运动控制与目标拦截：从单细胞编码之争到群体动力学、内模型与闭环接口

这 65 篇文献放在一起，可以回答一个问题：我们对"大脑如何控制手臂运动"的认识，是怎样从"单个细胞在编码什么变量"走到"群体动力学如何被输入驱动、被反馈稳定、被学习重塑"，又如何延伸到拦截移动目标这种真实世界任务的。它们给出的不是一条直线进步的故事，而是一次问法本身的更换——旧问题（力还是方向？肌肉还是运动？）没有被最终裁决，而是被证明问错了层级；新框架（最优反馈控制、内模型、流形上的动力学）接住了旧证据，又把战场推向更自然的行为。

本综述以 Zotero motor_control 集合中本次核对的 65 份 PDF 为范围，引用编号连接到逐篇笔记和提取的原图。它不是系统检索或元分析，未重新计算原始数据；集合内原始实验、综述与计算模型混编，涉及人类心理物理学与猕猴电生理的结果将互为印证使用。文中引用编号（A01–I01）与笔记文件名一一对应。

1. 力还是方向：单细胞时代留下的真问题

整个领域的第一场争论几乎浓缩在十年之内。Evarts（1968）把腕部屈伸与负载方向解耦后发现，锥体束神经元的首要变量是力及其变化率——同一单元的放电可以从 3/秒摆到 93/秒，且在时间上领先力的导数A01。Cheney & Fetz（1980）用锋值触发平均把这条线钉死在输出端：135 个经突触后易化确认直接支配前臂肌肉的皮层运动神经元，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A02。方向纲领随即从另一头杀到：Georgopoulos 等（1982）在八方向平面伸手里发现 323 个 M1 细胞中 74.6% 呈宽钟形方向调谐、只对单一方向放电的细胞仅一个A03；群体向量把单细胞的含糊调谐求和成 15.8° 平均误差的方向读数A04；Schwartz 等（1988）把结论推广到无约束三维伸手，568 个细胞中 83.6% 余弦调谐、方向信号比肌肉早 40–60 msA05。

两条传统的实验从未真正对撞，因为自由运动里"往哪动"与"需要出多大力"天然绑定。Kalaska 等（1989）做了那次正面对撞：8×8 的运动方向×负载方向完全交叉设计里，262 个肩相关 M1 细胞对两个参数都呈连续余弦式调谐，负载轴近似落在偏好方向反侧，群体向量在负载补偿时一致指向抵消负载的方向，而任意组合下的群体活动可由"无负载运动放电＋负载紧张性偏置"线性叠加近似预测——运动学与动力学两种成分在单细胞里共存，配比随细胞从 phasic 到 tonic 连续变化A06。Kakei 等（1999）用前臂旋转 180° 把腕运动的坐标系拆开，得到同样的各占半壁：44 个神经元的偏好方向几乎不动（均值 12.3°），28 个像肌肉一样翻转（70.2°）A07。Moran & Schwartz（1999）再补一刀：速度以乘性增益改写方向调谐曲线，一条"速度×方向"方程解释系综 99% 的时变方差A08。

Kalaska 等（1989）的枢纽图：同一细胞对八方向负载的极图（A），负载调谐与运动调谐按各自中心重画后形状与深度几乎相同（B、C）——负载方向之于放电，和运动方向之于放电，是同一种几何关系。 来源：A06，原文 Fig. 6，PDF 第 8 页。

回头看，这场争论真正的遗产是一个方法学教训：从放电中读出某个变量，只证明数据携带预测信息；变量之间的实验解耦（负载、姿势、速度）做到什么程度，结论就只能说到什么程度。Andersen & Mountcastle（1983）在后顶叶开了同样的先例——注视角度强烈调制 area 7a 光敏神经元对视网膜等同刺激的反应而感受野保持 retinotopic，视网膜输入与眼位信号在单神经元上会聚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"。

