Jana, S., Condro, L., Barthélemy, F.V., Ito, J., Riehle, A., Grün, S., & Brochier, T. (2025). eNeuro, 12, ENEURO.0385-24.2025. doi:10.1523/ENEURO.0385-24.2025

两只猕猴长期练习序列伸手时，轨迹并未在手或关节空间中一致变直。模型估计的动能随练习总体下降，动能对曲率变化较不敏感的区域，比单纯最直或最小动能预测更好地解释了所测轨迹变化。

核对版本：Zotero VR 集合中的本地 PDF（2026-09-18）；Zotero 条目 · 打开原文。图下页码均为该 PDF 的文件页序，从 1 开始，可能不同于期刊印刷页码。

本文目录
  1. 背景
  2. 研究思路
  3. 方法
  4. 主要结果
  5. 逐图解读
  6. 讨论与解读边界
  7. 思考问题

背景

伸手轨迹随练习改变，可能受到几何、动力学和任务要求共同约束。本文比较轨迹直线性、最小机械动能及动能变化较平缓区域三类预测。

研究思路

两只动物多session的序列伸手被分解为不同起终点子运动。作者计算观测运动的KE，并在统一时间参数下模拟不同曲率轨迹，比较预测与晚期行为。拟合优势支持候选解释，尚不构成对全部最优控制模型的排除。

方法

两只恒河猴（E 雌性约 6 kg，20 个 session；J 雄性约 9.5 kg，42 个 session），跨越数月，右臂置于 KINARM 外骨骼中做水平面伸手，运动学 1 kHz 采样；同一批数据还同步采集了 V1、V2、7A、DP 与 M1/PMd 五个皮层区的 Utah 阵列电生理（本文只用行为）。任务为六边形顶点间的序列伸手：先够住中心目标 250 ms，随后连续三个外周目标依次点亮、各需保持 150–200 ms，共 8 种目标序列，40 trial 一个 block（每序列 5 次）、每 session 3 个 block 120 trial，两目标间运动限时 1.5 s，命中区隐形放大到 1 cm 半径以鼓励自然快速的轨迹。8 种序列拆解归并为 19 组基本子运动（按起终点对去重），覆盖不同幅度、臂姿与方向。轨迹偏差定义为到起终点连线的最大垂距除以线长；KE 按两臂段刚体近似（上臂 0.13 m、约 220 g，前臂 0.23 m、约 90 g）对关节角速度求和。模型的速度剖面用反高斯生成 501 个点、总时长 1 s（猴子实际平均运动约 840 ms），同一剖面用于所有子运动；预测精度用 5 折×20 次重采样的 RMSE 评估。

主要结果

所检验的手空间或关节空间直线假说未获支持。hand 与 joint 偏差跨子运动强相关（猴 E r=0.64，N=380；猴 J r=0.83，N=798），但两个空间都不存在"普遍低偏差"；进一步考察练习效应：早期 10 个 session 与晚期 10 个 session 相比，hand 偏差（p=0.8675）与 joint 偏差（p=0.8790，Wilcoxon 符号秩检验，N=38）都没有系统下降，有的子运动变弯、有的变直。相对地，KE 出现了显著的全面下降（p=7.75×10⁻⁵），逐 session 线性回归中 84%（猴 J）与 68%（猴 E）的子运动斜率为负——练习优先优化的变量里显然有能量，但不是通过"把某个空间拉直"。

模型与观测的比较提供了一种解释。验证先行：对猴 E 一个代表 session，模拟轨迹的KE与由实际运动学计算的KE 相关 r=0.98（p=3.1×10⁻¹⁴）。模型确认 在本文模拟的轨迹族与时间参数下，joint space直线对应Min KE（偏差 0），而 hand space 的 Min KE 对应各种程度的弯曲——两种预测在所测模型中相近，且均不足以解释观测轨迹。真正有解释力的是 KE-LS 的形状：不对称抛物线，78% 的子运动在早期 session 就把偏差放在了坡度平缓的一侧，晚期 session 的偏差演化方向也是朝平缓侧靠拢而非奔向 Min KE 或零偏差。定量上，KE-LS 预测的偏差变化量与实际变化量相关 r=0.696（p=1.2×10⁻⁶，斜率 0.62，N=38）；对晚期 session 偏差的 RMSE，KE-LS 预测显著优于最小偏差预测（p=2.4×10⁻²⁸），后者又优于 Min KE 预测（p=2.7×10⁻⁶⁵）。辅助证据来自聚类：k-means（k=2，余弦距离）在两只猴独立聚类得到相同的两类子运动，joint 偏差小的那类平均 KE 更高、KE 随练习的变化也更平缓。作者也报告了一个例外：早期 hand 偏差特别大的子运动，随练习 hand 偏差显著缩小而 joint 偏差不缩——视觉反馈把手往直了拉，KE 与视觉的贡献没能完全解耦。

逐图解读

图1

来源：原文 Fig. 1，PDF 第 3 页。

图 1 · 实验范式。 (A) 猴子与 KINARM 外骨骼及投影系统的布置；(B) 单个成功 trial 的事件序列：中心目标、三个依次点亮的子运动目标；(C) 一个 session 里 8 种运动序列的实际轨迹（三种灰度区分第一、二、三段子运动），inset 标目标序列。这张图交代了数据的"体量感"：8 种序列、跨数月、每 session 120 trial，为后面的跨 session 演化分析提供弹药。

