躲避蜘蛛：情感情境塑造运动过程中的触觉敏感度

《iScience》：Avoiding spiders: Affective context shapes tactile sensitivity during movement

　　

## 亮点

- 情感语境塑造运动过程中的触觉敏感性
- 威胁性语境降低运动过程中的触觉敏感性
- 在不同情感语境下，屈曲与伸展运动的触觉敏感性存在差异

## 摘要

触觉敏感性通常会在自主运动过程中降低，这一现象被称为触觉抑制。尽管已知情感语境可以调节触觉处理，但情感语境如何影响触觉抑制仍不清楚。在一个虚拟现实（VR）环境中，我们研究了在避免威胁性（蜘蛛）或接近非威胁性（兔子）刺激时的触觉敏感性，运动涉及手臂屈曲或伸展，同时还包括肢体静止时的基线状态。触觉敏感性通过VR控制器施加的短暂振动来测量。运动状态下的检测阈值高于基线状态，证实了触觉抑制的存在。情感语境和运动类型均调节了触觉抑制：避免威胁性刺激和伸展手臂各自增加了触觉抑制的程度。一项使用中性几何物体的对照实验显示，伸展和屈曲运动的触觉敏感性相似。这些发现表明，情感语境塑造了运动过程中的触觉抑制。

**图解摘要**

## 引言

目标导向运动背后的感觉运动过程对于导航我们的环境至关重要。在进行目标导向运动时，运动肢体的触觉敏感性会降低，这一现象被称为触觉抑制。触觉抑制在各种运动中均有体现，从涉及手指的运动，到伸手和指向，再到全身运动。其潜在机制归因于内部前向模型，其中与运动相关的预期身体状态被过滤。抑制在运动开始前即已产生，发生在运动规划阶段，这突显了运动预测在运动相关触觉敏感性中的作用。

尽管触觉抑制是一个已确立的研究发现，但运动过程中的感觉反馈对于引导运动同样不可或缺。当触觉反馈对运动具有相关性时，即当它被用于监测和引导运动时，触觉抑制可以被减弱。例如，在需要精确触觉感知的语境中，触觉抑制会减弱，如在触觉探索过程中或处理易滑物体时。

触觉反馈在情感语境中高度相关，例如在趋近和回避行为中。伴随这些状态的情绪，例如面对威胁时产生的恐惧，以其效价（趋近/正面或回避/负面）和唤醒度（相关生理和神经激活的强度）为特征，并可以影响适应性行为。情感语境可以通过调节身体某部分的触觉处理来使身体为即将到来的威胁做好准备，而该部位的触觉处理速度更快。关于情感语境下触觉敏感性的研究知之甚少。一项研究发现，与中性情绪相比，恐惧会降低触觉敏感性。

类似地，尽管情绪与行动之间的联系已被充分确立，但极少有研究调查了运动相关触觉敏感性在情感语境中的作用。Ackerley等人利用微神经电图记录肌肉本体感觉传入神经，研究了引发正面和负面情绪的音乐作品是否影响被动腿部运动时的本体感觉。在情感性音乐下，肌肉传入神经反应增加，尤其是负面音乐，表明动机状态使身体为适当的行动做好准备。据我们所知，情感语境对触觉抑制的作用尚未得到研究。在面临威胁时，处理运动相关触觉反馈的能力可能至关重要，因为若无法做到这一点可能使有机体面临风险，而过度估计威胁则可能导致将无害刺激误判为有害刺激，这在恐惧症中有所体现。

在这里，我们检验了一个假设：情感语境所诱导的身体状态变化可以调节运动肢体的触觉敏感性。更具体地说，引发回避反应的负面情感语境可能会优先处理运动预测而非反馈信号，以便高效地从潜在威胁中撤离。

此外，我们还旨在探讨运动倾向性（例如，伸展手臂用于趋近）对触觉抑制的作用。先前的研究发现表明，具有动机显著性的事件会引发促进特定反应的运动行为，例如通过将愉悦刺激拉得更近实现更快的趋近，以及通过推离厌恶刺激实现更快的回避。这些发现暗示了趋近时的手臂屈曲和回避时的手臂伸展等倾向性。然而，较新的研究表明，人类会根据其预期目标灵活调整运动反应。我们的第二个目标是探讨这些倾向性在威胁情境下对触觉抑制的作用。

在本研究中，我们在虚拟现实（VR）环境中研究了触觉抑制，参与者与威胁性和非威胁性刺激进行互动，分别对应回避和趋近动作。我们选择这一特定的映射关系来研究具有生态效度的动作倾向，即回避威胁性刺激和趋近非威胁性刺激。我们还考察了伴随回避/趋近反应的运动倾向性是否进一步调节触觉抑制。VR提供了更自然的语境，逼真地模拟了现实世界的互动，从而在保持实验控制的同时增强了生态效度。参与者会遇到一只虚拟蜘蛛（威胁性刺激）或一只兔子（非威胁性刺激）。他们被指示通过手臂伸展或屈曲来避免蜘蛛或接近兔子，在此期间通过不同强度的振动（或无振动）探测其运动手的触觉敏感性。在每个试验中，他们报告振动是否存在。一个对照条件中，参与者将手臂静止地保持在虚拟球体内，作为基线。我们假设触觉抑制会受到运动预测和反馈信号相关性的调节，即避免威胁性刺激会导致比趋近非威胁性刺激更大的触觉抑制，因为在前者情况下运动预测更具相关性。