2. 内模型：把学习变成计算问题

第二个十年，重心从"表征"移到"学习什么"。Shadmehr & Mussi-Ivaldi（1994）给内模型下了实验定义：1000 次运动让被试在速度相关力场中回归直线，撤场留下镜像后效，而且在未训练的左工作区以近乎完美的泛化暴露出学习按关节而非手的坐标进行B01。Wolpert 等（1995）转向状态估计：黑暗中移动手臂后指认手位，偏差先升后降、方差升后平台、助力场放大而阻力场缩小偏差——四个形态只有"前向模型预测＋感觉校正"的卡尔曼滤波能一并复现B02。MOSAIC 把这两半组装成架构：预测误差经 soft-max 归一化成"责任"，同时门控前向与逆向模型的学习和输出，模块选择与模块学习被统一在 15 个方程里B03。

Kawato（1999）的纲领文件把散落的证据线拧成"小脑是内模型库"：力场后效、握力恰好略高于防滑线、眼睛追踪自控目标时零延迟、小脑复杂锋电位波形被眼球逆动力学模型重建——几条独立证据同时指向同一个计算部件B04。此后十年的工作把这台机器拆开看零件：Thoroughman & Shadmehr（2000）从误差时间序列中解出学习基元是以 0.12 m/s 宽度高斯感受野编码手速度的局部单元B05；Smith 等（2006）证明适应不是一个过程而是快慢两个（学习率 0.21/0.02，保持率 0.59/0.992），其并行叠加同时解释自发恢复、节省与顺行干扰B06；Tseng 等（2007）用小脑病人把教学信号钉死——适应率 α 从 0.2 跌到 0.04 的缺陷与在线纠正之有无无关，驱动小脑依赖适应的是感觉预测误差而非纠错命令B07。

Kawato（1999）引以为据的握力—负载力协调：握力恰好略高于防滑所需的最低线，且随负载力动态超前调制——前向模型在预测载荷后果的证据。 来源：B04，原文 Fig. 2，PDF 第 3 页。

这条线在 Shadmehr & Krakauer（2008）那里得到第一张计算神经解剖图：最优反馈控制的骨架上，系统辨识归小脑、状态估计归顶叶、控制与成本寻优归基底节—运动皮层，HM、HK 等病人的双重分离是图上的锚点B08；2010 年的综述把结论收拢成一句——反馈延迟与身体易变共享同一个解：位于小脑、由感觉预测误差校准的前向模型，而只有慢过程通向长时记忆B09。值得注意的是，内模型在这里还是"学习与适应"的理论；到 G 组它会变成预测行为的解释工具，到 H 组变成神经对照的模型结构——同一个概念在三个层级反复变现。

3. 最优反馈控制：轨迹是副产品

第三个框架改变的不是答案而是问题。Todorov & Jordan（2002）的随机最优反馈控制证明：最优策略不追踪期望轨迹，而遵循最小干预原则——只纠正干扰任务目标的偏差，把冗余维度用作噪声缓冲；任务约束的变异性、协同与简化规则从此都是同一个优化问题的解，实验证据（目标处方差 0.14 cm² 对目标间 0.26 cm²，击球后终点/撞击方差比 7.6）逐一兑现C01。Todorov（2004）顺手给皮层留了接口：costate 与 M1 放电的矩阵变换猜想C03。

最优反馈控制的经典行为证据：击打与投掷任务中，方差被压进不惩罚终端维度——任务约束的变异性是优化反馈律的签名而非噪声。 来源：C01，原文 Fig. 4，PDF 第 5 页。

Scott（2004）把这个数学框架翻译成神经语言：M1 是低维状态变量上运行、反馈增益随行为目标实时重设的控制器的一部分——方向调谐与手运动相关活动无需"muscles vs movements"的二选一，答案是 muscles and movementC02。Liu & Todorov（2007）给出最锋利的实验：晚期目标跳变的欠矫正不是来不及，而是控制器为稳定停下主动降低末端增益的结果——放宽停止要求（stop→hit）后欠矫正显著缩小C04。

