第十三讲

运动控制

魏坤琳

人工智能能够轻易击败国际象棋大师，然而，目前最先进的机器人的身体灵活性却连三岁孩子都比不上。与感知、记忆、决策等人们较熟悉的认知科学领域比较，运动控制比你想象的还要重要。

我经常被光荣地称作“体育老师”，因为我的研究领域是运动控制（Motor Control or Sensorimotor Control），里面有“运动”两个字。其实运动控制是探究人脑如何控制运动的研究领域，是认知科学的一部分。也就是说，此“运动”非彼“运动”，准确的说法应该是“Motor/Movements/Action”，而不是“Sports”。在认知科学和心理学中，感知、记忆、决策、情绪等领域的研究被人所熟知，但是运动恰恰是被忽视的一个领域。比如加扎尼加（Gazzaniga）编写的经典《认知神经学》课本，直到几年前的版本才开始有一个独立的章节讲述运动控制。和一般人的认识相反，运动控制恰恰在运算上是一个复杂的问题。要不然，为什么至今我们不能造出运动流畅的人形机器人？

我在本讲中主要想谈谈下面几个方面：

·什么是运动控制？它研究的问题是什么？

·从一般心理学的视角看，我试图猜猜为什么这个领域一直被忽视。

·过去20~30年我们对人脑如何控制运动有哪些主要发现。

·就一些有意思的应用，我讲讲运动控制和其他领域的交叉，包括虚拟现实、运动员大脑、机器假肢（外骨骼）、人机交互等。

主讲人

魏坤琳，美国宾夕法尼亚州立大学博士，现任北京大学心理与认知科学学院副教授、博导，主要研究人脑的工作方式，以及人是如何控制运动的。

主持嘉宾

何吉波，北京大学心理系本科毕业，美国伊利诺伊大学香槟分校（UIUC）心理系博士，卫奇塔州立大学（Wichita State University）助理教授，专长是驾驶安全与航空安全。

讨论时间

北京时间 2015年1月24日。

什么是运动控制

魏坤琳：虽然不是所有人都同意，但是我们可以把人脑看作一个做计算的机器（computing machine）。如果让我粗分其功能，它只做三件事情：感知（perception）、思维（thinking）、运动控制（motor control）。感知是输入，思维是对中间层的基于各种表征的运算，运动控制是输出其反应。

运动控制是人脑能和外界进行交互的唯一方式。

控制肢体运动、操作工具、做手势、说话、使眼色，任何需要和外界进行的信息的、物理的交互，都最终被落实到一系列的肌肉激活上面。

何吉波：传统的“计算机器”的比喻可能对控制不太适合，叫“计算机器人”是不是更好？计算机器主要在记忆和决策，输出基本上只有声音和视频。

魏坤琳：运动控制信号都是计算出来的。估计你们看完本文就接受这个观点了。现在来分享一些有意思的知识：

·脑部主要结构都和运动有关。包括皮层上的运动区（初级运动皮层、运动前区、辅助运动区），感知区有大量对运动区的直接投射，如小脑、基底核、脑干等。

·小脑是脑部所有结构中中间神经元最多的。

·小脑虽然被公认是运动控制的特殊结构，但是其在“语言”和“注意”等高级认知活动中也会被激活。

·人脑进化上的最有意义的变化是前额叶的快速增大，特别有意思的是，这个增大的“进化进程”中，小脑皮层也进行了同步增大。

总结：脑部大多数区域和运动控制有关。小脑不仅仅是运动控制中枢。

“定义”运动控制就是研究：大脑如何控制运动，大脑如何学习控制运动，为什么它以现有的方式运行。重点是“如何”和“为何”。可以看出，这个“运动”的问题不可避免地和其他认知领域的研究有交集，包括大家熟悉的感知、决策、记忆、学习等。

早期心理学或者认知科学一直低估了运动控制的复杂程度。一般人会以为，运动非常简单，其学习是程序性学习，是内隐的，不需要多少意识参与。学习完成后，运动执行就像重新执行一段程序，不需要什么认知资源。其实这和我们自己的感觉是一致的。

我们日常的行为表现中动作控制极其轻松。我们可以边走路边聊天。绊了一下以后，只需要踉跄两步就可以马上恢复稳定行走。朋友抛过来的可乐易拉罐，我们可以毫不费力地伸手抓住。我们看别人打个两三招拳法，就能模仿得像模像样。

运动控制还是被一般人大大低估了，看看学术界的论文：

表13–1 SCI 1986—2004有关“脑”和“神经”学术论文统计表

上表总结了1986—2004年所有的有关“脑”和“神经”的美国《科学引文索引》（SCI）论文：如果按它们的关键词细分，你会发现有关“运动”的文章数目最多，超过了“认知”“语言”“记忆”等方面的文章。我自己在心理学系，我知道自己在认知圈子里的定位。

何吉波：像EEG（脑电图）、fMRI（功能性磁共振成像）都主要研究感知和决策，对输出和执行介绍的比较少。

魏坤琳：对，因为以前研究手段有限。那么，是不是运动控制真的非常简单？如果我们换个视角：假设我是工程师，需要设计一个类人型的机器人，我希望赋予它像人一样的运动能力。这时候你就发现，刚才所有的看似简单的运动任务，其实非常难以实现。

