字号
主题
主题色
字体
文献集总览 / 猕猴上肢运动、学习与虚拟反馈 / A · 运动表征、视觉反馈与实验测量 / A05 · 视觉不确定性与伸手规划编码

A05 · Visual target and task-critical feedback uncertainty impair different stages of reach planning in motor cortex

Amann, L.K., Casasnovas, V., & Gail, A. (2025). Nature Communications, 16, 3372. doi:10.1038/s41467-025-58738-x

目标不确定性与效应器视觉反馈不确定性对运动目标表征的影响出现在不同阶段;后者在依赖视觉反馈的 BCI 条件下更明显。编码出不确定性,并不意味着它在所有阶段都损害方向信息。

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

背景

一次成功的伸手需要估计两类不同的状态:目标在哪里,以及自己的手或受控效应器在哪里。两类估计都可能不精确,但它们进入控制过程的时间和作用并不相同。目标位置若只在运动前短暂呈现,不确定性会直接影响计划和早期轨迹;手部光标的视觉反馈若持续漂移,则更多影响运动中的状态更新和末段修正。若只测最终成功率,无法判断误差究竟在计划、运动发起还是在线纠正阶段形成,也无法解释为什么同样的视觉噪声在不同控制任务中表现不同。

手动控制与脑机接口提供了一个关键对比。手动伸手中,光标视觉反馈不确定时,动物仍可利用与真实手臂有关的本体感觉和其他躯体信息;在 BCI 中,光标完全由神经解码驱动,视觉反馈与受控效应器之间的关系更加突出。这里不能把 BCI 简化为“完全没有本体感觉”,而应把它看作改变了任务对视觉反馈的依赖程度。由此,反馈不确定性是否在 BCI 中更明显,成为检验任务相关性的具体方式。同时,状态空间里能区分高低不确定性的神经成分,并不自动意味着方向信息一定受损;编码不确定性与破坏目标表征是两个需要分别测量的问题。

Amann 等因此分别操纵目标不确定性和效应器反馈不确定性,并比较手动与 BCI 控制。研究用早、晚轨迹误差区分不同阶段的行为后果,用同水平和跨水平解码检查方向信息及其泛化,再用 dPCA 描述不确定性与方向在群体状态中的关系。其背景脉络是感觉运动状态估计,而不是单纯比较哪一种刺激更难。研究要回答的是:不同来源的不确定性何时成为任务关键信息,何时影响方向读出,以及手动条件是否可能借助其他感觉来源减轻视觉反馈噪声的影响。实验条件并未构成所有感觉通道的完整交叉,这些差异仍需结合任务结构解释。

研究思路

作者比较目标不确定性手动控制、反馈不确定性手动控制及反馈不确定性BCI控制三个条件。早晚轨迹误差、同水平和跨水平解码、dPCA分别评估行为影响、方向信息及不确定性相关成分。该设计并非完整交叉的所有条件组合。

方法

两只雄性恒河猴(猴 Y,16 岁;猴 Z,15 岁),慢性植入 32 通道浮动微电极阵列(FMA)。猴 Y 植入 M1 和 PMd(由于 PMd 通道产额较低,两者合并分析),猴 Z 仅 PMd 数据纳入分析(M1 产额过低被剔除)。每个实验会话记录的神经元群体规模为 35–83 个单元(猴 Y)与 32–54 个单元(猴 Z),包含单单位与多单位,剔除在所有方向上平均放电率均低于 2 Hz 的单元。