反馈通路自己的"智能"随后被系统回收。Pruszynski 等（2008）发现短潜伏期 R1（20–45 ms）对目标毫无反应，而长潜伏期 R2/R3（45–105 ms）被目标方向分类调制、随目标距离连续分级，其偏好方向与随意响应平均只差 19°C05；Franklin 等（2008）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改变本身C06。Scott（2008）的"不便真相"正式了结了 A 组的旧问题：servo-control 死于几十毫秒的感觉延迟，坐标框架搜索死于"M1 与从目标到肌肉的一切变量相关"——问题应从"M1 编码什么"转回"M1 如何参与控制"，赌注押在长潜伏期反射继承随意控制的智能上C07。这个赌注被连续兑现：Pruszynski 等（2011）显示 M1 肩样神经元在扰动后 50–60 ms 内区分产生相同肩运动的不同力矩，人类 TMS 在 65 ms 使肩肌响应超线性——经皮层通路在约 50 ms 内完成多关节整合C08；Pruszynski & Scott（2012）总结为 LLR 三条全中：随任务定义、MIMO 结构、懂肢体力学C09；Omrani 等（2016）再把镜头拉宽——扰动后 25 ms 内本体感觉反馈已传遍 S1 至 PMd 五个皮层区域，任务参与最先放大顶叶 A5，目标选择最先改写 M1C10。

这一组与 A 组的关系值得写明：OFC 没有说 A06 的数据错了，而是说运动学成分与动力学成分的混合本来就是最优反馈律的结构——状态与代价在控制器里本来就不分家。争论消失的方式是被消化。

4. 空间换算：后顶叶的坐标工作

如果说 M1 的问题是"编码什么"，后顶叶的问题是"在哪里换算"。Andersen & Mountcastle（1983）的增益调制（gain field）给出了第一个机制候选：眼位信号以乘性方式缩放视网膜输入D01。Snyder 等（1997）把变量从坐标换成意图：交错延迟扫视/伸手任务中，84% 的延迟期调谐 PPC 神经元（经分离任务检验）的放电取决于猴子打算做什么而非记着什么，意图特异细胞在 LIP 与后方伸手区解剖分离D02。

眼中心坐标的直接证据：把每个神经元的调谐按"眼位对齐"与"手位对齐"分别重排，相关系数聚在眼坐标恒等线一侧——早期伸手计划写在视觉坐标里。 来源：D03，原文 Fig. 2，PDF 第 2 页。

Batista 等（1999）用 2×2 眼位/手位解耦设计判定 PRR 的伸手计划是眼中心的：84% 的神经元更符合 eye-centered 编码，且全部 34 个受测神经元在扫视把目标带入感受野后完成表征更新D03。Buneo 等（2002）补上另一半：area 5 以手+眼双坐标编码目标，PPR 用手位增益调制眼坐标目标——眼坐标下"目标减手位"的直接减法即得运动向量，变换不必经过头与身体坐标的串行中转D04。这套"坐标—增益—意图"的语言，到 H 组会原样出现在拦截任务里——只是被追踪的对象从静止目标换成了移动目标。

5. 动作选择：决策长在运动回路里

E 组三篇把"知觉—决策—行动"的串行管线拆掉。Cisek & Kalaska（2005）让猴子在两个可能伸手方向之间等待颜色线索：43% 的方向调谐细胞对两个候选同时放电（双峰调谐、亚线性加和），线索揭晓后 84% 在中位 180 ms 内单峰化，错误选择在选择期就写进群体信号——动作的"指定"与"选择"是运动皮层内部两阶段、沿喙-尾梯度组织的连续过程E01。

两类决策神经元的原始形态：Build-Up 细胞对两个候选方向同时爬升，Selected-Response 细胞在线索揭晓后单峰化——"指定多个候选"与"选定一个"是同一回路的两步。 来源：E01，原文 Fig. 2，PDF 第 3 页。

