人类运动控制中在线调整的活力是否仅在有优势时才被调节？

编辑推荐：本研究通过比较随机游走（random walk）和稳定抖动（stable jitter）两种目标运动模式下手臂运动的调整活力，探讨运动控制系统如何权衡最新信息与历史信息的利用。发现多数参与者未根据目标运动模式差异调节调整活力，提示自然状态下运动系统倾向于依赖最新位置信息并以剩余时间精确调整轨迹。成果发表于《Experimental Brain Research》，为理解在线运动控制（online adjustments）的优化策略提供新证据。

　　在日常生活中，人们能够精准地完成诸如接球或点击移动目标等动作，这依赖于大脑对运动轨迹的实时调整能力。然而，这种在线调整（online adjustments）的活力（vigour）究竟如何被调控，一直是运动控制领域的核心问题。此前研究发现，当目标位置随机游走（random walk）时，运动系统会以与剩余时间匹配的活力调整轨迹，确保平滑到达最新目标位置。但这是否是实验设计的特定结果？当目标围绕固定位置抖动（stable jitter）时，最新位置不再具有预测优势，运动系统是否会降低调整活力以节省能量？荷兰阿姆斯特丹自由大学Eli Brenner团队通过对比两种目标运动模式下的手臂运动调整策略，揭示了在线运动控制的底层逻辑。

研究采用经典的手指点触任务，参与者需向上移动手臂点击横向抖动的目标。关键创新在于设计两种目标运动模式：随机游走模式下目标位置遵循1.67 mm步长的随机游走；稳定抖动模式下目标位置围绕基线正态分布（σ=1.88 mm），并偶尔引入1.67 mm的基线偏移。通过Optotrak 3020系统以500 Hz采样率记录手指运动轨迹，采用Savitzky-Golay滤波器计算横向速度，并比较100-200 ms时间窗内的平均响应活力。

结果部分首先通过"命中率与运动时间"验证实验设置的有效性：所有参与者在稳定抖动模式下命中率更高（p<0.05），但两组运动时间无显著差异。在"调整活力比较"中，虽然随机游走组的平均响应活力显著更高（t₁₃=2.03, p=0.032），但个体分析显示仅3/14参与者明显降低稳定抖动模式下的活力（图5C）。"活力与剩余时间的相关性"揭示核心规律：两组中响应活力均与剩余时间呈负相关（ρ=-0.49, p=0.036），说明时间压力是主要调节因素（图5D）。值得注意的是，低活力响应者在稳定抖动模式下表现更优，提示部分参与者能学习优化策略。

讨论部分深入分析了三个关键发现：首先，多数参与者未根据目标运动模式调节活力，支持"默认依赖最新位置"的假说。其次，少数成功调节者可能通过改变运动终点（endpoint）而非直接降低活力实现优化。最后，实验设置的抖动幅度（约1 mm）接近自然场景的位置感知误差，暗示在日常情境中依赖最新位置可能是进化优化的策略。该研究创新性地证明：运动控制系统（motor control system）优先采用"以剩余时间精确调整"的通用策略，仅在明确收益时（如稳定抖动模式）部分个体才学习调整活力。成果为理解最优反馈控制（Optimal Feedback Control, OFC）理论在自然行为中的应用提供了重要证据，对机器人运动规划和人机交互设计具有启示意义。