运动控制与目标拦截：写给外行的一份领域百科

这篇文章是一份"领域地图"，写给对本领域感兴趣、但没有神经科学或控制论背景的读者——比如隔壁实验室的研究生。它回答的问题是：研究"大脑如何控制运动"的这帮人，六十年里到底在争什么、用什么工具争、争出了哪些结论，以及为什么"接住一个移动的物体"会成为检验一切理论的压力测试。

文章的事实基础是本站点收录的 65 篇文献笔记（编号 A01–I01）。每篇笔记都基于原始论文 PDF 逐图核对，分"背景、研究思路、方法、主要结果、逐图解读、讨论、思考问题"七节。本文引用的年份、数字与结论均取自这些笔记；凡是笔记明确标注了证据边界的（例如某个数字来自单个被试、某项操纵没有完全解耦），本文会保留这份谨慎，区分"证明""支持"与"提示"。

本文与集内已有文档的分工：01_综述讲的是"这 65 篇论文的证据如何互相咬合"——一篇论证性的学术综述；本文讲的是"这个领域本身是怎么走到今天的"——一份面向外行人的通识百科。两者可以互读，但不重复。索引与阅读路线见 00_总览，笔记的核对过程见 02_审查记录。

这个领域在做什么：运动控制的位置与三大难题

运动控制（motor control）研究的是一个你每天都在做、却几乎意识不到其难度的计算问题：如何把"我想让手到那里去"变成几十块肌肉在正确时刻的正确收缩。它天然是个交叉学科——神经科学问"哪些神经元在放电"，生物力学问"肢体这个多关节摆有多难控制"，控制论问"什么样的控制器能在有延迟、有噪声的情况下稳定工作"，心理学则贡献了最早的行为规律。本集的 65 篇文献恰好横跨这四极：从猕猴的单细胞电生理，到人类被试抓机器人手柄的心理物理学，到病人研究，再到纯理论的优化框架。

这个领域之所以难，核心困难有三个，它们会贯穿全文：

反馈延迟。 你的手被碰了一下，感觉信号传到脊髓只要约 20 ms，但要经过皮层做出"聪明"的反应需要 50 ms 以上，视觉反馈更慢（约 100 ms 开外）。工程上，高增益反馈加大延迟等于振荡与失控——这就是"伺服控制"（servo control，像恒温器那样不断比较目标与当前状态、按误差纠偏的控制器）在运动系统里遇到的死结。C07 对此有一句判词：servo-control 死于几十毫秒的感觉延迟与多关节动力学的不稳定。

冗余与易变。 手臂的自由度远多于任务需要的自由度：同一个伸手终点，肩肘腕的组合有无穷多种。更麻烦的是身体本身会变——肌肉会疲劳、负载会改变、肢体在生长。今天写好的运动命令，明天面对的就是另一台机器。

噪声。 神经信号 noisy，放电本身带随机性，运动命令越大噪声越大。最优解往往不是"完美地重复"，而是"把误差挤到不要紧的维度上"。

目标拦截为什么是这个领域的压力测试？ 伸手去够一个静止的杯子，大脑可以慢慢算；但接一个飞来的球时，目标在动、时间窗以毫秒计（顶级拦截的时间精度可达 5–10 ms，见 G08），而视觉信息本身延迟上百毫秒——不预测就永远追不上。拦截把上面三个难题同时拧到极限：必须预测（对付延迟）、必须在线修正（对付噪声与意外）、必须在冗余中选择出手时机与位置（对付冗余）。本集的 G、H 两组文献正是把这个任务同时搬进人类行为实验室和猕猴的皮层记录室。

一条编年主线：从反射到群体动力学

反射与伺服时代（20 世纪上半叶）

现代运动生理学的起点是 Charles Sherrington 的反射研究：脊髓里的牵张反射（肌肉被拉长会自动收缩）是第一个被详细描述的"感觉进、运动出"环路，他提出的"最终共同通路"（所有运动命令最终都要汇到脊髓运动神经元）至今仍是教科书语言。二战后控制论兴起，人们自然地把反射理解成伺服回路——大脑设定目标位置，脊髓比较误差、驱动肌肉。这个图景简洁优美，但它低估了延迟，也答不上一个朴素的问题：如果一切靠反射，那"随意"运动里的"随意"住在哪？