Cisek（2007）把它升格为假说：行为是 Gibson 式 affordances 的持续竞争，背侧流并行指定多个候选动作，额-顶叶群体以概率密度式的活动峰相互抑制地竞争，基底节与前额叶的证据偏置这场竞争E02。Thura & Cisek（2014）把时间维度补齐：在证据随时流动、随时可出手的动态任务中，PMd 与 M1 以短于 200 ms 的时间常数快速跟踪感觉证据、以随时间抬升的加性 urgency 推向决策，运动起始前约 280 ms 达到跨条件一致的峰值E03。这里的主张与 C 组暗合：决策不是一个上游模块的输出，而是同一套反馈控制器在证据维度上的运转。它也预告了 H 组——拦截任务里"何时出手"本身就是决策与运动控制的连续体。

6. 群体动力学：换一种语言重写运动皮层

F 组是这个合集的枢纽，因为它同时回收了前面所有组的问题。Churchland 等（2012）的发现只有一句话：伸手运动中 M1/PMd 的群体状态在准备期设定的初始条件下沿固定动力学一致地旋转，单神经元的复杂响应与 EMG 都可以由两个固定频率的旋转生成F01。但这句话改写了三个旧结论的读法：A05 的"方向信号早于肌肉"变成准备态的设定F09；A06 的成分混合变成同一动力学的不同投影；C02 的状态估计变成动力学方程的输入项。

群体动力学纲领的核心图：六组数据的群体轨迹投影到 jPC 平面后呈一致的同向旋转——准备期设定初始条件，运动期由固定动力学接管。 来源：F01，原文 Fig. 3，PDF 第 3 页。

准备与运动的关系被 Kaufman 等（2014）钉在几何上：准备期调谐在"相对肌肉"的 output-null 维度中的量是 potent 维度中的 4.5 倍（几何均值，四数据集），96% 的效应来自群体内响应的相互抵消——皮层把准备活动安排在下游零空间里，从而不靠闸门也不靠抑制就能"想而不动"F02。Elsayed 等（2016）证明准备与运动占据近乎正交的子空间、末端状态经一次线性交接即可预测运动子空间（R² 0.95/0.97）——正交但相连F04。Gallego 等（2017）的综述把这套几何命名为流形：十个 neural modes 约解释 70% 方差，准备靠零空间、学习偏好流形内重组F10；Vyas 等（2020）进一步把 dx/dt = f(x, u) 立为全脑计算的通用方程F11。

对"旋转是不是自主动力学"的质疑，这个合集里有三种回答，恰好构成一个三角形。Sussillo 等（2015）证明只训练 RNN 复现 EMG 并强制动力学最简，网络内部便自发出现与 M1/PMd 高度一致的旋转结构（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F03。Sauerbrei 等（2020）用光遗传把 M1 钉在异常初态，皮层绕开"正确初态"照常生成抓取模式，而沉默丘脑在任何阶段都能瘫痪一切——灵巧运动的模式生成是输入驱动的，生成器分布于多个脑区F07。Kalidindi 等（2021）则证明控制机械臂、带 50 ms 延迟反馈的 RNN 即便删光层内循环连接旋转依旧（92% 方差），猴子 M1 与 S1/顶叶同旋转而肌肉不旋转——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F08。三角形的三个顶点——最简解、输入驱动、反馈涌现——并不互斥，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：局部动力学与输入各占多少、在哪个任务里。

还有两条细线值得单独挑出。Stavisky 等（2017）发现视觉扰动后 66 ms 皮层已剧烈响应，但最初的活动几乎完全落在 BMI 解码器的零空间里，直到 100–177 ms 矫正命令才进入 potent 维度——反馈处理本身也用零空间做缓冲F05。Russo 等（2018）用"打结程度"证明神经群体轨迹比肌肉轨迹低打结（99.9% 时刻），仅凭"线性编码肌肉＋最小化打结"两条原则就能预测出近圆旋转轨迹——皮层的优势信号是计算性的，类肌肉命令以小波纹的形式嵌入其中F06。后者与 A06 遥相呼应：三十五年后，"运动学/动力学混合"的答案以全新的数学面目回来了。