何吉波：其实走路和刹车都不是自动化执行的。

魏坤琳：自动化永远都是相对的，我们从工程师视角来看看。

1. 机器人行走、上下楼梯、适应不规则的地表条件，甚至简单的保持动态平衡，都非常的复杂。你会发现至今人们还在为机器人能踢出一脚球、能上下楼梯而兴奋不已。

计算机下国际象棋可以把人类秒成渣，但是最先进的机器人的运动连3岁小孩的水平都不够。

1. 让机器人和人握手也是非常困难的事情，因为握手需要恰当的摆动力和握力，预先编程好的力或者摆动轨迹就过于生硬（设想和一个机器人握手吧）。其实，直接和人体进行物理交互的机器人的控制非常困难，需要用到复杂的阻尼控制和运动轨迹控制。

2. 让机器人直接用模仿的方式学习人的动作也很困难。当然，后来我们知道人脑中的镜像神经系统在模仿中起到了至关重要的作用。

3. 更麻烦的是，工程师不知道人是如何同时控制多个关节，并协调它们完成流畅的运动的？这个看似根本就不是问题的问题，可以用一个简单的例子来说明。

假设我要把手从A点运动到B点，通常情况下，手的运动轨迹是一条直线，它的速度是一条倒钟形的曲线（先加速，再减速）。但是，人脑为什么要控制完成这样一个运动轨迹？要知道，这个简单的动作需要肩关节和肘关节的同时参与，但是这两个关节其实都是转动，那为什么不直接让手划出一条“曲线”从A点到B点，而是费力地协调两个关节以保证手走的是一条直线呢？很显然，人脑控制运动有它自己的逻辑。

何吉波：这个例子非常精彩！这个有点像对物体的跟踪或对接物体，需要处理TAU（跟踪区更新）来修正运动。并不是知道一个起点和结束点，然后自动完成。

魏坤琳：

我们不知道人脑是如何控制运动的，要不我们就能造出最厉害的机器人，像真正的人一样运动。

像下面这位：

控制复杂运动的运算量非常大，人工智能还差得远呢。

何津：运动控制是习得的吗？或者说有些是习得的有些是退化的？比如天生会游泳，以及后天学习骑自行车。这种学习／退化的过程会不会对解析运动控制有帮助？

魏坤琳：你说的是运动记忆的问题，肯定是习得的。运动记忆是非常特殊的记忆，其保持的时间很长。的确，忘记、归纳，以及学习的泛化也都有揭示意义。这都是我们实验室做的领域。

小结一下：

·运动控制在脑科学、认知科学的范畴内；

·虽然带“运动”两个字，但是它和运动心理学关系不大。后者主要包括竞技心理学和健康心理学。它们的关键词是在竞技体育、大众健康上面；

·运动控制是交叉学科，和心理学、神经科学、工程学、力学、医学相交叉；

·和人工智能有交集：什么时候机器人能像人一样流畅、协调地运动？

运动控制为何为心理学所忽视？

何吉波：为什么心理学或者认知科学过去一直忽视了“运动”？

魏坤琳：我有两个观点：

1. 人体运动很复杂，需要太多变量描述。早期研究一般只用反应时和准确率来描述运动，直接忽略运动的细节（比如运动轨迹）。现在研究运动控制稍微容易些了，我们有了更多的实验手段，比如三维动作捕捉、数学模型、脑成像等等。

2. 以往研究中，运动仅仅作为其他认知活动的表达，眼动用来研究阅读，眨眼用来研究记忆，脸部动作用来研究情绪。但是，大脑是如何控制这些运动则被完全忽略了。我觉得这个忽视情有可原，但是，如果采取工程师的视角，这些前人对运动的忽视，应该早就被认识到：如果我们发现赋予机器以类人的运动能力是非常困难的，我们就会意识到自己对人脑如何控制运动其实知之甚少。

下面直接切入运动控制的核心问题：“自由度问题”^[1]。

传统心理学对运动控制的看法是：

运动控制是通过存储好的运动程序完成的，当人要完成某一个运动任务时，控制器（Executive Homunculus，控制小人）就会选取储存的某一个运动程序并执行该程序：运动程序就像琴谱一样，告诉皮层和脊髓的运动区应该如何激活。皮层和脊髓再控制肌肉的激活，完成任务。

而实际情况是：同一个运动有无数种执行方式（每次执行都不同，见图13–1），大脑需要储存无数种运动程序。比如，手指尖的位移的控制由肩、肘、腕3个关节决定。肩有3个自由度（3个方向的转动），肘有1个自由度，腕有3个自由度。

图13–1 人的胳膊的简单造型

在关节层面上，如果大脑要控制手指尖的位置，它需要同时调节7个自由度。在肌肉层面上，手臂上有26条肌肉，它需要控制这些肌肉的激活或者不激活（激活时间、强度另算！）26个自由度。

更糟糕的是，肌肉不是独立的控制单元，运动单元（motor unit）是由一条运动神经和它连接的肌纤维组成；平均一条肌肉有100个运动单元。所以在运动单元的层面上，我们有2 600个自由度。