任务为记忆导向的中心向外伸手(memory-guided center-out):猴子将手和注视点固定于中央 200 ms 后,外周环上闪现呈现 300 ms 的目标圆弧(20 mm);经过 400–1200 ms 的可变记忆延迟期(期间目标不可见,以剥离视觉刺激的即时感觉加工),出现“出发”(go)音频提示,猴子需在 2000 ms 内使效应器到达目标并保持 200 ms。眼动轨迹采用 EyeLink 1000 plus(采样率 1 kHz)实时监控。目标不确定性实验包含 16 个方向(间隔 22.5°):低不确定性水平呈现真实的单一目标圆弧;高不确定性水平则呈现 5 条 2 mm 的离散小弧,各小弧位置从以真实目标为中心、标准差为 25° 的一维高斯分布中抽取,仅在提示期呈现。反馈不确定性实验中,目标参考环始终保持可见,操纵对象改为效应器的视觉呈现:低不确定性水平为单个 1.5 mm 的实心光标;高不确定性水平为由 5 个相同大小的小点组成的“点云”,各点初始位置取自标准差为 20 mm 的二维高斯分布,每个点以 30 mm/s 的随机速度漂移,生命周期为 300 ms,随后重新初始化,并在整个试次过程中持续呈现。脑机接口控制采用基于速度的卡尔曼滤波器(使用 ReFIT 算法校准:先进行 80 次观察光标自动移动的开环试次,再进行 80 次递增共享控制的闭环校准,最后进行 40 次完全神经控制校准),更新间隔为 50 ms,并人为加入 50 ms 的神经-光标延迟以模拟自然的传感器传导延迟。为降低认知负荷,脑机接口实验采用组块设计,每 48 次试次切换一次不确定性水平;手动控制中两个水平则按试次伪随机交错。正式分析包含每只猴各 8 次会话(手动目标不确定性)与各 10 次会话(手动反馈不确定性与脑机接口反馈不确定性)。使用支持向量机(SVM)对 8 个 45° 宽度的方向区间进行解码,采用 100 ms 时间窗、50 ms 步长滑动,做 5 折交叉验证,平均每折包含 105±6 个训练试次与 26±3 个测试试次;人口去混合主成分分析(dPCA)提取前 20 个 dPC,任务参数划分为运动方向、不确定性水平及其交互效应。

主要结果

行为指标首先展现了不同实验操纵的分化效应。高目标不确定性使任务成功率显著下降约一半(猴 Y:从 62% 降至 31%;猴 Z:从 77% 降至 38%);相比之下,反馈不确定性在手动控制下仅引起轻微下降(猴 Y:94% 降至 84%;猴 Z:94% 降至 89%),在脑机接口控制下变化幅度同样温和(猴 Y:95% 降至 87%;猴 Z:94% 降至 82%)。伸手轨迹角度误差的分解更明确地界定了作用阶段:高目标不确定性同时显著增加了早期(偏心距 25%)与晚期(偏心距 75%)的角度误差(以猴 Y 为例,早期误差 t(7) = 13.09, p = 3.53×10⁻⁶;晚期误差 t(7) = 17.8, p = 4.36×10⁻⁷);而在手动控制下,反馈不确定性对早期和晚期误差均未产生可检测的影响,仅在脑机接口控制下显著增大了晚期角度误差(猴 Y:t(9) = 5.83, p = 2.51×10⁻⁴;猴 Z:t(9) = 5.26, p = 5.22×10⁻⁴)。两类控制模式的速度曲线反映了这一差异:手动控制的速度剖面表现为陡峭的初始脉冲伴随末端小幅微调,倾向于先弹道式快速冲向目标、末端再根据反馈微调;脑机接口控制的速度与位移曲线全程平缓渐进,反映出对视觉反馈的更持续依赖。反应时与运动时间在大部分条件下随不确定性增加而延长,其中运动时间在六个“猴×任务条件”组合中均表现为显著增加。

神经群体解码表现与行为误差特征相呼应。同水平解码(随机猜测基线为 12.5%)结果显示:在手动目标不确定性条件下,高不确定性试次的方向解码正确率在动作规划期(提示后 200–400 ms)和运动发起期(出发音后 150–400 ms)出现显著下降;手动反馈不确定性条件下,全程未见显著差异;而在脑机接口反馈不确定性条件下,解码正确率仅在运动发起期(出发音后 300–500 ms)显著降低。跨水平解码(由低不确定性训练、高不确定性测试)提供了进一步互补证据:手动目标不确定性在早期规划、晚期规划和运动发起三个时段均出现显著的泛化受损(例如运动发起期:t(15) = −6.79, p = 2.99×10⁻⁶);脑机接口反馈不确定性在后两个时段显著受损;而手动反馈不确定性条件下的泛化性能与基线参考值无异。去混合主成分分析能够在群体活动中检出与反馈不确定性相关的信号;但在本研究对比的三个条件中,该反馈噪声对方向信息解码的实质性干扰主要局限在脑机接口的运动发起阶段。这一结果支持任务依赖性的假说,同时需注意实验并未完全独立操纵所有感觉通道。