Evarts 与清醒猴电生理（1968）

Edward Evarts（NIH）在 1960 年代开创了关键的技术范式：训练清醒的猕猴完成规定动作，同时在它的大脑里记录单个神经元的放电。在那之前，电生理多在麻醉动物上做，而麻醉动物不会"想做"任何事。1968 年他发表了纲领性的结果 A01：用滑轮重锤从相反方向给腕关节加负载，让"同样方向的位移"需要"相反方向的用力"，结果发现 31 个锥体束神经元（PTN，即轴突直达脊髓的皮层输出细胞）中 26 个（84%）的放电随负载大幅变化——同一个细胞在屈曲位移中的放电可以从约 3 次/秒（阻伸负载）摆到约 93 次/秒（阻屈负载），且放电变化在时间上领先于力的变化。结论：锥体束输出的首要相关变量是力及其变化率，而不是位移方向。这就是所谓"力纲领"（M1 编码肌肉力与动力学）的实验源头。

顺着输出端，Paul Cheney 与 Eberhard Fetz（华盛顿大学）发展出 spike-triggered averaging（锋值触发平均：以皮层细胞的放电为触发点去平均肌电，若某细胞放电后某块肌肉规律性地出现微小易化，就证明两者有突触联系）。1980 年的 A02 用这个方法确认了 135 个直接支配前臂肌肉的"皮层-运动神经元"（CM 细胞），发现它们全部在用力期持续放电，tonic 亚群的放电率随静态力矩线性上升——运动皮层对力的因果贡献集中在持续放电的输出神经元上。值得一提的是，Fetz 在 1969 年还做过另一件影响深远的事：证明猴子可以通过操作性条件反射学会自主控制单个皮层神经元的放电——这被公认为脑机接口（BCI）思想的源头，本集的终点 I01 正是这条线半个世纪后的样子。

方向调谐与群体向量（1982–1986）

另一条传统从运动学一侧杀出来。Apostolos Georgopoulos（当时在 Johns Hopkins）把任务换成平面上的八方向 center-out 伸手（从中心出发伸向八个方向的目标），问的问题也随之改变：单个细胞是不是专管某个方向？1982 年的 A03 给出了否定而有趣的答案（记录位置跨越 area 4 与 area 6，严格说并非全部来自 M1）：323 个任务相关细胞中 241 个（74.6%）呈宽阔的钟形方向调谐——每个细胞有自己最喜欢的方向（preferred direction, PD），但对相邻方向也放电，只对单一方向放电的细胞只有 1 个；约四分之三的调谐曲线可用余弦函数拟合，且方向相关放电在最早的肌肉活动（运动前约 80 ms）之前就已就位。

单细胞含糊，群体能否精确？1986 年的 A04 提出了著名的群体向量（population vector）：把每个细胞的偏好方向按它的放电强度加权求和，得到的方向与三维伸手的实际方向平均只差 15.8°。单个细胞是模糊的投票者，群体求和却给出唯一的方向读数。Andrew Schwartz（Georgopoulos 的长期合作者）随即把结论推广到无约束的三维自由伸手 A05：568 个近端臂区细胞中 83.6% 呈余弦调谐，方向信号比肌肉活动早 40–60 ms。"力还是方向"之争就此全面开打。

和解：变量解耦的方法学（1989–1999）

回头看，两派从未真正对撞过，因为在自由运动里"往哪动"和"出多大力"天然纠缠。1989 年 John Kalaska（早年与 Georgopoulos 在 JHU 合作，后赴蒙特利尔大学）做了那场正面对撞 A06：8 个运动方向 × 8 个负载方向完全交叉，262 个肩相关 M1 细胞对两个参数都呈余弦式调谐，任意组合下的群体活动可由"运动成分＋负载成分"线性叠加近似预测——运动学与动力学在单细胞里共存，谁也消灭不了谁。1999 年 Peter Strick（匹兹堡）实验室的 Kakei 用前臂旋转 180° 拆开腕运动的坐标系 A07：88 个方向调谐神经元里，44 个的偏好方向几乎不随姿势变（更像"手往哪走"），28 个像肌肉一样翻转（更像"肌肉怎么缩"）——两种表征各占半壁。同年 Daniel Moran（Schwartz 的学生）与 Schwartz 补上第三个变量 A08：速度以乘性增益改写方向调谐，一条"速度×方向"方程就能解释系综 99% 的时变方差，且群体活动连续领先手速度约 145 ms。

这场争论的真正遗产是一个方法学教训：从放电中读出某个变量，只证明数据里携带这个变量的信息；结论的边界由实验把变量解耦到什么程度决定。同样的教训在视觉-运动交界地带也上演过一次：Richard Andersen 在 Vernon Mountcastle（JHU）实验室发现，后顶叶 7a 区的光敏神经元对"视网膜上同一个刺激"的反应强度随注视方向变化（注意性注视下 44/72 个细胞显著）——后来被称为增益场（gain field，一个信号乘性缩放另一个信号的调谐，是神经系统做坐标换算的基本元件）D01。"调谐于 X"从此必须补一句"在什么操纵下、相对于什么参照系"。