图2

来源：原文 Fig. 2，PDF 第 5 页。

图 2 · 两个空间里的轨迹变异性与偏差度量。 (A) 19 个子运动的方向编码与环形色标；(B、C) hand space 与 joint space 的全部子运动轨迹，圆圈直径标 10 ms 间隔的跨 trial SD；(D) 单个示例子运动的变异性刻画；(E) 轨迹偏差的定义——到两端点连线的最大垂距，按线长归一。从正文看这张图主要建立了全文的度量语言：颜色编码贯穿后续所有图，偏差这个单一标量是后续一切比较的基本单位。

图3

来源：原文 Fig. 3，PDF 第 6 页。

图 3 · 轨迹随练习的三种演化模式。 三个示例子运动各占一行，从左到右依次为早期、中期、晚期 session 的 hand space 轨迹：第一行几乎不变，第二行从近直经高度弯曲再回到中度弯曲（非单调），第三行则单调变直。这张图的用意是先展示"没有统一方向"的经验事实——正是这种五花八门，逼着作者去寻找比 planning space 更深层的解释变量。

图4

来源：原文 Fig. 4，PDF 第 6 页。

图 4 · 对两种直线计划空间假说的检验。 (A) 若存在普遍计划空间，joint-hand 偏差平面上数据应贴着某一根零偏差轴（i、ii 两种假设）；(B) 实际数据：每个子运动的跨 session 偏差椭圆与均值点散布在平面对角线附近，既不贴 hand 轴也不贴 joint 轴，且两只猴一致。读这张图的方式是把 A 的预测与 B 的现实对照——预期中的"贴边"完全没发生，数据不支持本文所检验的两种普遍直线路径预测，不能据此否定所有手空间或关节空间规划模型。

图5

来源：原文 Fig. 5，PDF 第 7 页。

图 5 · 练习改变了什么：不是偏差，是能量。 (A) 若存在某个被优先优化的变量，晚期值应低于早期值的示意；(Bi、ii) hand 与 joint 偏差的早晚期对比，点落在对角线两侧没有系统偏移（p=0.8675、p=0.8790）；(iii) KE 的早晚期对比，点系统性地落在对角线之下（p=7.75×10⁻⁵）。三个面板的对照就是文章的转折点：练习既不拉直手也不拉直关节，而模型估计的机械动能总体降低。

图6

来源：原文 Fig. 6，PDF 第 8 页。

图 6 · KE estimation model。 (A) 建模流水线：任意空间的轨迹→逆向运动学（KINARM 几何参数）→关节角速度→KE 方程；(B) 验证：猴 E 代表 session 各子运动的模拟轨迹KE与实际运动学计算的KE，相关 r=0.98。这张图解决的是"反事实从哪来"的方法学问题——这一检验支持模型复现观测趋势，但未完整验证未执行轨迹的外推误差。

图7

来源：原文 Fig. 7，PDF 第 9 页。

图 7 · KE-landscape 与观测偏差的拼接。 (A) 各子运动在五个偏差等级上的模拟轨迹；(B) Min KE 对应的偏差分布：joint space 全部聚在零偏差（左），hand space 则散布各种弯曲（右）；(C) 每个子运动一张小图：KE-LS 曲线叠加早期（浅色）与晚期（深色）hand 偏差的分布直方图；(D) 猴 J 的 hand 偏差全局分布与 98% 中央区间（有效偏差范围 -0.4 到 0.4 a.u.）。读 (C) 是重点：多数直方图落在抛物线的缓坡侧而非谷底，这个直觉印象正是 safe range 假设的来源。

图8

来源：原文 Fig. 8，PDF 第 10 页。

图 8 · 三种预测的对决。 (A) 示例子运动（猴 J 第 12 号）：KE-LS 曲线、导数阈值确定的最优偏差区间（绿条与绿线）、Min KE（蓝线），叠加早晚期偏差直方图与演化箭头；(B) 全部子运动的 KE 热图（列为子运动、行为偏差等级），绿色星标 KE-LS 预测、蓝色加号标 Min KE，黑箭头从早期均值指向晚期均值——许多箭头恰好扎向绿星；(Ci) 预测变化量与实际变化量的相关（r=0.696）；(Cii) 三种预测的 RMSE 对比，KE-LS 显著最优。这张图是结论的落点：能量地形预测的不是"最优点"而是"安全区"，而猴子真的往那儿走。

讨论与解读边界

这项研究把跨session行为与生物力学模型相结合，比较了明确的候选预测。其结果不支持用手空间或关节空间的直线最优假说统一解释本任务，提出了“动能对轨迹变化不太敏感的范围”这一可检验解释。

KE是由运动学及简化质量和惯量计算的机械动能，不是直接测得的代谢消耗。模型验证中的两组KE同样依赖模型与运动学；高相关不保证任意反事实轨迹都准确。关节空间直线对应最小KE是本文所测轨迹族和时间参数下的结果，不能写成普遍力学定律。只有两只动物，多session或多子运动不是独立动物重复；因果机制、视觉贡献及自由三维运动的适用性仍需验证。

思考问题

  1. 改变外部负载而保持目标和视觉反馈不变时，轨迹是否按新动能曲面的缓坡区迁移？
  2. 使用各试次真实速度剖面、更完整的肢体动力学和独立留出session后，KE-LS优势是否保持？
返回总纲