9、感觉运动学习与控制中的因果推理及生成知识在物体感知中的作用

感觉运动学习与控制中的因果推理及生成知识在物体感知中的作用

1. 感觉运动学习与控制中的因果推理

1.1 运动适应研究与因果推理

在运动适应研究中，存在多个相关实验。例如，Fine和Thoroughman（2007）的研究绘制了伸手动作的适应量与粘性扰动增益的关系；Wei等人（2005）的研究绘制了视觉运动适应任务中适应率的倒数与视觉误差增益的关系；Robinson等人（2003）的研究绘制了扫视的适应增益与视觉误差大小的关系。

人体和环境的多种因素会导致运动误差。人体自身会在位置、形态、肌肉疲劳等方面发生变化，环境中物体的属性（如重量、摩擦力等）也会随时间改变。为了正确处理用于运动的感官信息，神经系统需要推断出身体和环境中导致观察到误差的复杂原因。

1.2 传统模型与源估计模型

传统的运动学习模型通常使用身体和环境的联合表示，并不假设神经系统通过估计身体和环境方面的误差来源来从误差中学习。这使得将误差推广到新运动的问题难以定义。例如，如果知道是因为手臂比平时弱而产生误差，那么会将其推广到该手臂的任何运动，但不会推广到另一只手臂；如果误差是由手中物体的不同重量引起的，那么会将其推广到同一物体的任何运动，但不会推广到没有该物体的运动。没有明确表示运动误差的原因，这种推广就无法实现。

而最近的源估计模型（Berniker & Körding, 2008）将运动适应和推广问题表述为一个复杂的源估计模型，其中推断误差的原因。该模型能够正确预测人类从空间的一部分推广到另一部分的实验结果（Shadmehr & MussaIvaldi, 1994），还能解释人类从一只手臂推广到另一只手臂的显著方面（Crisci