H05 · Eye-hand coordination during flexible manual interception of an abruptly appearing, moving target
Yuhui Li, Yong Wang & He Cui (2018) Journal of Neurophysiology, 119, 221–234. doi:10.1152/jn.00476.2017
把拦截研究从"看准了再出手"的从容场景，拉回到"兔子突然从石头后面窜出来"的事故现场：眼睛来不及预测，手却必须预测。这篇纯行为学论文用两只 gaze 不受约束的猴子，把眼手协调中的延迟补偿拆成了两个层级，也为同组后续的 H06（PPC 单神经元）与 H08（M1 群体几何）铺好了整个范式。
核对版本：Zotero motor_control_interception_64 集合本地全文（PDF 全文提取，图注与正文互相校订，2026-09-18；图注所标页码均为 PDF 文件页序，非期刊印刷页码）；Zotero 条目。
背景
拦截一个运动目标，本质上是在和感觉运动系统的延迟赛跑。视觉信号传入要几十毫秒，发出一次手臂运动又要上百毫秒，而目标不会等人。主流理论认为大脑靠 forward model 与感觉状态的前瞻估计来补掉这些延迟（B02 的 Kalman 滤波内模型是经典表述），G04、G07 的"预期动力学压倒实测运动学"则从行为上证明拦截者打的是"内模型预测的球"，不是"视网膜上的球"。可这些预测究竟发生在哪个环节——是感觉层面的外推，还是运动层面的超前计划——至今没有干净的实验隔离。
眼手协调是另一条被反复研究的线索。朝静态目标伸手时，被试几乎总是先看目标再动手，扫视与伸手的 RT 高度相关，把 gaze 锚定在目标上还能提高伸手成绩。而在自然的拦截场景里（板球运动员、接飞盘），人往往会在出手前做一个"预测性扫视"，直接把视线提前送到预计的拦截点上。问题是，这类研究大多给了被试充足的观察时间：目标连续运动 500 ms 以上才进入拦截区。真实世界不总是这么礼貌——目标可能突然出现、立刻可及。此时眼睛还来得及做预测性扫视吗？手和眼是否还保持协调？这些几乎没有文献回答，因为多数拦截研究（G02、G03，以及 H01–H04 的皮层记录系列）要么用的是静态目标，要么把拦截点预先固定在某个位置，感觉线索与运动目标被牢牢绑在一起。
这篇论文的策略是反其道而行：不给任何"在哪里、何时拦截"的直接线索，让目标在 8 个位置随机出现、以 5 种速度（静止、±120°/s、±240°/s）绕圆周运动，猴子在 150–950 ms 窗口内自由选择拦截时机；同时完全不训练、不约束、不奖励眼睛。这样，目标瞬时位置与即将发生的运动方向被速度条件解耦，眼的"预测水平"与手的"预测水平"就可以分别测量、互相比较。
研究思路
核心假设是：补偿延迟这件事，眼和手用的是不同策略，而且取决于任务情境。作者设计了一个"灵活手动拦截"范式：目标突现且即刻可拦截，逼迫系统在极短时间内完成"看—估—打"的全流程。如果手必须完全补偿感觉延迟加运动延迟才能命中，而眼只需把目标"抓"进中央凹就算完成任务，那么扫视的落点应当只补偿感觉传输延迟——指向扫视发起时刻的瞬时目标位置，而不是扫视结束时刻的位置；手臂则应当直指拦截点。
为了量化"预测到什么程度"，作者定义了一个漂亮的行为学量——predictive index：以运动起始时刻目标位置 Ton、结束时刻目标位置 Toff 为两端，用手的（或眼的）发射方向反向延长线与目标运动圆周的交点 ID 来计算 (ID − Ton)/(Toff − Ton)。指数为 0 表示只瞄准"当下"的目标，为 1 表示精确瞄准"未来"的拦截点。这个指标绕开了拟合任何内部模型，直接用几何读出延迟补偿的程度，简洁而有力。再配上 final index（实际落点版）就能进一步分离"计划里的预测"与"执行中的在线修正"。
