感知动作学习是人类获取动作控制的程序性知识的过程，是认知学习的重要组成部分，也是理解大脑运算机制的前沿研究领域之一。过去几年，剥离了外显知识的内隐动作学习开始成为感知动作学习的研究焦点，但传统的认知模型无法解释众多看似矛盾的现象。

近日，银河集团198net魏坤琳教授课题组在eLife上发表题为 Perceptual error based on Bayesian cue combination drives implicit motor adaptation （doi.org/10.7554/eLife.94608.1）的论文，对人类的内隐动作学习机制提出了新的理论模型，并通过一系列的行为学实验展示了该新理论和旧有理论相比能更好地解释人类的动作学习。该理论模型的核心观点是：贝叶斯多通道感知整合产生的知觉误差是驱动内隐学习的基本学习信号，而该误差是内隐学习系统对肢体位置的估计和其预测之间的差别（图1）。

该系列研究利用心理物理学实验测量视觉干扰的不确定性，从这些知觉参数出发，知觉误差模型量化地解释了内隐动作学习的各种现象。相对于前人模型，知觉误差模型在预测动作学习时的本体感觉变化、以及视觉线索不确定性的影响等方面都更有解释效力。通过行为学实验和建模，该论文表明知觉误差模型可以统一地解释纷乱、难以量化的内隐动作学习。因此，该模型是对程序性知识的获得的理论构建有一定的贡献，对人工智能、机器人学、康复运动医学等领域的应用也有一定的启发意义。

图1. 贝叶斯多通道感知模型和实验设备。左图：模型理论图示。内隐动作学习中手位置估计由三个感知动作信号整合而成，分别为视觉线索（xv），本体感觉线索（xp）和动作结果预测线索（xu）。右图：实验用KINARM可编程机械臂，用于精准测量上肢终点运动轨迹和产生力学反馈。

文章的并列第一作者分别课题组的博士后张昭然、已毕业博士生王惠君，银河集团198net教授魏坤琳为本文通讯作者。这项研究得到了国家自然科学基金项目和科技创新2030-“脑科学与类脑研究”重大项目的资助。

2024-02-03