计算运动控制的兴起：内模型（1994–1999）

1990 年代，重心从"皮层表征什么"移向"大脑学习什么、怎么算"。核心概念是内模型（internal model）：神经系统内部对外部世界动力学的一份可计算的模拟。它分两个方向——逆向模型（inverse model）回答"要达到这个状态，该发什么命令"（由果推因）；前向模型（forward model）回答"发这个命令，会发生什么"（由因推果）。前向模型正好是对付反馈延迟的利器：等不到真实反馈，就先用自己的预测顶上。

实验定义的起点是 1994 年的 B01：Reza Shadmehr 在 MIT 与 Ferdinando Mussa-Ivaldi（与 Emilio Bizzi 共同领导的计算运动控制学派）合作，让被试握着能施加程序化力场的机器人手柄做伸手运动。约 1000 次练习后，被速度相关力场掰弯的轨迹重新变直；而真正的判决证据是后效（aftereffect）：冷不丁撤掉力场，轨迹弯向与初始畸变相反的一侧——证明大脑学的是对环境的预期补偿，而非简单地把身体绷硬。更妙的是迁移实验：在从未训练的左工作区，被试的表现更符合"按关节坐标学习"（笔记提醒：示例对比 0.91 对 0.62 来自单个被试，不能当作组均值）。

Daniel Wolpert（剑桥）与 Michael Jordan（当时在 MIT）等 1995 年在《科学》上给前向模型拿到第一份直接行为证据 B02：被试在黑暗中移动手臂后指认手的位置，估计偏差随时间先升后降、方差升到平台，外加力场系统性改变偏差——这套形态只有"前向模型预测＋感觉校正"的卡尔曼滤波（Kalman filter：一种最优状态估计算法，按"预测的可信度"与"感觉的可信度"加权融合两者）能一并复现。换言之，你对手在哪里的感知，从来都不是纯感觉，而是预测与感觉的最优混合。Wolpert 与 Mitsuo Kawato（ATR）随后把架构做大 B03：MOSAIC 设想大脑同时维护许多对"前向＋逆向"模块，每个前向模型的预测误差折算成该模块的"责任"权重，同一个信号同时门控学习与输出——大脑像一支按需组队的专家委员会。Kawato 1999 年的纲领性综述 B04 则把散落的证据线（力场后效、握力恰好略高于防滑线且动态超前、追踪自己控制的目标时眼睛零延迟、小脑复杂锋电位波形可被逆动力学模型重建）拧成一个解剖定位：小脑是内模型的仓库。

此后十年，这台机器被拆开看零件：Shadmehr 的学生 Kurt Thoroughman 从误差时间序列里解出学习的"基元"是以约 0.12 m/s 宽度的高斯感受野编码手速度的局部单元 B05；他的另一位学生 Maurice Smith（后赴哈佛）用误差钳制范式证明适应不是一个过程而是快慢两个并行过程（快过程学习率 0.21、保持率 0.59；慢过程 0.02、0.992）的叠加，这一对参数统一解释了自发恢复、savings（再学学得快）等一系列记忆现象 B06；与 Amy Bastian（JHU/Kennedy Krieger）合作的小脑病人研究 B07 把教学信号钉死：无论任务是否允许在线纠正，健康人的适应率不变（α≈0.2），小脑病人的缺陷也不变（降到约 0.04）——驱动小脑依赖适应的是感觉预测误差（sensory prediction error：前向模型的预测与真实感觉之差），而不是执行了纠正命令这件事。Shadmehr 与他在 JHU 的长期同事 John Krakauer 把这一切画成第一张"计算神经解剖图" B08：系统辨识归小脑、状态估计归顶叶、控制与代价寻优归基底节-运动皮层系统，病人 HM 与 HK 的双重分离是图上的锚点；2010 年的综述 B09 收拢为一句话：反馈延迟与身体易变这两个难题共享同一个解——位于小脑、由感觉预测误差校准的前向模型，且只有慢过程通向长时记忆（24 小时保持量与慢过程水平相关 r = 0.99）。

最优反馈控制：轨迹是副产品（2002–2012）

Emanuel Todorov（Jordan 的学生）与 Jordan 2002 年提出的最优反馈控制（optimal feedback control, OFC）改变了问题的提法 C01。旧问法是"大脑规划了什么轨迹"；新问法是"大脑优化了什么反馈律"。其核心是最小干预原则（minimal intervention principle）：最优控制器只纠正那些妨碍任务目标的偏差，放任无关维度自由波动——冗余不是麻烦，而是免费的噪声缓冲。由此，许多看似需要解释的现象（变异性恰好在任务无关维度上大、协同、简化策略）变成同一个优化问题的自动推论。支持证据包括：伸手终点在目标延伸方向上的方差（0.26 cm²）显著大于受约束方向（0.14 cm²）——大脑精确地只在乎需要在乎的维度。

