B01 · Adaptive representation of dynamics during learning of a motor task
Shadmehr, R., & Mussa-Ivaldi, F.A. (1994). The Journal of Neuroscience, 14(5), 3208–3224. doi
练习速度相关力场后,受试者的伸手轨迹逐渐恢复,撤场产生方向性后效,且学习能迁移到另一工作区。迁移更符合所比较的关节坐标变换,支持动力学补偿的学习,但不能仅凭后效确定唯一内模型或神经实现。
核对依据:Zotero 条目 · 本地全文。本轮核对原文方法、关键结果、解释边界及所引主图;更新于2026-09-20。图注页码采用本地PDF文件页序,版本与未解决问题见正文及审查记录。
背景
人类和灵长类动物在日常生活中能够灵活操纵具有不同物理特性的工具,并在受到复杂外力干扰时依然维持平滑、近似直线的肢体运动轨迹。这一适应能力的计算机制是感觉运动控制领域的核心议题:运动系统究竟是通过普遍提高关节机械阻抗(例如通过拮抗肌共收缩增加肢体刚度)来被动抵御外部扰动,还是能够在大脑内部建立关于外部环境物理特性的前向或逆向动力学模型(内部模型,internal model),并在运动前预先生成特定的补偿性运动指令?为了区分这两种截然不同的控制策略,Shadmehr 与 Mussa-Ivaldi 在 1994 年设计了经典的速度依赖型力场伸手范式,开创了现代运动动力学适应与内部模型研究的范式框架。
该实验范式通过精巧的动力学操纵与迁移测试对理论假设进行了严格区分。通过可编程机械臂对受试者施加与手部运动速度成正比的侧向力场,使初始未受扰动时接近直线的运动路径发生剧烈弯曲变形;随着重复练习,受试者的运动轨迹逐渐恢复至基准状态下的平直形态。关键检验在于:如果在受试者充分适应力场后突然撤去外力(即引入无外力的意外探针试次),若系统仅依赖提高肢体阻抗进行被动抵御,其运动轨迹应直接回归原始直线;而如果大脑通过运动学习建立了针对外力的预先反向补偿指令,在缺乏外力抵消的情况下必然会诱发出朝向相反方向的“后效(after-effect)”偏移轨迹。此外,为了判定内部模型是在外在笛卡尔端点坐标系还是在内在关节肌肉坐标系中进行表征,通过平移受试者相对操作台的物理位置,在改变肩肘关节初始几何角度的同时保持外在力场相同,能够检验动力学适应经验在不同生理工作空间之间的迁移特性。
研究结果表明,受试者在反复暴露于速度力场后轨迹逐渐恢复平直,且在意外撤去力场后表现出强烈的反向镜像后效轨迹,证实大脑建立了关于特定外力场的主动神经动力学表征,而非仅依赖非特异性的关节刚度强化。在跨工作区迁移测试中,运动技能的泛化表现更符合基于内在关节角速度的表征模式,而非纯外在笛卡尔速度坐标。然而,在本文框架中,环境补偿被形式化为近似逆动力学控制器的参数调整,未能直接分离前向预测模型与前馈补偿控制器的相对贡献;行为层面的几何迁移测试支持某种形式的内在生物力学坐标表征,但无法在实验上进一步解耦关节坐标与更细粒度的多关节肌肉激活模式;本研究为纯心理物理学行为实验,未直接记录脑内神经元放电或脊髓反射回路的生理改变。
研究思路
利用二维两自由度机器人连杆装置,让受试者在手部受速度依赖型外加力场作用下执行多方向指向运动。首先定量追踪运动轨迹随练习进程的形态演化,通过意外撤场试次检测是否存在反向后效偏差,以排除单纯关节阻抗调节假说;随后通过改变受试者相对于机器人的躯干空间位置,对比动力学表征在不同工作空间之间迁移时的几何规律,从而推断内部模型的神经表征坐标系。
方法
实验对象为 8 名健康右利手成年志愿者。受试者握持两关节平行连杆机器人系统的操作手柄,在 15×15 cm 的水平工作空间内完成以随机序列呈现的八方向点对点到达运动,相邻目标间距为 10 cm。为实现工作空间物理构型的解耦,实验通过左右移动受试者座椅相对于固定机器人基座的物理距离(左工作区与右工作区),使受试者的肩、肘关节初始几何角度改变约 30°,同时保证机械臂本身的内在惯量与传感器特性在两个测试空间中完全一致。