所以，光控制一条胳膊，只控制这2 600个运动单元的开启/关闭，就有2×2 600种可能，应该是超过了宇宙中原子的数目。

这个就是自由度的问题。运动系统的冗余度过大，无法直接“控制”每一个自由度。

何吉波：是不是需要超级计算机来处理和执行这2 600个自由度呀？我们大脑应该也不会这样去执行每种可能性吧？

魏坤琳：不是，计算机不能这样“暴力”地去算。上面那个心理学的传统看法还有其他问题：（1）所谓的运动程序是什么语法写的？（2）运动程序是怎么写的？

何吉波：肌肉群内的工作自己协调。

魏坤琳：肌肉群分组是一种方案，叫协同，但是还不够。现在，领域内完全放弃了有关运动程序的观点，因为自由度的问题绕不过去，而且闭环控制没有体现出来。

内模型理论与最优反馈控制

魏坤琳：我给大家看另一个模型：

图13–2 内模型理论示意图

目前的主流认识是“.内模型理论”。

1.控制器负责产生运动控制指令；

2.运动控制指令发出信息给运动系统（肌肉等），同时将一份拷贝送给所谓“内模型”，内模型可以预测运动的结果；

3.这个预测和感知系统发回来的反馈（有延时，有噪音）相结合，帮助大脑估计当前的状态；

4.如果预测和反馈不一致，就需要改变内模型及控制器。

我们经常体验的一个内模型预测——你有没有在下楼梯时被惊吓过，踩上原本以为有但是实际上没有的最后一个阶梯。

何吉波：感同身受啊。

魏坤琳：又比如，双手前平举拿着重物，松手。在你松手之前，你的躯干肌肉已经激活，因为人脑知道重物落下的物理后果：躯干平衡要受到扰动。躯干肌肉提前激活防止你被扰动。但是，上面的模型有欺骗性，还是没有解决控制指令是如何产生、控制器是怎么控制的等问题，即：传统看法中的“控制小人”只是被“控制器”取代了而已。

下面，是过去十年最重要的突破——最优反馈控制理论（Optimal Feedback Control Theory），试图解决人脑是如何实时“算”出来运动指令的。

这个理论是由数学家伊曼纽尔·托多罗夫（Emanuel Todorov）——迈克尔·乔丹（Michael I. Jordon）的学生，在2002年提出的，并在《自然》、《自然神经科学》（Nature Neuroscience）上发表了一系列文章。

迈克尔·乔丹应该很多人知道，不过不是打篮球那位，哈哈。最优反馈控制理论的基本思想是：

1.人的运动控制是大脑求一个最优解的问题，同时人脑借助了前面图表中的反馈信息。

2.最优是针对某些和运动相关的指标：比如最大化运动精度、最小化能量损耗、最小化控制努力程度（control effort，就是说运动系统想偷懒的意思）等。

3.反馈信息是不确定的、有延时的。

何吉波：有技术/办法干扰指令区和反馈区吗？只有干扰大脑的运动处理，才能做因果推断，比如类似穿颅磁刺激（TMS）的方法。

魏坤琳：通过建模（基于微分方程）。托多罗夫的理论可以解释运动控制几十年来积攒的很多争论。更厉害的是，他的理论在数学上是可行的，可以被拓展用来解释各种各样的运动。

Zoom.Quiet：现在最新的实现方案是从复杂系统理论入手吗？将一个神奇的系统，分解为一群简单到极致的小单元，组合起来就能完成非常自然的行为……

魏坤琳：复杂系统理论在我的领域已经过时了，我的博士生导师就是那个流派的。

根据最优反馈控制理论，甚至只要提供一些物理的限制条件（比如8条腿的某生物，在某个低重力的环境下），同样的模型就可以预测这样的生物运动模式是什么样子。

Zoom.Quiet：数学上可行……这是学术界的免死金牌，和工程界相反，可用在先，再研究为什么……

魏坤琳：我个人觉得，他的模型应该马上被用于好莱坞的电影制作：每一个电脑模拟的人，只需要用这样的模型来驱动，就可以“自主”产生出像人一样的流畅动作。请去他的个人主页看模型、代码和很多有意思的录像。托多罗夫移动控制实验室取得的成就不光是数学上可行，关键是解决了很多悬案，其中就包括我前面讲的自由度等问题。