Stephen Scott（Queen's 大学）2004 年把这个数学框架翻译成神经语言 C02：M1 不是某个变量的编码器，而是一个低维状态变量上运行、反馈增益随任务目标实时重设的控制器的一部分——"肌肉还是运动"的老问题就此改写为"muscles and movement"。Todorov 2004 年还给皮层留了一个接口猜想（costate 猜想：M1 活动可视为代价梯度的一种变换）C03。行为侧最锋利的检验来自 David Liu 与 Todorov C04：目标在最后时刻跳变时人的纠正总是"欠矫正"，传统解释是来不及，他们证明这是控制器为了"稳稳停下"主动降低末端增益的理性选择——把任务从"停在目标上"放宽成"击中即可"，欠矫正立刻显著缩小。

反馈通路自身的"智能"随后被系统兑现。J. Andrew Pruszynski（博士随 Roland Johansson 于瑞典 Umeå，后与 Scott 合作）等发现 C05：扰动诱发的肌电响应中，短潜伏期成分（R1，20–45 ms，走脊髓）对行为目标毫无反应，而长潜伏期成分（R2/R3，45–105 ms，经皮层）被目标方向系统调制、随目标距离连续分级，其偏好方向与随意反应平均只差 19°——快速反馈与随意控制共享同一套任务表征。David Franklin（与 Kawato、Wolpert 均有合作）证明反射增益的适应判据是"变异性的任务相关性"而非环境本身的变化 C06。Scott 2008 年的观点文章 C07 正式给旧争论收尸：坐标框架搜索死于"M1 与从目标到肌肉的一切变量都相关、且表征随任务切换"，该押注的是"长潜伏期反射继承随意控制的智能"。这个赌注随后被逐一兑现：M1 神经元在扰动后约 50–60 ms 内就能完成多关节整合（对"肩没动但肘被推"的情况给出正确的肩命令），人类 TMS 实验在 65 ms 处复现同一结论 C08；综述 C09 总结长潜伏期反射三条全中 OFC 预言；C10 则显示扰动后约 25 ms 内本体感觉信息已传遍从 S1 到 PMd 的五个皮层区域，任务语境在 25 ms 处就开始调制响应——反馈从来不是一个外围附件，而是控制系统的主体。

群体动力学转向（2012–2020）

2010 年代，阵列记录让"同时看几百个神经元"成为常态，描述语言随之换代。Krishna Shenoy（斯坦福）实验室走出的 Mark Churchland 等人 2012 年在《自然》发表 F01：伸手时 M1/PMd 的群体动力学（population dynamics：把 N 个神经元的瞬时放电率看作 N 维状态空间里的一个点，运动就是点划出的轨迹）呈一致的旋转结构——准备期设定初始条件，运动期状态沿固定动力学转动，第一个 jPC 平面解释约 28% 方差；单神经元的复杂多相响应和肌肉活动都可以由两个固定频率的旋转生成。"单个细胞编码什么"被改写成"群体状态在状态空间里画什么几何"。

配套的几何工具迅速成形。Churchland 的学生 Matthew Kaufman 证明 F02：准备期活动大量位于输出零空间（output-null space：那些经皮层到肌肉的读出权重加总后相互抵消、因而不产生任何下游效应的活动方向——相对某个特定读出定义）之中，零空间维度的调谐量是输出维度的 4.5 倍，96% 的效应来自群体内不同细胞的相互抵消——皮层得以"想而不动"，不需要闸门。Gamaleldin Elsayed（John Cunningham 的学生，Cunningham 本人是 Shenoy 的学生）证明准备与运动占据近乎正交的子空间，靠一次线性交接连接 F04。Shenoy 实验室的 Sergey Stavisky 发现连视觉反馈处理都先落在零空间里（扰动后 66–67 ms 皮层已剧烈响应，矫正命令要到 100–177 ms 才进入输出维度）F05。Churchland 的另一位学生 Abigail Russo 提出 untangling F06：神经群体轨迹比肌肉轨迹"打结"程度低（99.9% 的时刻），低打结带来噪声鲁棒性，类肌肉命令以小波纹的形式嵌入其中——A06 时代"运动学与动力学混合"的老答案，三十五年后以全新的数学面目回来了。三篇综述把这个纲领立为显学：F09（Shenoy、Sahani 与 Churchland）、F10（Gallego、Perich、Miller 与 Solla，提出神经流形：群体活动实际只占据高维状态空间里一个低维的"面"，十个 modes 即解释约 70% 方差；Matthew Perich 学生时代师从西北大学的 Lee Miller）、F11（Vyas、Golub、Sussillo 与 Shenoy，把 dx/dt = f(x, u) 立为全脑计算的通用方程）。