dPCA 揭示了状态空间中更细致的分离结构。在方向 dPC 构成的平面内,各个伸手方向的神经轨迹呈现放射状排列;在此基础上,所有方向的神经状态在第一根不确定性 dPC 轴上均按不确定性水平分立开来,这一现象在三个条件下均一致存在。然而,该不确定性维度所解释的方差比例较小:在手动目标条件中为 3.1%(猴 Y)与 7.2%(猴 Z),手动反馈条件中为 3.1% 与 5.3%,脑机接口反馈条件中为 5.6% 与 4.3%;相比之下,方向本身解释了绝大部分方差,方向与不确定性的交互项占据 11–15%。时间动力学分析显示:在反馈不确定性条件下,高低水平的分离在基线期(目标尚未呈现)便已建立,表明光标或点云的视觉外观本身构成了不确定性线索;在手动目标条件中,这种状态分离直到提示呈现后才显现,并在早期规划期达到峰值;在脑机接口反馈条件中,分离从基线期开始显现,并在动作规划向运动发起演进的过程中持续扩大(时间主效应 F(3,57) = 10.5, p = 1.35×10⁻⁵)。三种条件下不确定性表征各自在其对行为成为关键信息的阶段达到最显著的神经状态分离。

逐图解读

图1

来源:原文 Fig. 1,PDF 第 3 页。

图 1 · 实验设置与任务设计。 (a) 猴子通过握持触觉操纵杆直接控制屏幕光标(手动控制,MC),或由 M1/PMd 神经放电经速度解码器驱动光标(脑机接口,BC)。(b) 试次时间结构:中央手部与注视点固定,目标圆弧在注视环上闪烁呈现 300 ms,经历记忆延迟期后由出发音提示伸手运动。(c) 操纵核心示意:目标不确定性操纵采用 5 条按高斯分布散布的小弧(浅绿)对照单一真实目标(深绿);反馈不确定性操纵采用由 5 个漂移小点组成的点云(浅橙/浅紫)对照单一光标(深色),手动与脑机接口控制均施加反馈操纵。(d) 猴 Z 朝向 45° 目标的示例运动轨迹(三种条件各成一列):高目标不确定性下轨迹起始朝向的离散程度明显增大,而点云反馈仅在脑机接口模式下导致运动末端轨迹产生扰动。实验中点云与单一光标的小点直径保持相同,以排除视觉尺寸差异的干扰。

图2

来源:原文 Fig. 2,PDF 第 4 页。

图 2 · 行为指标:角度误差、速度与时间过程。 (a) 早期角度误差(偏心距 25%,蓝)与晚期角度误差(偏心距 75%,红)的定义方式,用于区分动作规划阶段与在线执行阶段的行为影响。(b) 主要行为结果汇总:在手动目标不确定性条件下,高不确定性(浅绿)使早期与晚期误差均显著增加;在手动反馈不确定性条件下(橙),两类误差均未见显著改变;在脑机接口反馈不确定性条件下(紫),仅晚期误差显著上升。(c, d) 运动速度及距离中心位移的时间变化曲线:手动控制呈现陡峭脉冲后进入平台的两段式特征,脑机接口控制则表现为平缓渐进。在同一控制模式下,高低不确定性的速度轨迹高度重叠,表明不确定性未改变整体时空运动轮廓,主要影响运动终末精度。(e, f) 反应时与运动时间在大部分条件下随不确定性增加而延长。图中每个数据点代表一个实验会话,每只猴包含 8 次(目标手动)或 10 次(反馈手动、反馈脑机接口)会话。