整个结果部分沿一条清晰的逻辑链推进：先看手（拦截是否预测、是否在线修正），再看眼（初始扫视、catch-up 运动），再用 RT 匹配与同 trial 内比较排除"眼睛只是反应慢"的替代解释，最后回到眼手之间的时间与空间耦合。
方法
两只雄性 rhesus 猴（7–10 kg），左臂束缚，用右手在触摸屏（100 Hz，空间分辨率 <0.1 mm）上操作，眼前 23 cm；Polhemus 磁传感器（120 Hz）绑在右腕附近记录手轨迹，ISCAN 红外眼动仪（120 Hz）记录眼动。训练 1–2 个月、成绩稳定在约 90% 后植入 head-post，头固定后开始正式记录。
任务流程：触摸屏幕中央绿点并保持 600–1200 ms；随后第二个绿点在 8 个等距（45°）外围位置中随机出现，沿一条（不可见的）圆周轨道运动 1000 ms，角速度为 0、±120°/s 或 ±240°/s。换算成屏幕线速度，±120°/s 条件下两只猴分别为 13.40 与 16.76 cm/s，±240°/s 为 26.81 与 33.51 cm/s。猴子可在目标出现后 150–950 ms 内随时出手；一旦触摸任何外围位置，目标立即停止，若落点与目标角距 <15° 且与轨道径向距离 <1.5 cm 判为成功，红/蓝点给出反馈，成功后 500 ms 给流食奖励。40 种条件（8 起始位置 × 5 速度）伪随机交错，每 session 1000–2000 trial。
眼的标定别出心裁：因为完全不训练眼动，作者利用"猴子在静态目标试验中总会先注视目标"这一事实，把 reach 结束前 0–50 ms 的平均眼位对齐到目标位置做线性拟合，标定精度（静态目标眼位 SD）在 Monkey 1 为 2.17°±0.33°、Monkey 2 为 1.72°±0.50°，与常规标定相当。扫视判定：峰值速度 >200°/s，起止时刻取速度超过/回落到峰值 10%；初始扫视还需满足 onset 晚于目标出现 60 ms 以上、offset 位置距瞬时目标一定范围。catch-up 扫视与 smooth pursuit 用与目标速度成比例的阈值分开（扫视峰值 >1.5× 目标速度；pursuit 段速度持续 >50% 目标速度且不与扫视重叠）。
RT 匹配分析值得一提：为排除"扫视预测差只是因为反应快、看的时间短"，作者在每种条件内取扫视 RT 与 reach RT 分布的重叠段，配对相差 ±5 ms 以内的 trial（每 trial 只用一次，重复 100 次取中位数），再分别算 predictive index。
主要结果
手的表现先声夺人。两只猴的拦截又快又准：Monkey 1 的 reach RT 为 338±64 ms，运动时程 145±29 ms（n=21508）；Monkey 2 为 268±93 ms，208±40 ms（n=16800）；落点误差 SD 分别只有 10.3° 与 7.9°，成功率 86.3% 与 95.9%。速度剖面是干净的单峰钟形线，说明猕猴用一次弹道式运动完成拦截，而不是 G03 在慢速拦截中看到的一串重叠 submovement。reach RT 受目标速度显著调制（Monkey 1 的 one-way ANOVA p<10^-200，±240°/s 条件与其余条件差异达 p<10^-3）——手在"看"目标的运动学。
预测的直接证据来自平均轨迹与 predictive index。把运动起始时刻的目标位置对齐到 12 点方向后，不同速度条件的平均手轨迹从出发即分道扬镳，各自指向未来的拦截位置；按起始目标位置分 8 组、按落点方向分 8 组的细分轨迹都复现了这个模式，且相似方向的轨迹形状相似，说明弯曲主要来自手臂固有特性而非在线修正。定量地，reach 的 predictive index 在 Monkey 1 为 1.04±0.90、Monkey 2 为 0.77±0.77——手臂发射方向平均而言精确指向拦截点，完全补偿了感觉延迟加自身运动延迟；且该指数跨 session 稳定。final index 分析显示两只猴个性分明：Monkey 1 在线修正几乎不改变精度（1.04±0.54 vs 1.04±0.90，p>0.1），Monkey 2 则明显靠在线修正把 0.77 抬到 0.93（p<0.001）。