旋转究竟是不是皮层的"自主发电机"？本集恰好收了三种互补的回答，构成一个三角形。Shenoy 实验室的 David Sussillo 用递归神经网络（RNN）证明 F03：只要求网络复现肌肉活动并惩罚其动力学的复杂度，网络内部就自发长出与 M1 几乎一样的旋转（CCA 典型相关 0.74）——旋转可能是"产生肌肉命令的最简单解"的签名。Adam Hantman（Janelia）实验室的 Benjamin Sauerbrei 用小鼠光遗传给出反方向的证据 F07：沉默丘脑输入可以在运动的任何阶段瘫痪皮层模式——灵巧运动的模式生成是输入驱动的，生成器分布在多个脑区（注意：这是小鼠证据，层级不同）。Kalidindi、Sabes 与 Scott 等的模型研究 F08 则证明：一个带着 50 ms 延迟感觉反馈控制机械臂的网络，即便删除层内循环连接，旋转依旧存在——旋转与反馈控制器完全相容，它可以是感觉反馈与延迟相互作用的涌现属性（笔记提示：该文图与正文的个别数字存在不一致，引用宜定性）。三个顶点不互斥，它们共同把"皮层是不是自主动力学"降格为一个参数化的问题：局部递归与外部输入各占多少、在哪个任务里。

拦截研究的平行传统（1976–2015）

与上述皮层电生理主线平行，行为学界有一条独立的拦截研究线。源头是 David N. Lee（爱丁堡）1976 年那篇没有一个被试的理论文章 G01：光流场中，障碍物视角与其扩张速率之比——tau（τ，光学的碰撞时间估计：若当前接近速度不变，多久撞上）——不需要知道距离和速度的绝对值就能直接指定 time-to-collision；登记碰撞航线、触发刹车、持续调节减速度（维持 τ 的变化率不低于 −0.5）三件事都可以只靠 τ 完成。一位老司机的实测制动剖面与 τ̇ = −0.425 的恒定控制律惊人贴合。Lee 的传统（源自 Gibson 的生态心理学）强调"视觉信息自足"：环境光流里什么都有，大脑只需拾取。

此后三十年，这条线在两个极端之间摆荡，最终走向混合。细节留待"目标拦截专题"一节展开，这里只给出编年坐标：Port、Lee 等 1997 年的双策略发现 G02 与子运动在线拼装 G03（两篇基于同一批被试与数据，应算一组证据）；Francesco Lacquaniti（罗马）团队的 Myrka Zago 2004 年用"打真球 vs 点虚拟球"实验证明重力内模型压倒实测运动学 G04；James Tresilian 2005 年的 operational timing 论证 G05；Eli Brenner 与 Jeroen Smeets（阿姆斯特丹自由大学）2015 年的定量综合 G08；Lacquaniti 团队的 La Scaleia 2015 年遮挡实验 G09。

汇流（2022–2026）

最近几年，几条线开始合流。Rajalingham 与 Jazayeri 团队把"大脑是否在心里模拟物理世界"做成可工程化检验的命题：在 M-Pong 遮挡拦截任务里，人与猴的行为指纹高度一致（0.89），数百个任务优化的 RNN 中唯有被约束为显式追踪球位置的网络系统复现灵长类的误差模式，而总成绩毫无预测力 H07；2025 年补上神经证据：猕猴背内侧额叶皮层（DMFC）1889 个神经元的群体动力学携带跨条件稳定的球位置线性读出，其状态空间几何与"心里有球"的网络最相似 H10。He Cui 实验室把拦截范式推到 M1 群体几何：单神经元普遍携带方向平移、增益、加性三种目标速度调制，群体状态在运动发起时刻排成按方向定相位、按速度定倾角的同心椭圆环 H08；同一团队 2025 年用皮层内微刺激（ICMS）证明移动目标下的持续感觉运动转换让神经动力学对扰动更鲁棒 H09。而 Saussus 等 2026 年的三区联合皮层内 BCI I01 把流形、学习与反馈装进同一台机器：一次约 7 分钟的被动观察校准即支撑猕猴在立体 VR 中导航、应对目标跳变与绕障；同一解码器的真实闭环成绩系统性高于离线重放——提示闭环中的反馈与在线适应贡献了控制能力的重要部分（笔记同时提醒：不能把这个差距量化成简单的"一半"）。