7. 拦截 I：行为学——内模型的考场

G 组换了赛道：不再问皮层，先问行为本身怎么追上一个移动目标。Lee（1976）的 tau 理论奠基：光流场中视角与其变化率之比直接指定碰撞时间，刹车三件事（登记航线、触发制动、调节减速度）可以只靠 τ 与 τ̇ 完成G01。但接下来的二十年在两个极端之间摆荡。一端是纯在线控制：Lee 等（1997）证明手动拦截由一列约 2.5 Hz、重叠约 0.25 s 的 minimum-jerk 子运动在线拼成，每个子运动对准起始时刻目标位置与速度的一阶外推G03；Port 等（1997）则发现拦截发起存在 reactive 与 predictive 两种策略，且被试无法利用目标加速度信息[G02]（与 Lee 等 1997 为同一批被试与数据，两项发现算一组证据而非两次独立验证）(G02_Port1997_%E6%89%8B%E5%8A%A8%E6%8B%A6%E6%88%AAI%E8%A1%A8%E7%8E%B0%E4%B8%8E%E8%BF%90%E5%8A%A8%E5%8F%91%E8%B5%B7.md)。

另一端是内模型。Zago 等（2004）的分球实验是全场的判决性设计：同一批视觉目标，打真球时被试按内化的 1g 重力模型计时（0g 目标首发早到 94 ms，训练只收缩阈值而不关闭模型），点爆虚拟球时同一被试按匀速 τ 模型计时——大脑按目标所属的动力学类别自动切换先验，预期的动力学压倒实测的运动学G04。Zago & Lacquaniti（2009）补上可行性论证：单靠视觉线索撑不起顶级拦截 3–5 ms 的时间精度（光学加速度辨别比速度差四倍以上），微重力抛物线飞行中反应系统性提前、地面虚拟球复刻时首试成功率 1g 为 85% 而 0g 仅 14%（后者为该综述转引的系列实验）G07。LaScaleia 等（2015）堵住最后一个出口：当球的抛物线段被完全遮挡约 200 ms，人照样以 86% 对 87% 的接触率、0 ms 中位计时误差拦截，终点沿真实抛物线散布且首次尝试即如此——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G09。

遮挡实验的核心结果：球的抛物线段被遮挡约 200 ms 后，各条件接触率与无遮挡几乎相同——拦截在感觉中断期间由内模型的外推支撑。 来源：G09，原文 Fig. 3，PDF 第 5 页。

但两极之间的中间地带才是最终答案。Tresilian（2005）论证对较快目标、MT 在 500 ms 以内的击打，计时可由"可编程 MT＋TTC 阈值启动"的 operational timing 开环完成——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、却是连续在线控制的硬骨头G05。Brenner 等（2015）给出定量综合：拦截的 5–10 ms 精度无需预编程神话——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（比改出手时刻快），把各误差源除以击球瞬间的目标速度即可定量复现全部条件（r = 0.87）G08。Mrotek 等（2007）补充眼睛的角色：全程高增益 pursuit、出手后主动压抑扫视以持续监视目标G06。读到这里可以看出，G 组实际上把 B 组的内模型从"适应后的残留"升格为"实时预测的引擎"——而它接管的恰恰是 C 组为反馈保留的那段时间窗。

8. 拦截 II：神经生理——皮层怎么追一个移动目标

H 组把拦截搬进皮层记录，前两篇先拆掉"运动皮层只管运动命令"的假设。Port 等（2001）发现 93% 的 M1 细胞在手完全不动的 no-go 任务里仍被目标方向、加速度类型与目标运动时间系统调制，且放电随拦截时间的一阶估计变化——M1 并行处理目标运动信息与运动命令，而非串行接力H01。Lee 等（2001）对同一批数据的聚类分析找到对应物：681 个 M1 细胞中的两个簇在目标出现后 120–150 ms 出现幅度随初始目标速度分级的早激活，不对应任何肌肉[H02]（与 H01 同一数据集）(H02_Lee2001_%E8%BF%90%E5%8A%A8%E7%9A%AE%E5%B1%82%E7%A5%9E%E7%BB%8F%E5%85%83%E7%B0%87.md)。