何吉波：把他的代码和Python panda（数据处理与分析工具）结合，做虚拟人物控制，可行不？

魏坤琳：可以，非常轻松。我再讲讲现在运动控制运算模块的神经基础。

1.运动皮层是控制器；

2.小脑是完美的内模型，在运动指令还没有达到肌肉之前，它可以预测动作的结果；

3.基底核是运动决策、强化学习的核心区域；

4.很多皮层区域都可以做感知运动融合，比如后顶叶皮层是视觉输入和运动区交互的地方。

何吉波：我们做运动控制，做机器人，还需要生物和工程师。用控制理论来做虚拟人物，只需要Python大妈和魏老师。

运动控制的应用

脑机接口

魏坤琳：前面给大家讲了一个理论问题，即内模型理论和最优反馈控制理论。下面可以讲应用问题了。

何吉波：如果代码可以完美控制，我们就不用花那么大的努力来训练人们做一个Vigilance Test（警惕性测试应用程序）来执行了。代码应该比人更可靠。

魏坤琳：手动对接的目的是计算机死机后，人顶上。

下图是“脑机接口”的经典图片，猴子用机器手给自己喂花生。

阳志平：“Monkeys Use Minds to Move Two Virtual Arms”实验非常经典，作者拿诺奖呼声很高。

魏坤琳：这是尼克列利斯（Nicolelis）在2003年做的实验，在猴子的运动皮层植入电极。

·第一步，先让猴子自己喂自己花生吃，然后反推出动作对应的神经活动；

·第二步，这样的神经活动可以驱动机器臂做同样的动作；

·第三步，猴子会突然认识到，不需要动自己胳膊，光想就能驱动机器臂喂自己吃花生。

几乎所有的脑机结口都是这样的套路：

需要训练程序识别什么神经信号对应什么运动，然后用这样的信号去控制机器外设。

魏坤琳：我们和北大工学院合作做出了机器假肢，没有使用肌肉电信号，而是使用了电容组。可以不和皮肤接触，不怕汗液，不怕肌肉疲劳。还有其他传感器：压力传感器、陀螺仪等。我们的创新点是用了电容组，而不是神经信号。电容测量的是人的肌肉的形变。这是我的主意，是超越国外竞争单位的奇招。因为肌肉电信号（他们用的）不可靠，脑电也无法控制这样的复杂外设。

何吉波：这个电容组更好一些。

阳志平：精彩。脑机接口技术传输速率有限，稳定性不好，还需事先训练，但电容组没这些弊端。

何吉波：通过肌肉形变可以做到的话，就可以把心理学和工程学模块化了。

魏坤琳：机器假肢做出来了，意味着下面的外骨骼也没问题了。我们正在做帮助中风病人站立行走的外骨骼。

何吉波：肌肉形变的信号效果会比肌电信号做得更好吗？

魏坤琳：好一些。

何吉波：如果肌肉无控制地抽搐怎么办呢？

魏坤琳：没有问题，这种假肢不怕出汗，不怕肌肉疲劳。下面请大家脑洞一下：既然人可以造出人脑的运动控制信号，那么下一步就应该是人造的感知信号。如果两个都可以人造，《黑客帝国》里面不用动弹的人的未来就可以成为现实了。

这恰恰是一帮人在做的：

图13–3 尼克列利斯实验：一只猴子用意念控制一个机器人

这还是尼克列利斯实验室的成果，2011年发表在《自然》杂志上。有兴趣可以看一下尼克列利斯的TED演讲：A Monkey That Controls a Robot with Its Thoughts. （一只猴子用意念控制一个机器人）

何吉波：可以这样呀？再做一个感受器，感受我的肌肉形变，然后去控制另一个机器人，远程控制的。

魏坤琳：对，他们更绝，刺激猴子的感知皮层，让其产生虚拟的触觉。这个触觉是和它的运动控制同步的，所以，猴子产生了以为触觉是它自己的动作造成的错觉。别忘了，尼克列利斯实验中猴子的动作都是BMI（脑电接口）的，也就是说，运动控制是假的，然后感知也是假的。

Zoom.Quiet：BMI原来是这个意思。

何吉波：他们用脑电图做的脑机接口？欺负猴子呀，一切都是幻觉……

魏坤琳：不是，是直接把电极放在皮层上。

张警吁：如果是不同步的话呢？

魏坤琳：不同步暂时不行。但是长时间效果不知道，因为还是要考虑可塑性。

何吉波：同步是一个很大的问题，毕竟在飞船控制方面或者军事中，远距离信号传输是会有延迟的。

陈恒达：有时候瞎想，我们的生命是不是一种远程控制。

虚拟现实

魏坤琳：这是我们早期用的虚拟头盔。

戴头盔在大的空间里面走。

你看见的世界可能是这样的4种。

明显是心理物理学实验，想研究哪些视觉信息决定人的运动行为，所以很多视觉信息被排除了。

何吉波：Optical Flow（光流图像处理技术）。

魏坤琳：现在用Oculus Rift Dev2（虚拟现实头盔）。

何吉波：伊利诺伊大学香槟分校的游戏《魔窟冒险》（The Cave）就是这样的效果。

魏坤琳：当然，你可以用这个来做虚拟驾驶。

何吉波：高瞻远瞩呀。我发文章是用我的系主任做模特。正在考虑此事，用它来做飞行和驾驶，或者来控制飞机。我的系主任是做无人机的。

魏坤琳：牛！的确可以。

为什么沉浸式的虚拟现实会如此不同，会如此逼真？我说两个理由：

1. 多通道感知信息整合的威力。

   图13–4 “灵魂出窍”实验图

上图是灵魂出窍的小实验：被试者眼镜内播放的是实时的、身后的摄像机的视角图像，主试用两个一样的木棍做同样的戳的动作。一个棍子戳被试的胸口，一个棍子假装在摄像机镜头前戳。只需要一分钟，被试者就会有错觉，以为自己的出窍，在自己的身后（即摄像机的位置）看着自己。原因很简单：视觉输入和触觉输入是同步的、一致的。大脑会非常相信这种多通道感知信息一致的刺激。该刺激的唯一解释是：我在坐着的人的后面看着他。

1. 人的主动运动控制和感知反馈的一致性。

所谓consciousness（知觉），有很大一部分是自我的概念，自我的一个重要部分是Sense of Agency（代理意识），代理人（agent）就是主动施动者，即主动产生运动的人。如果在虚拟现实中，你主动产生动作，动作的后果能和你得到的反馈一致，你就会有极强的真实感。这样的控制和反馈的一致性很容易实现：动作捕捉系统实时测量你的运动，让该运动改变虚拟环境中的物体。