方法工具箱：这个领域靠什么回答问题

每种方法回答一类问题，也各带一类盲区。读文献时先问"这是哪类证据"，比先问"结论是什么"更重要。

人类心理物理学：用行为反推内部计算

让被试做运动、精确操纵环境与反馈，从行为误差反推内部过程，是本领域性价比最高的方法。典型范式：

• 机器人手柄力场：手柄按手的位置/速度施加可编程的力，看被试如何适应、撤场后留下什么后效——内模型的实验定义即出于此 B01。
• 误差钳制（error clamp）：用"视觉通道"技术把看到的误差强行设为零，观察学习在"无误差"条件下是否仍然漂移——快慢双过程的关键证据 B06。
• 视觉旋转与遮挡：把光标旋转 20°（B07）或把飞行中的球遮挡约 200 ms（G09），制造"预测"与"感觉"的人为分离。
• 目标跳变：伸手途中目标突然换位置，观察纠正的幅度与时机——OFC 的判决实验 C04。
• 机械扰动：用马达给手臂一个突然的推力，分析 20–105 ms 内逐级展开的肌电响应——快速反馈智能的主战场（C05、C06）。
• 微重力抛物线飞行：把拦截任务搬上失重飞机，直接操纵重力本身——重力内模型的可行性论证（G07，注意这是综述转引的系列实验）。

行为方法的强项是便宜、自然、能在人身上做因果操纵；弱项是一切内部变量都是反推出来的。

猕猴电生理：直接问神经元

在训练清醒的猕猴身上记录单个神经元（单电极）或几百个神经元（Utah 阵列等慢性阵列）的放电，是本领域主力军。单电极时代的问题形态是"这个细胞调谐于什么变量"（A、D、E 组主体）；阵列时代的问题形态变成"群体状态的几何是什么"（F、H 组主体）。配套工具包括：ICMS（皮层内微刺激，向皮层注入微弱电流做因果扰动，见 H09）、spike-triggered averaging（A02）、以及各种降维方法（PCA、jPCA、factor analysis、TDR——把几百维的群体活动压到能看见的几个维度）。电生理的弱项同样要记牢：相关不等于因果；记录样本通常不是神经元的无偏抽样；条件平均会掩盖单试次结构。笔记中对每篇都标注了这类边界。

EMG、TMS 与眼动：便宜但信息密度惊人的外周窗口

表面肌电（EMG）测量肌肉活动的精确时刻与幅度，是"反射分级"（R1/R2/R3）的载体；经颅磁刺激（TMS）在头皮上瞬时扰动皮层，可以问"这个时刻 M1 里有没有某种信息"（C08 的人猴互证是范例）；眼动追踪则在拦截研究里承担特殊角色——眼睛往哪看、追得多紧，本身就是策略的可观测量（G06、H05）。

病人研究：自然提供的损伤实验

小脑病人适应率从约 0.2 跌到约 0.04 而在线纠正能力保留（B07），加上 HM（运动记忆受损而适应保留）与 HK（感觉缺失而另有缺损模式）的双重分离（B08）——病人提供了"拆机器看哪个零件管什么"的机会。小样本、病因异质是其固有边界。

计算模型：从拟合数据到预注册对照

模型在本领域的角色经历了三代升级：第一代是解释性模型（力场适应的状态空间模型，B06）；第二代是生成性对照（训练 RNN 复现肌肉活动，看它内部长出什么，F03；或让 RNN 当反馈控制器，看旋转是否涌现，F08）；第三代是预注册的假设载体——先训练好一批施加了不同归纳偏置的网络并发表，再拿神经数据对照（H07 与 H10 的 RNN 在神经数据采集前就已定型，从机制上规避了事后拟合）。模型的地位也随之一变：不再是"对数据的解释"，而是"可以被神经数据判决的竞争假说"。

理论模型谱系：谁在什么问题上接替了谁

几个首次出现处已在正文解释过的术语——内模型、前向/逆向模型、卡尔曼滤波、最小干预、群体向量、tau、流形、输出零空间、感觉预测误差——这里只补一个上表新出现的：affordance 竞争假说（affordance competition hypothesis）主张大脑对环境的知觉直接以"可行的动作候选"形式并行指定（比如两个可伸手的方向同时在 PMd 里各有一座活动峰），决策就是这群候选在运动皮层内部相互竞争、直至一个胜出的过程，而非先在上游"决定"再交给运动系统执行 E01。动态版本的证据见 E03：证据随时间流过时，PMd/M1 以短于 200 ms 的时间常数跟踪证据、以随时间抬升的 urgency 信号推向出手，运动起始前约 280 ms 出现跨条件一致的"承诺"事件。mental simulation 假说则主张大脑为外部物体的状态维护一个逐时刻更新的内部模拟，哪怕物体被遮挡；它的强形式预言是"群体活动中存在一个跨条件稳定、可线性读出的物体状态"，H10 在 DMFC 找到了它（x 方向 r=0.97），并发现一个所有对照 RNN 都不具备的、trial 开始后约 250 ms 就位的快速终点预测信号——这是脑有而模型无的能力，留给建模界的作业。