图3

来源:原文 Fig. 3,PDF 第 5 页。

图 3 · 电极记录位点与示例神经元响应。 (a) 两只猴的微电极阵列植入位置(灰色框代表 PMd,白色框代表 M1),标注弓状沟、中央前窝及中央沟。(b–d) 各任务条件下单个示例神经元在低不确定性(上排)与高不确定性(下排)下的方向调谐放电率曲线(按目标方向分别着色)。在手动目标条件(b)下,高不确定性使提示呈现后的放电幅度与方向选择性均明显下降;手动反馈条件(c)下的差异较为微弱;脑机接口反馈条件(d)则介于二者之间。

图4

来源:原文 Fig. 4,PDF 第 6 页。

图 4 · 运动方向解码:同水平与跨水平测试。 (a, b) 解码分析流程:将放电密度函数输入支持向量机,对 8 个空间方向进行分类;同水平解码在相同不确定性水平内进行训练与测试,跨水平解码使用低不确定性数据训练并于高不确定性数据测试,以检验方向表征在不同不确定性条件下的稳定性。(c–e) 同水平方向解码正确率随时间的变化过程(对齐目标提示与出发提示):手动目标条件中,高不确定性(浅色)的解码率在动作规划期和运动发起期显著下降(横条标注置换检验显著时窗);手动反馈条件下,两水平解码曲线全程重叠;脑机接口反馈条件下,仅在出发音后 300–500 ms 出现显著差异。(f–h) 跨水平解码在三个时段的表现汇总,负值表示泛化损失:手动目标条件在早期规划、晚期规划和运动发起三个时段均出现显著泛化下降;脑机接口反馈条件在后两个时段显著为负;手动反馈条件则维持在基线水平附近。

图5

来源:原文 Fig. 5,PDF 第 7 页。

图 5 · 神经状态空间中的不确定性维度表征。 (a) 示例会话的神经状态投影至由两根方向 dPC 与第一根不确定性 dPC 构建的三维空间(取运动发起时窗均值):在方向 dPC 平面上,8 个运动方向呈放射状排列;在此基础上,每个方向的高、低不确定性状态沿第三根不确定性轴分离,该结构在三个任务条件下均稳定存在。(b) 任务参数的方差贡献率分布:方向维度占据主要方差,不确定性 dPC 仅占百分之几,二者交互项占 11–15%,表明不确定性属于群体活动中真实存在但幅度较小的调制成分。(c) 不确定性 dPC1 投影在各个时段(基线期、早期规划期、晚期规划期、运动发起期)的时间演变:反馈条件下在基线期便已出现状态分离,反映了视觉点云的即时感知;手动目标条件的分离在提示呈现后产生并于早期规划期达到峰值;脑机接口反馈条件的分离则向运动发起期逐步增大。

讨论与解读边界

这篇文章把感觉信息的类型、行为相关性和神经表征的时间过程放在同一设计中比较。其关键结果是:目标不确定性在早期规划即影响方向信息,而反馈不确定性的明显影响集中在 BCI 运动发起附近。状态空间中可区分不确定性水平的成分,则在更多条件下存在。

BCI 去掉的是与受控光标运动相对应的本体反馈,并没有消除动物身体全部本体感觉。MC 与 BC 还在控制策略、试次安排和反应时定义上不同,因此跨模态补偿是合理解释,尚不是被独立操纵证实的唯一机制。早期轨迹误差是规划质量的操作性指标,不能泛化为所有条件下“绝无在线修正”。跨不确定性解码下降也应与同水平解码结合解释,避免直接将其写成表征被破坏。

思考问题

  1. 若在手动与 BCI 条件中统一不确定性的交错方式和运动时程,反馈不确定性的差异还会保留多少?
  2. 提供与光标运动一致的人工躯体感觉反馈,能否改善方向表征和行为精度?
返回总纲