何吉波：调节这两个行为的时间间隔是多少？

魏坤琳：有人做过了。时间和空间的差异可以改变人的因果推理，我有一篇文章（Relevance of Error: What Drives Motor Adaptation?）专门说这个问题。这篇文章是讲运动控制中的因果推理，应该是我引用最多的文章。

虚拟现实的帷幕刚打开，我们在等它的killer App（杀手级应用软件）。可以预测它会深远地改变人的认知。

Zoom.Quiet：目测，第一个killer App不应该在民用领域，在星际、深海、高空……有大把的刚需……

何吉波：工程学、心理学的主要工作，就是帮助大白兔迈向星辰大海。

Zoom.Quiet：我的主要感触是：这一最前沿领域，中国人也在研究，好赞！

猛犸：关于虚拟现实，想问问Dr.魏对未来的看法。嗅觉、味觉、触觉、体感技术大概何时能成熟，以及黑客帝国式插插头的终极技术，可在本世纪成为现实吗？

魏坤琳：嗅觉、味觉做VR（虚拟现实）的人都没有触及现在，很明显，视觉、本体、触觉技术现在遇到的麻烦够多了。我对《黑客帝国》描述的那样的未来是深信不疑的，迟早的事情，还需50年？

猛犸：这需要对大脑有更精确的认识才行。

长期运动经验的影响

魏坤琳：长期运动经验的影响（专家大脑），最神奇的变化当然是：

1. 相关的运动和感知区域的结构性变化，如初级运动皮层的突触数目增加、效应器（比如打球的胳膊）的表征区变大、灰质变厚。初级感知皮层（S1）的表征区变大，比如各个区域之间的连接性增强（白质），在对体操运动员的研究中得到了验证。这个白质研究应该是北京师范大学脑与认知科学研究院做的，突触数目是用老鼠做的。一个要注意的地方：结构性变化有时候可逆，比如训练结束几周后灰质厚度又减小了。

何吉波：我导师就研究运动员是不是更适合某项运动，认知和决策能力是否更好，喜欢玩游戏的人开飞机或者开车是否更好。关注训练多久才有效的研究很多，不过似乎关注多久变得无效的研究就少一些了。

魏坤琳：很明显，对运动类的人来说，测大脑的变化是很困难的。因为一般我们扫脑的时候不让人做大的动作。

1. 激活方式的变化。例如：精英运动员更擅长过滤掉无关信息，表现在选择性注意力好。当然不是说他们的一般注意力比较好，而是特定的、和运动相关的注意力。无关的脑区激活少，比如杏仁核等与情绪和意识有关的脑区，即他们运动时比较冷静。这个选择性注意能力的提高很重要，运动情景可以很复杂，好的运动员只会注意最重要的环节。

阳志平：其实，我也有个感觉……精英更擅长于过滤掉无关信息，表现在选择性注意力好。不仅是精英运动员。

张警吁：fNIRS（功能性近红外光谱技术）在做运动员实验时会有优势吗？

魏坤琳：fNIRS有优势，当然精度有限。志平说得对，过滤和选择性注意，带给那些精英运动员极大的优势。而且，他们不是光靠肌肉的，更要靠大脑。

1. 运动员的运动控制自动化不再需要太多的认知资源，可以多任务同时进行。在运动技能提高的同时，相关脑区的激活降低，比如前额叶和后顶叶。这个大家都有直观认识：某个运动自动化以后，注意力和认知资源就可以看别的地方了，比如注意对手的一些细节。

何吉波：运动员的选择性注意能力强，过滤无关信息的能力更强，那他们是更好的还是更差的multitasker（同一时间内可以做很多事的人）？

魏坤琳：是更好的multitasker。

一般运动学习有三个阶段：

·Cognitive/ Explicit（认知/明确）阶段，需要很多注意力，需要很多外部指导；

·Associative（联合）阶段，主要把各种运动技能的细节联系在一起；

·Automatical（自动化）阶段，自动化了，专家化了。

侯悠扬：有研究Choking（心理学上被定义为“压力条件下，一种习惯的运动执行过程中发生衰变的现象”）的神经机制的吗？也就是所谓的关键时刻掉链子。

魏坤琳：有。关于Chocking我还发表过一篇文章，做着挺好玩的。Choking还是高级认知的抑制，但还是有不少竞争的理论。

1. 精英运动员的运动决策能力的提高。复杂运动环境下，需要快速而准确的决策。想象你是一个控球后卫，跑动的同时需要一直观察场上瞬息万变的形势，做出传球或攻击的最佳决策。精英运动员快速提取信息，并做出决策的能力很突出。一般情况下，越复杂的运动项目（篮球、足球等），越需要这种决策能力。心理学研究最喜欢做运动的决策，因为比较好操控，一般是提高不同量和质的信息，看看运动员决策的好坏和速度。