眼睛则完全是另一回事。初始扫视的落点误差分布随目标速度整体偏移：扫视瞄向的是扫视发起时刻的瞬时目标位置，于是扫视结束时目标已经"溜走"。扫视的 predictive index 只有 0.03±2.18（Monkey 1，n=12724）和 0.22±1.30（Monkey 2，n=9472），final index 也不过 0.00±1.33 与 0.29±0.87。值得注意的是，指数≈0 并不意味着眼没有预测：若扫视只反映纯视网膜延迟，它应当落在约 100 ms 前的目标位置上；指向"扫视发起瞬间的目标"本身就要求补偿感觉传输延迟。缺的那一截，是对扫视执行期间目标额外位移的补偿。作者还用固定 30°/s 阈值重新定义扫视起点做对照，起点只提前 2.6–3.0 ms（扫视时长 50–60 ms），结论不变。
"眼睛只是没时间"这一替代解释被两项分析排除。RT 匹配后，被选出的长 RT 扫视的 predictive index 确实升高（Monkey 1 从 −0.03 升到 0.43，p<10^-44），但在 RT 严格相当的情况下（如 Monkey 1：扫视 323.4±64.7 ms vs 伸手 323.6±64.2 ms）仍远低于配对的 reach（p<10^-42）；trial 内的比较同样如此——catch-up 扫视（RT 366.6±74.4 ms）的 predictive index 升至 0.40，可同期 reach 仍是 1.01（p<10^-44）。看来视觉信息的积累确有贡献，但不是全部。
catch-up 阶段的眼动是"协调但不预测"的又一证据。初始扫视后，eye 的径向分量保持恒定、切向速度非零且严格受目标速度调制（两种速度的 ANOVA 均 p<10^-200），说明眼在跟目标；但 gaze 始终滞后于瞬时目标位置，直到手臂落地、目标停止才追上。初始扫视结束时的视网膜误差与后续眼动平均速度显著负相关（r 从 −0.28 到 −0.68，全部 p<10^-50），说明 oculomotor 控制确实利用了视网膜误差信息。成分上，smooth pursuit 先主导追赶，临近拦截时扫视比例上升。
眼手耦合最后落地在两个相关上：静态目标时扫视与伸手 RT 相关最高（r=0.34 与 0.44），运动目标下相关减弱且随速度条件波动（Monkey 2 在 CW240 时 r=0.00——事后查明是手挡住了右下目标、猴子干脆等目标绕出遮挡区再出手，剔除这些 trial 后 r=0.275，p<10^-32）；空间上，初始扫视误差与拦截误差只是弱相关，但扫视误差与"伸手发射方向误差"、以及 reach 发起时刻的视网膜误差与最终拦截误差，相关都明显更强。眼和手在时间与空间上都纠缠在一起，只是各自揣着不同成色的预测。
逐图解读
原文 Fig. 1 · PDF 第 50 页
图 1 · 任务与典型 trial 范式全景：目标在 8 个位置随机出现并绕圆周运动（浅蓝轨迹对猴不可见），眼动完全不受约束。B/D 是一次典型运动目标 trial 的四联快照与时间过程：约 205 ms 后猴发起扫视，扫向的是发起时刻的目标位置，扑空后 gaze 滞后跟随；与此同时手臂一次性预测性地命中目标。C/E 的静态目标 trial 是对照。一张图就把"眼追当下、手打未来"的分裂讲清楚了。
原文 Fig. 2 · PDF 第 51 页
图 2 · 拦截运动的速度剖面 上排为典型 session 的单 trial 速度曲线，下排为全试验平均。五种速度条件下都是干净的单峰钟形线——猕猴拦截快速圆周运动目标用的是单次弹道运动，与 G03 在慢速目标中描述的重叠 submovement 策略形成对照。速度的大小还随目标速度条件系统变化，运动学上再次确认手"知道"目标在动。
原文 Fig. 3 · PDF 第 52 页