机器人通过力矩电机在操作手柄处施加连续的外力场:端点速度相关力场公式为 F = B * v,其中 B 为外加黏滞阻尼矩阵(矩阵元素经精心设计,包含顺向倾斜力矩与速度耦合,并非简单的纯旋转 curl 场,其特征值使得某些运动方向具有动力学不稳定性);内在力场则依据受试者肢体的上臂和前臂解剖连杆长度,将阻尼力矩映射为与肩、肘关节角速度呈线性的内部力矩场。整个训练序列由多达 1000 次以上的重复试次构成,其间穿插随机的无外力 catch 试次以评估动作执行期的后效表现。评估指标包括整段轨迹几何形态与理想直线的均方根误差(RMSE)、相关系数,以及运动峰值速度和终点位置离散度。
主要结果
初次暴露于外加速度力场时,受试者的运动轨迹受到强烈扰动并发生严重侧向弯曲,部分方向的轨迹在后程呈现勾形折返。动力学仿真表明,无内部动力学补偿的开环控制器在受扰时同样会产生类似形态的弯曲路径,说明早期的轨迹扭曲属于系统固有物理响应,不代表中枢在瞬间完成了复杂的非线性轨迹重新规划。
随着数百次练习的推进,受试者在力场中的实际运动轨迹逐步回归至接近基准状态下的平直路径,8 名受试者在训练后程的分段轨迹相关系数均呈现系统性显著上升;虽然轨迹恢复直线,但受试者的动作峰值速度在力场中平均仍比无场基准期高出约 19%,反映出动力学适应并不等同于运动学参数的完全复刻。在训练充分后突然穿插的无外力 catch 试次中,所有受试者均展现出空间方向严格朝向初始力场反方向的显著后效弯曲,且后效偏移的幅值随着练习程度的加深而单调增大,直接否定了单纯依靠肢体肌肉共同收缩提高机械阻抗的假设,确证了中枢神经系统在运动前预先构建了针对环境扰动力的特异性反向动力学指令。
在跨工作区迁移实验中,在左侧工作空间完成充分力场适应的受试者被转移至右侧工作空间。测试结果表明,受试者在右侧新空间中表现出的初始运动轨迹,显著更贴近于以内在关节角速度为自变量保持不变的预测模型,而明显偏离于以绝对外在笛卡尔手部速度为基准的预测轨迹。该结果支持神经动力学内部模型主要建立于基于关节生理构型的内在体表坐标系之中。
逐图解读
原文 Fig. 1 · PDF 第 2 页 · 原文图像 · 查看来源
图1 · 机器人与手臂。 机器人测量运动并施加程序控制的力。实验操纵的是手与机械环境的相互作用,没有在本研究中记录神经活动。
原文 Fig. 2 · PDF 第 3 页 · 原文图像 · 查看来源
图2 · 两个工作区的手臂几何。 左右位置改变肩肘构型,为比较不同坐标下的迁移提供条件。实际通过移动受试者切换相对工作区。
原文 Fig. 3 · PDF 第 3 页 · 原文图像 · 查看来源
图3 · 端点速度相关力场。 A在速度平面表示力,B表示模拟运动路径上受到的力。力的方向由所用矩阵决定,并非所有速度都受到垂直于运动的旋转力;静止时为零也不等于受试者对训练环境毫无预期。
原文 Fig. 4 · PDF 第 4 页 · 原文图像 · 查看来源
图4 · 关节场在测试区的端点表达。 经手臂几何变换后,其方向结构与图3明显不同。两种场在训练区近似一致、在测试区分离,是迁移比较的关键。
原文 Fig. 5 · PDF 第 4 页 · 原文图像 · 查看来源
图5 · 训练和探测流程。 无场基线、力场练习、撤场探测及左区测试依次安排。无视觉探测减少了在线视觉纠正,但不能排除本体反馈或预先形成的控制策略。
原文 Fig. 6 · PDF 第 6 页 · 原文图像 · 查看来源
图6 · 无场运动基线。 示例路径接近直线,点间隔10 ms。后续改善和后效都需要相对各受试者自身基线判断。
原文 Fig. 7 · PDF 第 6 页 · 原文图像 · 查看来源