侯悠扬：关于Choking，以前写过一篇科普文章《是什么让运动员在关键时刻“掉链子”？》

刘星海：啊，太好了。修正了错误的知识。

自由谈

运动控制为什么一定要拟人

曲元周：“机器人的运动控制一定要按照人类的运动控制来设计吗？”我想问的是，人体对于不同运动的反应是最优化的吗？比如投篮、射门等。如果机器人可以以最佳抛物线或者角度、力量、旋转来控制，可以说是超过人类吗？并不一定要用肌肉神经模仿来实现。

魏坤琳：运动系统和感知系统应该是人的强项，人工智能的弱项。这是进化给我们的优势。我觉得机器人至少在可预见的将来，一定要向人学习。

何吉波：我觉得让机器人向人学习，是因为人期待着同类的照顾和温存。

曲元周：我想问的是：为什么要研究让机器人实现模仿人的运动过程呢？如果单从救人逃跑的角度来看，比如《星际穿越》里的机器人运动结构，比起模仿人的运动结构，看上去更靠谱……

魏坤琳：人的优势不是跑得快力量大，那是机器的优势。人脑的优势是可以给出灵活的、适应性极强的运动控制解决方案。

何吉波：我不需要一个表现更好的机器人，而是需要机器人有人类可以预期的行为和表现，这样可以更好地让人与机器交互。机器人表现更强，但是如果不像人类行为，人很难预期机器行为。我们做机器人不是为了做一个可以独立于人的机器人，而是人可以预期的、服务于人的机器人。

陈恒达：机器人的制造一旦解决了技术问题，应该是平衡性和灵活性也远远高于人类吧？

魏坤琳：灵活性、适应性是人的优势。我们是全地形的。

高级认知功能对运动控制有何影响

曲元周：想问一下老师对未来高级认知功能模拟（如情绪、情感、意志力等）对于运动控制机器人实现的具体影响是否有一些预期呢？

魏坤琳：奇怪的是，在高级认知功能方面，人不是最优的，比如我们的理性思维很差、决策能力很差。但是在低级运动控制或者感觉、知觉上，我们是最优的（见Bayesian Model of Motor Control or Percpetion）。

何吉波：现在的人工智能和机器人有一个局限，就是它们不能产生新知识和新行为。我们决策和记忆不如机器，但是我们可以发现新知识、产生新行为。

运动控制研究能否给帕金森病带来转机

曲元周：是不是可以通过对运动控制机理以及运动控制机器的研究来改善帕金森病患者的行为呢？

魏坤琳：可以。比如帮助他们启动动作的仪器，很简单，但是有效。我们实验室马上要做帕金森病的研究了。主要是围绕患者的光流（optical fow）进行实验。

何吉波：赞！期待。我有同事用光流来做感知训练。魏老师主要训练帕金森病人的哪个方面呀？

魏坤琳：是帕金森的视觉运行行为（visuomotor behavior），特别是开车。

何吉波：魏老师，大脑经过训练，可以控制任何肌肉吗？还是说并不是所有的肌肉都可以控制？

魏坤琳：我们不能独立控制肌肉，甚至独立控制手指都不行，你试试。

最优反馈控制理论的关键

戴俊毅：请问魏教授，最优反馈控制理论具有数学可行性，是否是指其微分方程组能够解析，并可以在给定条件的情况下给出确定的预期？这一理论对于过去很多问题的解释是定性的还是定量的？

魏坤琳：最优反馈控制的关键是其模型符合前人的行为学和神经学的已知证据，它的假设都是合理的，能解释很多现象。解释是定量的。

戴俊毅：如果是定量的话，是和观测到的实际行为毫无偏差吗？比如说，实际的运动轨迹和模型预测的运动轨迹，从时间和空间两方面都完全一致，还是有偏差但是定性上是相符的。

魏坤琳：不可能每一次运动都一致，因为所有的行为都有噪音。肯定是能预测平均动作行为的。

感知信息对虚拟现实真实性的影响

周亮：请问Dr.魏，目前的虚拟现实技术里，是不是只有视觉和听觉刺激？作为一个整体的感知运动体系（sensorimotor system），如果缺乏其他感知信息的刺激，是不是会对整体的感知和相应的运动造成影响？显得真实程度不够？

阳志平：可以简化为：哪个感觉通道对虚拟现实影响最大？哪个感官通道可以暂时省略？

何吉波：虚拟现实也有触觉反馈（tactile feedback）。我们的驾驶模拟器可以提供体感反馈，只是这个很贵很贵，需要500多万人民币。驾驶领域有些人研究各种视觉障碍以及病人的开车问题。在美国，不能开车就没有工作，没有伴侣。所以谁都得会开车，即使有视力问题也得学开车。期待能够和魏老师合作。

魏坤琳：好问题。其实还有触觉和前庭觉（比如4D电影那样）。肯定是信号越多、越一致（时间和空间），真实感越强。

何吉波：我有三种模拟器解决方案。似乎虚拟现实的毛病，就是因为触觉反馈的缺失和时间不一致导致的。如果所有的刺激都有，所有的通道都有，毛病应该会少一些吧？虚拟现实头盔的毛病要小一些，它们是主要改进了哪些方面呢？

