总纲 / F · 自然行为、目标约束与环境泛化 / F05 · 视觉引导伸手的生态神经生物学

F05 · An ethologically motivated neurobiology of primate visually-guided reach-to-grasp behavior

Mitchell, J.F., Wang, K.H., Batista, A.P., & Miller, C.T. (2024). Current Opinion in Neurobiology, 86, 102872. doi:10.1016/j.conb.2024.102872

这篇综述以狨猴捕食为例，说明动态目标、主动视觉和身体自由度会改变伸手抓握研究的问题与测量结果。其重点是自然行为中的快速预测性控制及研究机会，不能直接视为猕猴VR实验的同物种验证。

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. 主要结果
  4. 逐图解读
  5. 讨论与解读边界
  6. 思考问题

背景

灵长类自然伸手抓握常面对移动目标并伴随主动视觉和全身运动。狨猴捕食提供了研究这些条件的行为样本，也补充了经典约束任务的观察范围。

研究思路

综述串联野外捕食描述、实验室蟋蟀追踪及记录技术。野外轨迹用于描述多样性，实验室模型比较用于讨论预测控制，解剖与工具部分用于提出未来研究方向；三者的证据性质需分开。

主要结果

作为综述，它的"结果"是三组论点。其一，野外捕食行为的复杂度远超经典任务：狨猴按猎物切换策略——对付群居不逃跑的蚂蚁白蚁用"mouth capture"（站在猎物上方直接用嘴），对付会急逃的豆娘和竹节虫用"stalk/pause and lunge"（缓慢接近、停顿、高速双手扑抓），抓飞虫则先视觉锁定再起飞抓取；而且没有哪两次捕食是刻板的，每次都要临场解题。其二，抓飞虫是灵长类自然视觉引导伸手的极端案例，其运动学已被量化：凝视与猎物运动在捕食前约 1.5 s 才开始锁相，头部速度在最后约 400 ms 陡增；手不抄最优直线而是带多个拐点、路径 tortuosity 高；速度峰值的潜伏期约 200 ms，从发起手部动作到捕获通常不超过 500 ms——意味着伸手发起之后仍在根据猎物轨迹变化做在线视觉修正。其三，也是另一条证据：实验室活蟋蟀版（Shaw 2023）测得狨猴伸手的 visuomotor delay 约 80 ms，不足猕猴 double-step 范式估计（200–300 ms）的一半，与眼动追踪同量级；零延迟才拟合得好的 reactive 模型（pure pursuit、proportional navigation）在生物学上不成立，而含预测时间常数、把猎物位置外推 80–150 ms 的预测性追踪模型显著胜出。这组数字的分量在于：在所比较模型中，加入目标运动预测更能解释连续追踪表现，而传统double-step设计与连续目标追踪对预测的需求不同，需专门对照才能分离——范式本身决定了你能看到什么。

逐图解读

图1

来源：原文 Fig. 1，PDF 第 2 页。

图 1 · 约束范式与自然语境的对照。 (a) Kaas 式 parieto-frontal 子网络示意：伸手子网络（浅蓝）由整合视觉与体感信息的顶叶节点前馈至运动前区并回流，抓取（紫色）另成一套；(b) 经典 center-out 任务：猕猴从中心点向屏幕外周点做准直线伸手；(c–e) 三种野外捕食策略的现场——嘴取、潜行-停顿-扑抓、飞行中抓取。这张图是全文的论点图：从 b 到 c–e 的落差，就是综述要说服读者去填的鸿沟，(a) 则提醒你相关解剖与刺激研究支持若干功能子网络，但不等于每类自然行为有独立固定模块。

图2

来源：原文 Fig. 2，PDF 第 4 页。

图 2 · 野外捕食的运动学与主动视觉。 (a) 一次捕食事件的连续时间段落，左列为视频帧、右列为对应的右手（红）、左手（黄）与昆虫（绿）XY 轨迹；(b) 双手与猎物的整段路径，虚线标每只手的"最优轨迹"；(c) 所有分析视频中伸手动作的拐点数分布；(d) 路径 tortuosity 指数；(e) 抓取速度峰值的潜伏期（约 200 ms）；(f) 手部动作从发起到捕获的时长（多在 500 ms 以内）。读这张图抓两组对照：手与"最优直线"的偏离（b–d）与持续调整相符，但曲率本身不能唯一证明在线视觉修正，而 (e、f) 描述了较短的捕捉时程；单凭整段动作时长不能估计视觉反馈延迟。图 3 另用动态目标数据估计视觉运动延迟。

图3

来源：原文 Fig. 3，PDF 第 5 页。

图 3 · 实验室里的动态猎物伸手。 (a) 三台高速相机同步拍摄狨猴伸手活蟋蟀，彩色点为 DeepLabCut 标注；(b) 单 trial 的手（蓝）与蟋蟀（红）三维轨迹重建，叠加 pure pursuit（绿，手速度对准视线）与 proportional navigation（紫，手速度旋转跟随视线旋转）两种策略的模拟——PN 拟合更好，但两者都假设零延迟；(c) 蟋蟀侧向速度（红）与手侧向速度（蓝）之间的滞后约 80 ms，即 visuomotor delay；(d) 含延迟与预测时间常数的多元线性模型：预测性追踪模型（青）对延迟的退化远比 steering 模型（橙）平缓。这张图承载三个主要结果——80 ms 延迟、80–150 ms 外推、预测模型胜出——支持在连续动态目标任务中检验预测控制，并不排除其他范式获得相关证据。

讨论与解读边界

野外轨迹描述和实验室活蟋蟀追踪互相补充：前者说明行为的多样性，后者通过延迟与模型比较检验控制策略。约80 ms反应时及80–150 ms预测范围来自文中引用的狨猴工作，并非本综述新做的一套猕猴实验。

手路径弯曲或有拐点本身不能证明每次变化都由在线视觉纠正造成。预测模型在所比较模型中拟合较好，也不等于唯一神经机制。与猕猴double-step范式的延迟比较同时混入物种、目标运动、行为和测量定义差异；不应概括为自然行为必然更快，或传统范式无法研究预测。技术路线与解剖图提供研究方向，尚非对具体捕食回路的因果验证。

思考问题

  1. 在同一物种、相同运动范围内比较目标跳变与连续移动，预测项和反应延迟各有多少变化？
  2. 若在猎物运动中加入不可预测的转向，怎样区分预测误差修正与纯反馈追踪？
返回总纲