图7 · 初次遇到力场的轨迹。 路径出现方向依赖的偏转及钩形,显示新环境显著改变动作。单凭曲线弯折不能确定是主动修正还是肢体—环境相互作用。
原文 Fig. 8 · PDF 第 7 页 · 原文图像 · 查看来源
图8 · 未学习环境补偿的模拟。 保留既有手臂控制与黏弹性稳定项、去除环境模型后,可重现部分钩形特征。模型展示一种可行解释,不是对人体反馈过程的直接测量。
原文 Fig. 9 · PDF 第 8 页 · 原文图像 · 查看来源
图9 · 场内轨迹随练习改善。 A–D为连续四段各250次练习对应的探测汇总,黑线与阴影显示代表轨迹及变异。后期更接近无场路径,不能据此判断所有单次动作都已恢复。
原文 Fig. 10 · PDF 第 9 页 · 原文图像 · 查看来源
图10 · 速度时程。 A无场,B初次遇场,C训练后。多峰轮廓逐渐恢复较集中的速度峰,但峰值速度并未严格回到基线。
原文 Fig. 11 · PDF 第 9 页 · 原文图像 · 查看来源
图11 · 各受试者的学习变化。 每条线表示一人的分段轨迹相关,均呈上升。它描述分段汇总,不能推广为每个试次都单调改善。
原文 Fig. 12 · PDF 第 9 页 · 原文图像 · 查看来源
图12 · 撤场后效的模型预测。 保留已学的环境补偿但去掉外场,模型产生反向偏移。这是与行为比较的仿真预测,不是另一组人体观测。
原文 Fig. 13 · PDF 第 10 页 · 原文图像 · 查看来源
图13 · 实测撤场后效。 A–D显示练习过程中随机无场探测的偏移增加,与场内改善相对应。它支持预期补偿形成,但不单独指定补偿的完整神经算法。
原文 Fig. 14 · PDF 第 11 页 · 原文图像 · 查看来源
图14 · 左工作区的迁移后效。 A为右区训练前、B为训练后在左区的无场运动。学习影响扩展到未接受力场训练的位置,反对完全局限于所访问位置的记忆解释。
原文 Fig. 15 · PDF 第 11 页 · 原文图像 · 查看来源
图15 · 两种测试场的单人示例。 A关节场、B端点场,相对该人无场轨迹的相关分别约0.91与0.62。该对比体现迁移方向,不能作为两组的平均成绩。
原文 Fig. 16 · PDF 第 12 页 · 原文图像 · 查看来源
图16 · 八人的迁移比较。 每对柱对应一个受试者,比较两种测试场的轨迹相关,分组表示训练场不同。结果支持所测范围内的内在坐标迁移,但未区分关节与肌肉表示,也没有直接证明运动计划和动力学学习位于不同脑回路。
讨论与解读边界
该项工作的核心贡献在于将适应过程中的轨迹逐渐恢复、突发撤场后的显著镜像后效,以及跨空间构型变换时的空间迁移模式有机结合,系统确立了“大脑通过学习获得环境动力学内部表征”的理论范式。然而,研究所构建的模型主要基于确定性逆动力学控制与前馈补偿的理论框架,行为层面的后效检验虽然证实了预测性反向用力的存在,但无法直接推断内部模型的具体突触计算结构(例如是前向模型与感觉反馈整合,还是直接基于逆模型的纯前馈控制)。
此外,手部运动轨迹在力场适应后逐渐恢复平直,与以最大平滑度或最小急动度(minimum jerk)为目标的运动学优化控制假说相契合,但不能排他性地证明中枢神经系统在执行前必须在内部显式规划一条完全不随动力学环境改变的几何参考参考线。跨工作区的迁移数据有力支持了内在生理坐标系相较于外在笛卡尔坐标系的统计优越性,但在当前实验设计中,肩肘关节角度与跨关节肌群力臂依然高度耦合,无法进一步区分内部模型是存储于广义关节力矩空间还是具体肌腱张力空间;同时,本研究未包含电生理或神经阻滞实验,无法为该内部模型的皮层或小脑解剖定位提供直接证据。
思考问题
- 同时测量撤场时的预测补偿力、肌电和扰动诱发的阻抗变化,能否分别估计动力学补偿与刚度调节对轨迹恢复的贡献?
- 在第三个工作区及不同运动方向上作留出预测,关节、肌肉或混合坐标模型哪一种更能解释迁移?