图 3 · 扫视与伸手的落点误差分布 椭圆刻画各速度条件下误差分布的均值、SD 与回归倾斜。上行扫视：落点簇随目标速度整体平移——扫视结束时目标已移出落点，且目标越快精度越差（与运动-位置估计共享机制的理论一致）。下行伸手：无论目标多快，落点都压在拦截时刻的目标位置上。眼与手的误差结构在同一坐标系下判然有别。
原文 Fig. 4 · PDF 第 53 页
图 4 · 平均轨迹：眼瞄当下，手打未来 将运动起始时刻的目标位置对齐到 12 点后，各速度条件的平均轨迹。上排扫视轨迹全部指向起始时刻的目标位置，与速度无关；下排伸手轨迹从起点就按速度条件扇形张开，分别指向各自未来的拦截点（圆周上的彩色圆点），几乎看不到在线折返。这是全文最直观的一张图。
原文 Fig. 5 · PDF 第 54 页
图 5 · 按起始目标位置分组的轨迹 排除"平均方向不同造成假象"的对照：把 trial 按运动起始时刻目标位置分成 8 组分别平均，扫视仍瞄瞬时位置、伸手仍按速度分叉。平均的把戏被拆穿之后，结论纹丝不动。
原文 Fig. 6 · PDF 第 55 页
图 6 · 按落点方向分组的伸手轨迹 再按 reach 落点分成 8 组：相似方向的伸手轨迹在不同目标速度下形状高度相似，说明轨迹的弯曲主要源于手臂的固有生物力学，而非速度条件特异的在线修正。与图 4、图 5 合起来，"一次性预测发射"的图像在三种切法下自洽。
原文 Fig. 7 · PDF 第 56 页
图 7 · Predictive index A 图直方图给出全文最关键的数字：reach（蓝）均值 1.04 / 0.77，saccade（红）均值 0.03 / 0.22——手的发射方向平均精确指向未来拦截点，眼基本只顾当下。B 图显示该指数在整个记录期间稳定，说明 2–3 个月的训练后行为已收敛，不是学习曲线上的瞬时快照。
原文 Fig. 8 · PDF 第 57 页
图 8 · 在线修正的贡献 predictive index（发射方向）对 final index（实际落点）的散点与边缘分布。Monkey 1 两指数几乎相同（1.04 vs 1.04），在线修正形同虚设；Monkey 2 则靠在线修正把 0.77 提到 0.93。两只猴用不同配方达到同一精度，提示"预测发射"与"在线修正"的配比是策略变量而非定数。
原文 Fig. 9 · PDF 第 58 页
图 9 · 初始注视位置 眼不受约束，于是有了这张"个性图"：Monkey 1 偏好屏幕中央偏下，Monkey 2 常驻左下角。注视点分布在 session 内与 session 间高度稳定（回归斜率接近零），且对扫视精度无可见影响。这一细节同时为后续所有眼动分析提供了干净的基线。
原文 Fig. 10 · PDF 第 59 页
图 10 · Catch-up 眼动的切向速度 以初始扫视结束、伸手结束为对齐事件的眼动切向速度：速度大小随目标速度条件整齐分层（每对条件比较均 p<10^-8），静止条件下几乎为零。眼动确实在跟随目标的运动，而不是随机游走——只是跟得吃力。
原文 Fig. 11 · PDF 第 60 页
图 11 · 视网膜误差的时间过程 相对目标瞬时位置的 gaze 误差：追赶期间误差缩小但始终保持为负（gaze 滞后），直到手臂落地、目标停止才归零。眼睛全程没有"反超"目标的时刻，与伸手落点恰好相反——滞后本身就是扫视不做运动预测的必然后果。
原文 Fig. 12 · PDF 第 61 页
图 12 · 视网膜误差驱动眼动速度 初始扫视结束时的视网膜误差与后续 catch-up 眼动平均速度的逐 trial 相关：显著的负相关（r 介于 −0.28 与 −0.68 之间，全部 p<10^-50），落点偏得越多追得越快。oculomotor 系统在实时利用误差信号，这是一个标准的反馈控制特征。
原文 Fig. 13 · PDF 第 62 页
图 13 · Catch-up 运动的成分演化 随时间推移的扫视、smooth pursuit 与其他眼动的占比：追赶初期 pursuit 主导——可能为了把目标稳定在视网膜上、保住运动估计；临近拦截时扫视比例上升，把目标拽回中央凹附近。策略的时间结构暗示 pursuit 优先服务于"估"，扫视优先服务于"看"。