Merchant 等（2004）的双通道发现是这一组的支点：圆周拦截中同时记录的 M1 与 area 7a 分工——real motion 下 M1 以手力为第一解释变量、7a 以刺激角为第一；apparent motion 下 M1 的第一解释变量换成 τ（显著比例 31.1% 对 8.3%），M1 对力变量领先 40 ms、7a 对刺激变量滞后 80 msH03。Merchant & Georgopoulos（2006）的综述把它组织成空间 affordance（角度）与时间 affordance（τ 累积器）的双通道纲领H04——注意这正是 D 组的"坐标—增益—意图"语言在移动目标上的重演。

Li 组的两篇把预测性补进 PPC。Li 等（2018）在目标突现、时机自选的灵活拦截中发现初始扫视只补偿感觉延迟（predictive index≈0）而拦截臂动完全补偿感觉加运动延迟（≈1.04/0.77）——眼与手协调，但预测水平按任务情境与效应器分层部署H05。Li 等（2022）进一步证明在感觉与运动被速度条件解耦时，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 reach 起始前约 50 ms 从感觉翻转为运动——PPC 深度参与运动规划，而非仅仅绘制感觉地图H06。

最新的三篇把 H 组汇入 F 组的语言。Zhang 等（2024）发现 M1 神经元普遍携带目标速度的 PD-shift、gain、additive 三种混合调制，使运动起始时刻的单 trial 群体状态排成按伸手方向定相位、按目标速度定倾角的同心椭圆环（线性回归 R²=0.81–0.91），且该几何可由输入输出匹配的 RNN 自发复现——感觉调制以近似正交的方向织入运动皮层的预测性群体几何H08。

轨道式神经几何：运动起始时刻的单 trial 群体状态按伸手方向定相位、按目标速度定倾角，排成同心椭圆环——感觉与运动调制在群体状态空间里正交叠加。 来源：H08，原文 Fig. 3，PDF 第 7 页。

Rajalingham 等（2022）用行为对照打开模型检验的门路：在可两解的 M-Pong 任务中人猴行为高度一致（0.89），数百个任务优化 RNN 里唯有被约束为显式追踪球位置的动态推断网络系统性地复现灵长类误差模式——总成绩毫无预测力，mental simulation 假说获得行为层面的强支持H07。其 2025 年的后续补上神经证据：猕猴 DMFC 的 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（x 方向 r=0.97），其状态空间几何与显式追踪 RNN 最相似（SI 解释方差 R²=0.52，远超成绩的 0.24）H10。Zheng 等（2025）则从扰动侧切入：延迟期施加的亚阈值 ICMS 在静止目标下拖慢反应时、拖滞神经轨迹（复现经典准备干扰效应），在移动目标下反而缩短反应时、偏离更小恢复更快——移动目标迫使皮层在延迟期持续做感觉运动转换，在线反馈让动力学对扰动更鲁棒H09。这篇论文几乎是全合集的缩影：F 组的准备态、C 组的反馈、G 组的移动目标，在同一次 ICMS 里相遇。

9. 汇流：闭环脑机接口与虚拟现实

Saussus 等（2026）把前面所有组的组件装进同一台机器：三区（M1/PMd/PPC）联合记录的皮层内 BCI，用约 7 分钟的被动观察校准加 PSID 潜状态解码，支撑猕猴在立体 VR 中完成平面、连续与三维导航及目标跳变、绕障（最高成功率 96%，三维控制零额外训练）I01。最值得引用的数字是离线—在线差距：真实闭环成绩系统性高于同解码器的离线重放（0.57–0.91）——闭环适应本身贡献了控制能力的一半I01。