周亮：想必将来的虚拟现实还会有很多不同步的问题，大概我们要么生活在科幻片里，要么生活在恐怖片里。

侯悠扬：全息透镜也会导致疾病吗？

魏坤琳：虚拟现实的毛病目前有很多争论，但是前庭的嫌疑肯定是最大的。

语言与运动运作模式的相似性

王鹏：我有个问题，负责语言的皮层和负责运动的皮层有很多重复的地方，那么语言的产生是否和运动有类似的过程呢？比如，我们拿一个杯子不会思考肌肉会怎么协调，直接就拿过去了，我们说话时，也不会思考词语怎么组织，一句话就说出去了，总感觉这两个过程有类似之处，不知道是否有相关的研究。

魏坤琳：的确，语言和动作有很多共同的地方，这两个方面的内容一般由镜像神经系统来探讨。这是个特别有意思的问题。因为动作系统在进化上先出现，语言肯定要用它的回路。

运动控制中的念动一致

LiShan：我有问题：关于运动控制，在肌肉训练中有个名词叫“念动一致”——肌肉的工作是受神经支配的，注意力密度集中就能动员更多的肌纤维参加工作。练某一动作时，就应有意识地使意念和动作一致起来，即练什么就想什么肌肉工作。比如：练立式弯举，就要低头用双眼注视自己的双臂，看肱二头肌在慢慢地收缩。我想问这有道理吗？其实，针对念动一致最好是实验验证。

魏坤琳：我觉得念动一致很有意思，我相信它是有道理的。主要是因为运动单元的活动是轮换的，它们轮换着激活和休息。如果给它更多的意志控制（volitional control），它应该能激活更多。当然，这个实验设计要好好想想。

LiShan：跟念动一致类似的一个问题。我还想问：通过意识来主观调控动作中的肌肉受力分配是可行的吗？比如深蹲时某人默念“臀！臀！”，是不是能让臀肌承担更多的力，甚至在股四头肌主打的窄站距之条件下成为主要发力肌？

魏坤琳：我以为你说的念动就是指有意识地控制肌肉。

LiShan：后一个问题更深入了，属于主观决定让哪块肌肉承担更多的部分，比如深蹲这个动作在窄站距下股四头肌会出力很多，那如果实验者注意力一直聚焦在臀部，会不会让臀肌成为主动肌呢？

魏坤琳：控制单块肌肉的能力是要训练的。

LiShan：念动一致主要是针对单关节动作，多关节复合动作比较难。

情绪对运动控制的影响 &多人协同

张警吁：我的两个问题是：情绪对运动控制的影响有多大？如何配合别人的行动进行运动控制？也就是多人协同问题。

魏坤琳：情绪我还真不清楚，只在Choking里面碰过。但是多人协同很有意思，这方面有运动协调（motor coordination）的研究。这时，个人的运动的视觉信息对别人的运动控制有实时的影响。

张警吁：魏老师，有什么视觉增强的方法能够改善协同吗？比如，有没有什么办法可以消除延时（time delay）的负面作用。

魏坤琳：协同的关键还是空间与时间上的一致（spatio-temporal congruency），肯定可以用增强现实促成这个。

新手与专家

一鸣：我有两个问题：（1）能不能理解为：精英运动员更擅长（自动）调节认知负荷？（2）进行训练时，任务的变化很重要，原理是什么？

魏坤琳：

1. 应该是运动员的技能自动化后，他们可以把认知资源用到别的地方。而且恰恰他们会把注意力放到该注意的地方。

2. 任务的变化对运动技能习得也非常重要，对记忆力有好处，现在的理论中有用记忆的时标（time scale）来解释的（见康拉德·科丁于2007年发表在《自然神经科学》的文章）。康拉德·科丁是我以前作为博士后时的教授。

何吉波：前不久我看到一个报道，即使你躺着不动，但是只要你想象自己在运动，也有运动效果，真的吗？

周亮：想象运动的实验：The Power of the Mind（意念的力量）。

魏坤琳：有关于意念演练（mental rehearsal）的报道，但是这个有争议，肯定只适用于某些简单任务。

运动控制的自动化

刘星海：我看到网上有个评论伍兹的帖子，其中有一段话说道：“普通人打高尔夫球也会产生自动化。他们挥杆之后就失去了对球杆的控制——除非半途有人干扰，然后他们就会把球打飞，或者根本打不到球。打得越多，这种自动化现象就会越严重。而真正的职业高手，绝对不允许自己自动化。比如真正的赛车高手，他在赛道上的每一个动作都是有意识的。中国队前锋也许可以无意识地射门还能射进去，而世界顶尖的前锋，每一脚射门都是有意识的。”这段话说的是错的吗，其实差别不是自动化，是决策能力吗？

魏坤琳：一个基本事实：感知和运动中能在意识层面上的东西非常少。

何吉波：但是也有研究说 :“Thinking about golf putting will infuence the automatic behavior of golf putting.”对一般人来说，去想如何打高尔夫球，会降低打球能力。不知道是不是这样的。

魏坤琳：对，自动化以后再去想运动的细节，那是找Choking的节奏。绝对不是好事。

对Brain Gym的取舍

邹吉林：魏老师听说过Educational Kinesiology（教育肌动学）吗？就是那个风靡全球身心灵界的Brain Gym（健脑操）。运动领域的神经科学成果应用在商业化教育培训中，应该注意些什么？

