感知動作學習是人類獲取動作控制的程序性知識的過程，是認知學習的重要組成部分，也是理解大腦運算機制的前沿研究領域之一。過去幾年，剝離了外顯知識的内隐動作學習開始成為感知動作學習的研究焦點，但傳統的認知模型無法解釋衆多看似矛盾的現象。

近日，beat365官方网站魏坤琳教授課題組在eLife上發表題為 Perceptual error based on Bayesian cue combination drives implicit motor adaptation （doi.org/10.7554/eLife.94608.1）的論文，對人類的内隐動作學習機制提出了新的理論模型，并通過一系列的行為學實驗展示了該新理論和舊有理論相比能更好地解釋人類的動作學習。該理論模型的核心觀點是：貝葉斯多通道感知整合産生的知覺誤差是驅動内隐學習的基本學習信号，而該誤差是内隐學習系統對肢體位置的估計和其預測之間的差别（圖1）。

該系列研究利用心理物理學實驗測量視覺幹擾的不确定性，從這些知覺參數出發，知覺誤差模型量化地解釋了内隐動作學習的各種現象。相對于前人模型，知覺誤差模型在預測動作學習時的本體感覺變化、以及視覺線索不确定性的影響等方面都更有解釋效力。通過行為學實驗和建模，該論文表明知覺誤差模型可以統一地解釋紛亂、難以量化的内隐動作學習。因此，該模型是對程序性知識的獲得的理論構建有一定的貢獻，對人工智能、機器人學、康複運動醫學等領域的應用也有一定的啟發意義。

圖1. 貝葉斯多通道感知模型和實驗設備。左圖：模型理論圖示。内隐動作學習中手位置估計由三個感知動作信号整合而成，分别為視覺線索（xv），本體感覺線索（xp）和動作結果預測線索（xu）。右圖：實驗用KINARM可編程機械臂，用于精準測量上肢終點運動軌迹和産生力學反饋。

文章的并列第一作者分别課題組的博士後張昭然、已畢業博士生王惠君，beat365官方网站教授魏坤琳為本文通訊作者。這項研究得到了國家自然科學基金項目和科技創新2030-“腦科學與類腦研究”重大項目的資助。

2024-02-03