离线与在线的分野：同一解码器在真实闭环下的成绩系统性高于离线重放——闭环中的适应与反馈不是工程细节，而是控制能力的一半。 来源：I01，原文 Fig. 2，PDF 第 5 页。

放在谱系里看，这台机器的每个部件都有出处：潜状态解码用的是 F 组的流形语言，闭环适应兑现的是 B 组的学习理论，VR 中的连续目标追踪复刻的是 G/H 组的任务结构，而"在线优于离线"本身就是 C 组的命题——反馈律的性能只在闭环里成立。

10. 收束：五条横跨六十五篇的线索

线索一："编码什么"的问题没有被回答，而是被改写。 A 组问了四十年（力？方向？速度？肌肉？运动？），C07 宣布不便真相，F 组把问题换成"轨迹在状态空间里呈什么几何、被什么方程生成"。A06 与 F06 相隔二十九年的两次"混合"结论——单细胞层面的运动学/动力学成分共存，群体层面的计算信号与类肌肉波纹叠加——是同一个洞察在两套数学里的两次表述。

线索二：内模型是一个三级变现的概念。 在 B 组它是适应实验里的学习对象（力场、后效、快慢过程）；在 G 组它是行为预测的引擎（重力先验压倒实测运动学）；在 H/F 组它变成网络结构（显式追踪球位置的 RNN、延迟反馈下的旋转）。每一级变现都保留了同一个签名：预测误差驱动、动力学类别切换、感觉中断期间的外推。

线索三：反馈从麻烦变成主角。 A 组的开环时代里，感觉延迟是 servo-control 的死因；C 组把反馈增益变成优化的对象，LLR 被证明继承随意控制的智能（C05–C10）；F05 发现反馈处理自己也用零空间缓冲；F08 证明旋转本身可以与反馈控制器相容；H09 直接演示在线反馈对动力学鲁棒性的贡献。到最后（I01），"闭环比开环多出来的那一半"成了被测量的量。

线索四：拦截是把实验室范式推向自然行为的压力测试。 静态 center-out 里精心解耦的变量（位置、方向、速度）在移动目标上重新纠缠，且加上了毫秒级的时间约束（G08 的 5–10 ms）。H 组的回应不是发明新理论，而是把已有的三套语言——D 组的坐标换算、C 组的反馈、F 组的动力学——搬到移动目标上各自兑现了一遍。

线索五：模型对照正在成为新的实验范式。 H07/H10 的"数百个 RNN 里唯有显式追踪者复现灵长类误差"与 H08 的"输入输出匹配网络自发复现轨道几何"，标志着假设检验的重心从"变量调谐显著吗"移向"哪种计算结构产生这种行为与几何"。F03 的自然解网络是这条路的起点：不再问皮层是不是某种网络，而是问哪种网络最不像被特意设计过、却长成了皮层的样子。

局限也应写明：本合集不是系统检索，分组（A–I）反映的是问题谱系而非文献计量；猕猴电生理与人类心理物理学的证据层级不同，文中并列使用时不代表等效；各篇笔记基于单篇 PDF 的细读，数字均出自原文，但原文自身的统计口径差异（调谐判据、纪元定义、样本筛选）未做跨篇元分析；插图由 PDF 程序化裁剪提取，个别图的裁剪边界经人工校正。这些问题在逐篇笔记中均有对应说明。

一句话总结：从 Evarts 的力与 Georgopoulos 的方向之争出发，经过内模型（B）、最优反馈控制（C）、后顶叶坐标换算（D）、行动选择（E）、群体动力学（F）五次框架更替，运动控制研究把"单个细胞编码什么"改写为"群体动力学如何在流形上被输入驱动、被反馈稳定、被学习重塑"；拦截行为（G/H）与闭环脑机接口（I）随后把这个新框架推回真实世界——追上一个移动目标所需要的毫秒级计时与预测，最终由"内模型提供外推、最优反馈律提供增益、群体动力学提供几何"这套组合答案撑起来。