目标拦截专题：毫秒级计时之争

行为学之争：在线控制、内模型，还是各管一段

拦截行为学的三十年论战可以排成一条清晰的谱系：

• Lee 1976（G01）：纯光学纲领——tau 够用。
• Port/Lee 等 1997（G02、G03，同一批被试）：屏幕拦截里的人其实是"近视眼"——发起拦截用"距离阈值"（反应式）或"τ 阈值"（预测式）两种策略，但对目标加速度系统性失明；拦截动作由一列约 2.5 Hz、相互重叠的子运动（submovement，每个约 0.56 s 的最小加加速度小片段）在线拼成，每段子运动只对准其起始时刻目标位置的一阶外推。
• Zago/Lacquaniti 2004（G04）：判决性反转。同一批视觉目标，用拳头打真球时被试从第一次尝试就按内化的 1g 重力模型计时（0g 匀速目标首发早到 94 ms，训练只能把内部阈值从约 205 ms 收缩到 135 ms 而无法关闭重力先验，catch trial 后效为证）；用鼠标点爆虚拟球时同一批人却按匀速 τ 模型计时——预期的动力学压倒实测的运动学，且大脑按"这是不是一个受重力的真东西"自动切换先验。
• Tresilian 2005（G05）：对快目标（运动时间 500 ms 以内），计时可以是"预编程运动时长＋TTC 阈值启动"的开环方案（operational timing）；时间精度要求越高、动作越短促这一方向性模式，是预编程的自然推论、连续在线控制难以解释。
• Zago & Lacquaniti 2009（G07）：可行性论证——单靠视觉线索撑不起顶级拦截 3–5 ms 的精度（眼睛辨别加速度的能力比辨别速度差四倍以上）；微重力中拦截反应系统性提前、地面复刻时 1g 首试成功率 85% 而 0g 仅 14%（后者为该综述转引的系列结果）。
• Brenner & Smeets 2015（G08）：反方向的定量综合——5–10 ms 精度不需要预编程神话：先估计手何时到达目标路径，再以约 116 ms 的延迟持续在线微调击打位置（改位置比改时刻快，后者约 169 ms），把各误差源除以击球瞬间的目标速度，即可在零自由参数下复现全部条件（r = 0.87）。
• La Scaleia, Zago & Lacquaniti 2015（G09）：堵住最后一个出口——球的抛物线段被完全遮挡约 200 ms 时，人照样以 86% 对 87% 的接触率、0 ms 中位计时误差、首次尝试即拦截成功，终点沿真实抛物线散布；在线控制无法解释，唯有默认套用"重力＋空气阻力"先验的内模型可以。

公允的读法是：这不是一方获胜，而是分工——内模型负责外推（尤其感觉中断时与加速度这种视觉盲区），在线反馈负责最后 100–200 ms 的微调，两者的配比随任务的时间窗、可预测性与感觉质量变化。G06（G06，Mrotek 与 Soechting，明尼苏达）补充了眼睛的角色：人拦截准随机目标时全程高增益平滑追踪、出手后还主动压抑扫视以继续监视目标——拦截是一个眼与手各按一套预测水平分层部署的系统工程（猕猴身上同样如此，H05：初始扫视只补偿感觉延迟，拦截臂动则完全补偿感觉加运动延迟）。

拦截神经生理：皮层怎么追一个移动目标

把拦截搬进皮层记录室，第一批发现就拆掉了"运动皮层只管发命令"的假设：Georgopoulos 明尼苏达实验室的 Port 等发现 93% 的 M1 细胞在手完全不动的 no-go 拦截任务里仍被目标方向、加速度类型与到达时间系统调制——M1 并行处理目标信息与运动命令，而非串行接力 H01；同批数据的聚类分析找到对应的亚群：部分细胞簇在目标出现后 120–150 ms 即出现随初始目标速度分级、却不对应任何肌肉的早激活 H02。

Merchant（同出 Georgopoulos 实验室）与 Georgopoulos 的圆周拦截系列提供了这组研究的支点 H03：同时记录 M1（776 细胞）与后顶叶 7a 区（766 细胞），在目标真实连续运动时，M1 的第一解释变量是手力、7a 是刺激角度；而在表观运动（只有五个顶点时刻真实存在的"闪烁运动"，只剩时间线索）下，M1 的第一解释变量换成 τ（显著比例从 8.3% 跳到 31.1%）。时间先后也相反：M1 对力的编码领先约 40 ms（预测性），7a 对刺激的编码滞后约 80 ms（感觉性）。综述 H04 把这一切组织成皮层双通道纲领：真实运动走空间 affordance（角度），表观运动走时间 affordance（τ，由随 τ 线性爬升的"累积器"神经元实现），知觉与行动共用同一套动态运动表征。