原文 Fig. 14 · PDF 第 63 页
图 14 · 眼手 RT 相关 逐 trial 的扫视 RT 对伸手 RT 散点：静态目标下相关最强（r=0.34 / 0.44），运动目标下减弱且随条件波动；Monkey 2 在 CW240 条件的解耦可归因于手遮挡目标导致的"等它绕出来"策略。眼与手共享一个启动时钟，但运动情境会插进来改表。
原文 Fig. 15 · PDF 第 64 页
图 15 · 眼误差与手误差的耦合（Monkey 1） 三级相关：扫视落点误差对最终拦截误差只是弱相关；但扫视误差对伸手发射方向误差、以及伸手发起时刻的视网膜误差对拦截误差，相关都更强。空间耦合是分阶段的——早期的眼误差写进手的发射计划，晚期的视网膜误差写进手的在线修正。
原文 Fig. 16 · PDF 第 65 页
图 16 · 眼误差与手误差的耦合（Monkey 2） 与图 15 同构，Monkey 2 复现了同样的阶梯式相关模式。两只个性迥异（一个靠纯预测、一个爱在线修正）的猴给出一致的眼-手误差传递结构，说明这种协调方式不是个体习惯，而是范式本身逼出来的计算格局。
讨论
这篇文章的分量在于把一个长期含混的问题变得可以量化。眼与手在高度动态、高度灵活的拦截中依然保持时间与空间上的协调——RT 相关、误差逐级传递，这些在静态指向任务中的经典现象全部在线复现；但两者对延迟的补偿水平泾渭分明：与奖励挂钩的臂动完全补偿了感觉与运动两级延迟，与奖励无关的眼动只补偿了感觉延迟。作者对此的解释是 effector-dependent 的预测部署：内部模型（补偿运动延迟所需的额外超前量）可能只被装配到与奖励相关的效应器上；或者，装配这种补偿机制需要额外的加工时间，oculomotor 系统在本任务的时间压力下选择绕开它。
与此前"预测性扫视"文献的表面冲突也被妥善化解：那些研究里被试有 500 ms 以上的连续观察时间，自然可以提前把视线派往预定拦截区；本任务从目标出现到拦截结束只有约 470–485 ms（RT+MT：Monkey 1 484.7±58.1 ms，Monkey 2 471.3±99.3 ms），眼睛只能退而求其次。G06 的 smooth pursuit 前置策略在此得到呼应——用 pursuit 稳住目标像，保住运动估计，代价是接受滞后。这与 G08"选位置优于选时刻"的拦截精度逻辑、以及 G09 的模型/在线之争都接得上话。
局限也坦率：从"扫视指向瞬时目标位置"出发，无法排除两种延迟都被部分补偿的可能；观察层面也定不住 PPC 或小脑里到底谁在算。但正是这个干净的行为学解耦，让 H06 得以用同一个范式追问 PPC 究竟编码瞬时目标还是即将发生的运动，也让 H08 把问题推进到 M1 的群体几何。作为"拦截的神经生理学"现代部分的地基，它提供的不是结论，而是一把好尺子。
一句话总结：在目标突现、时机自选的灵活拦截中，猕猴的初始扫视只补偿感觉延迟（predictive index≈0），拦截臂动则完全补偿感觉加运动延迟（predictive index≈1.04/0.77）；眼与手在时空上协调，但预测水平按任务情境与效应器分层部署。
思考问题
- “眼只补感觉延迟、手补两级延迟”有两个解释：内部模型只装配到奖励相关效应器，或眼动系统在时间压力下绕开装配。操纵时间压力（目标存活时间加倍），看眼的 predictive index 是否升到 1：升，绕开解释成立；仍接近 0，则补偿按奖励相关性装配——两个假说对同一操纵的预言相反。
- 两只猴的样本撑不起“effector-dependent 部署”的机制结论：扩样本并把奖励换侧（奖励只挂眼动表现），测手的 predictive index 是否掉、眼的是否升：奖励挂哪补偿跟哪，部署是任务设定的；不动，则是解剖性的（oculomotor 系统天生不做运动延迟补偿）——描述性结论的两个机制版本可以就此分开。