魏坤琳：Brain Gym的作者不扎实。

阳志平：脑科学听上去高大上，更易唬人，以致常被拿来做商业包装。马特·沃尔（Matt Wall）在《对话》（The Conversation）撰文，指出神经科学被如何用作商业与教育项目的骗术，并分析了一堆坏项目，如神经领导力、脑学习等；同时指出好项目与阅读材料。其中“How neuroscience is being used to spread quackery in business and education”（神经科学如何被用来在商业和教育领域传播骗术）这篇文献，里面有对Brian Gym的批评。

邹吉林：嗯，一直在关注，Brain Gym是神经迷思之一，但这一老鼠屎不能代表训练这一领域，我们不能否认运动训练和有氧运动对认知成绩的提高作用。小动作和大动作的训练是早教必备内容，也请奶爸安替关注下。

徐珺泽：看到魏老师的研究领域时，我的第一疑问也是Brain Gym靠谱程度到底多大……看过好多篇文章反对，但是好多运动教育的书籍中多少都会介绍一下它或者它的主要主张，如Cross Crawl（交叉爬行），画“8”对于培养孩子注意力的重要意义等。让我倍感疑惑的是：是不是这些训练本身对于孩子的发展还是挺有帮助的，只是Brain Gym的理论基础（解释说明）不靠谱呢？

一鸣：运动训练能提高认知能力已经有不少研究，但究竟如何起作用的，期待啊。脑科学太酷了。

魏坤琳：“How neuroscience is being used to spread quackery in business and education”这篇文章，说Spacing Effect（间隔效应理论）是重新包装了心理学的东西，跟神经科学没有关系。《自然神经科学》发表了一篇文章，是Computational Neuroscience（计算机神经科学）做出来的，证明了这个Spacing Effect与学习和记忆的不同时间尺度有关。

阳志平：哈哈，这点我也不同意，这个效应很强，我挺支持它的。这点属于神经科学的偏见。作者是神经科学背景，对源自心理学的内容略有偏见。这个效应非常强，未来很可能会颠覆很多东西。不过那篇文章对公司的批评，多数是对的。

魏坤琳：对，都是研究运动控制理论的人做出来的。包括哈佛的莫里斯·史密斯（Maurice Smith）教授和西北大学的康拉德·科丁教授。

生物运动控制的特性

路意：看了魏老师对运动控制的分享，感觉不只是人，动物也是同样的，这个是动物的基本能力吗？之前看过谷歌收购的波士顿机器人公司，他们研究的仿动物机器人似乎在运动控制上很厉害。运动控制的复杂可能在于要实时地甚至提前对外界环境进行处理。

阳志平：这个观点很赞。决策等认知过程更多的是与心智内部产物交互，所以计算慢、容错大，反而是正常的；但因为运动控制更多的是外部输出，因为人类是全地形机器人，所以反而需要最优化的计算能力。波士顿动力公司的东西一直是我们领域所关注的，它也借鉴了很多运动控制的成果，比如把稳定性的要求弄到物理条件上（腿的设计）而不是弄到复杂的控制器上。

魏坤琳：这是生物运动控制的特点。另外一个专门做这个的人是罗伯特·菲尔（Robert Full），不知道还在不在加州大学伯克利分校。我就是做研究做着好玩，如果能做出创新，改变很多人的生活，那是最美妙的事情了。

语录

1.我们感知，我们运动，这是我们和世界进行交互的方式。

2.好多人有偶像，但我没有，偶像是需要膜拜的，但科学需要独立思考，是没有膜拜的。

3.我最大的向往就是自由。我从小就知道自己要的是什么。有人要经济自由，我觉得经济自由很容易实现，我挣得不少，生活无忧，时间和工作的自由，我有。但明星没有。

4.在没有网络的时代，我们都喜欢看书，我们集中注意力沉浸在思维中，我们有丰富的想象在知识海洋中遨游，我们的心智得到了很大的发展。这是一个旧的时代。新的时代是由有网瘾的年轻人组成的，他们在刷微博，在不同的网络信息中跳跃，他们的注意力无法集中，他们在地铁上公车上饭桌上看手机，吮着没有营养的信息。从认知心理学上来看，他们都是吮着果汁的猴子。

5.脑力有很多维度，最好的状态是每个人真正利用了自己的长处，让工作和长处相契合。契合的工作，做起来得心应手、快乐、有成就感。这种匹配，需要恰当的教育体系来完成。

6.让鞋来适应我们的脚，而不是脚去适应鞋子，这才是我们应该有的未来。7.有一种脑力是没办法在舞台上展示的，那就是创造力。

荐书

1.Motor Control and Learning: A Behavioral Emphasis Schmidt, R., & Lee, T.（2005）. Human Kinetics.

简评：太老了，恰恰是所有运动学系都用的，里面都是老垃圾。

1. Fundamentals of Motor Control

Latash, M. L.（2012）.

简评：是一个不错的神经生理学（neurophysiology）方面的书，但是作者对现在的计算机运动控制学（Computaitonal Motor Control）不是很了解。

3.Human Motor Control

Rosenbaum, D. A.（2009）. 2nd Edition（2 edition）. Amsterdam ; Boston, MA: Academic Press.

简评：是典型心理学家的思想，他也要更新一下。

[1] 在结构力学上的自由度（degrees of freedom），或称动不定度（degrees of kinematic indeterminacy），意指分析结构系统时，有效的结构节点上的未知节点变位数。——维基百科