He Cui 实验室的两篇把预测性补进后顶叶：H05（见上）；H06 证明在感觉与运动被速度条件解耦的灵活拦截中，猕猴 7a 神经元的运动前放电跨速度稳定地调谐于"即将发生的伸手方向"而非瞬时目标位置，表征在出手前约 50 ms 从感觉翻转为运动——PPC 深度参与运动规划，而不只是画感觉地图。同实验室 H08 与 H09 则把这套范式接到 F 组的群体语言上（见编年一节）。Rajalingham 与 Jazayeri 的 H07/H10 把"拦截时大脑是否在模拟那颗看不见的球"做成了行为与神经两级判决。至此，拦截研究的三个传统——tau 生态学、内模型行为学、皮层电生理——在群体动力学与模型对照的新语言里会合。

人物与师承谱系

运动控制是个"实验室血缘"极强的领域，许多争论其实是学脉之间的对话。下表按学脉组织（机构为人物在本集相关工作时期的主要机构）：

几条学脉的故事值得单独讲：

明尼苏达的意外分支。 Georgopoulos 的方向纲领本部在 JHU 起家、在明尼苏达壮大，但它最富戏剧性的遗产不是更多调谐曲线，而是一批"出走"的学生与合作者：Kalaska 把变量解耦方法学带去蒙特利尔（他的实验室后来又走出了提出 affordance 竞争的 Cisek）；Schwartz 一支把三维伸手的单细胞记录做到极致；而 Port 与 Merchant 在 1997–2006 年间把"给猴子看移动目标"做成了拦截神经生理学的全部地基——H 组前四篇全部出自这个实验室。

MIT—剑桥—ATR 的计算三角。 Bizzi 与 Mussa-Ivaldi 在 MIT 建立的机器人手柄范式，经 Shadmehr 带到 JHU 后长成"适应科学"（快慢过程、病人研究、计算神经解剖）；Wolpert（剑桥）与 Kawato（ATR）则负责架构与理论高度。这个三角的隐形枢纽是 Michael Jordan——他既是 B02 状态估计的作者，又是 C01 最优反馈控制的作者，还是 Todorov 的导师：状态估计与最优控制这两条线在谱系上本来就是一家人。

斯坦福的群体动力学学派。 Shenoy 实验室几乎是 F 组的同义词：F01、F03、F05、F09、F11 的直接作者都来自这里，Cunningham 再传 Elsayed（F04），Churchland 赴 Columbia 后再传 Kaufman（F02）与 Russo（F06）。有趣的是，这个学派最硬的两块反证也来自"友军"：Hantman 实验室的输入驱动证据（F07，小鼠）与 Scott/Sabes 合作的反馈控制器模型（F08）——学派内部的自我修正机制运转良好。

拦截行为学的两个"部落"。 爱丁堡的 Lee（tau）与罗马的 Lacquaniti（重力内模型）看似对立，实则是同一问题的两级：Lee 说光流里什么都有，Lacquaniti 说对，但加速度那一栏视觉填不出来、得靠内化的重力补齐。阿姆斯特丹的 Brenner 与 Smeets 则站在两者之间做清算：既不神化内模型，也不神化在线控制，而是把每个误差源逐一称量。

如何阅读本集

四份元文档的分工：00_总览 是地图（分区结构、每篇一句话结论、按问题的阅读路线表）；01_综述 是论证（65 篇证据如何互相咬合，五条横跨线索）；本文是通识背景（领域来龙去脉、方法与理论的字典）；02_审查记录 是质检报告（每篇笔记如何与 PDF 逐图核对）。

给外行的一条入门路线：

1. 先读本文，建立术语与人物地图。
2. 读一篇经典原文的笔记感受单细胞时代：推荐 A06（力与方向之争的和解，方法学范本）。
3. 读一篇内模型：推荐 B01（后效逻辑是所有适应研究的母语）。
4. 读一篇 OFC：推荐 C04（实验设计最锋利的一篇）。
5. 读一篇群体动力学：推荐 F01（一句话发现改写一个领域）。
6. 读一篇拦截：推荐 G04（"打真球 vs 点虚拟球"的判决实验，不需要任何神经背景就能欣赏）。
7. 最后读 01_综述，看这些零件如何拼成当前的理解。

三个阅读时的自我提醒（也是本笔记体系的纪律）：其一，猕猴电生理、人类心理物理学、病人研究与计算模型是不同层级的证据，并列出现时不等效；其二，"调谐于 X"永远是特定操纵下的描述性相关，结论边界由变量解耦的程度决定；其三，G/H 组的"拦截"多为屏幕上的虚拟目标，与真实球类拦截的运动学不完全等同——笔记对每篇都写了对应的"讨论与解读边界"，读结论时请务必连它一起读。