## 结果

### 实验1

参与者执行动态手臂运动（伸展或屈曲），趋近非威胁性兔子或避免威胁性蜘蛛刺激。同时，他们执行触觉检测任务，判断是否通过VR控制器施加了振动（实验装置和设计的概述见图1，单个试验的时间线见图2）。我们研究了威胁性和非威胁性刺激是否对运动中的触觉检测产生不同的影响，以及不同的手臂运动是否会影响这一点。然后，我们测试了运动对触觉检测的影响。

**图1 实验1的实验装置和视觉环境**

(A) 参与者示例。(B) 虚拟森林环境。上方图片展示了在虚拟环境中呈现的指令幻灯片之一。下方图片展示了参与者的右手和试验起始球体在虚拟环境中的状态。图片为虚拟环境的截图。(C) 实验设计。情感刺激（威胁性蜘蛛与非威胁性兔子）和运动类型（伸展与屈曲）。

**图2 实验1单个试验的时间线**

图片为虚拟环境的截图。开始时，一个灰色球体表示试验开始。随后，参与者被呈现三个实验对象之一：黑色球体对应基线条件，指示参与者将虚拟手保持在球体内且不施加任何运动。蜘蛛（中间）对应威胁性刺激，指示参与者将虚拟手远离蜘蛛。兔子（底部）对应非威胁性刺激，指示参与者向兔子移动。当蜘蛛或兔子出现时，参与者分别执行远离或趋近刺激的伸展或屈曲运动。在运动过程中或基线条件下，参与者的手可能会接收到振动。当实验对象消失后，他们报告是否检测到振动。

### 触觉感知：运动过程中的触觉敏感性降低

图3和图S1分别展示了代表性参与者和各参与者在各条件下的心理物理拟合函数（个体阈值和偏差得分见表S1）。我们测试了与无手臂运动的基线条件相比，在所有运动条件（分别远离蜘蛛和趋向兔子的伸展和屈曲）中是否存在触觉抑制。以检测阈值为因变量，以条件（基线、蜘蛛-伸展、蜘蛛-屈曲、兔子-伸展和兔子-屈曲）为感兴趣的固定效应，以条件随机化为非感兴趣的固定效应，以参与者为随机效应的线性混合模型（LMM）显示条件的显著主效应（见表1）。事后两两比较揭示，与基线相比，所有运动条件下的触觉检测均显著降低：基线vs.蜘蛛-伸展（95%置信区间[CI]: 0.03, 0.08）：d = 0.96, p < 0.001；基线vs.蜘蛛-屈曲（95% CI: 0.03, 0.08）：d = 0.83, p < 0.001；基线（95% CI: 0.002, 0.05）vs.兔子-伸展（95% CI: 0.03, 0.08）：d = 0.87, p < 0.001；基线vs.兔子-屈曲（95% CI: 0.02, 0.07）：d = 0.59, p < 0.001（见表S2）。这些结果证实了在所有运动条件下均存在触觉抑制。

**图3 样本参与者的心理物理函数，展示各条件下触觉检测随振动强度的变化**

与费希纳定律一致，本实验中使用的振动遵循对数刻度（加上无振动条件）。在确定个体阈值时，我们纳入了无振动条件，因此无法将数据绘制在对数刻度上（个体拟合见图S1，单个参与者数据的对数刻度示例见图S7，该图详细展示了心理物理函数的拟合效果）；a.u.，任意单位。

| | SS | MS | dfs | F | p |
|---|---|---|---|---|---|
| 运动 | 0.023 | 0.006 | 4, 168 | 12.59 | <0.001 |
| 条件随机化 | 0.001 | 0.001 | 1, 41 | 2.85 | 0.099 |

**表1** 测试运动中触觉敏感性的LMM

统计量以平方和（SS）、均方（MS）、自由度（dfs）、F值（F）和p值（p）报告。

### 反应偏差：各条件下虚报率相似

总体而言，虚报率相对较低（均值 ± 标准差，SD）：基线 = 0.05 ± 0.14，蜘蛛-伸展 = 0.02 ± 0.11，蜘蛛-屈曲 = 0.05 ± 0.13，兔子-伸展 = 0.04 ± 0.11，兔子-屈曲 = 0.05 ± 0.14。以条件（基线、蜘蛛-伸展、蜘蛛-屈曲、兔子-伸展和兔子-屈曲）为感兴趣的固定效应，条件随机化为非感兴趣的固定效应，参与者为随机效应的LMM未显示条件之间存在显著差异；F(4, 168) = 1.03, p = 0.40（平方和[SS] = 0.024，均方[MS] = 0.006）。条件顺序也不显著：F(1, 41) = 1.24, p = 0.27（SS = 0.007，MS = 0.007）。

### 运动速度：与威胁性蜘蛛互动时的运动速度比与非威胁性兔子刺激快

以运动速度为因变量，测试情感刺激（威胁性蜘蛛与非威胁性兔子）和运动类型（伸展与屈曲）效应的LMM结果显示了情感刺激的显著主效应，F(1, 126) = 14.01, p < 0.001（SS = 0.12，MS = 0.12），表明威胁性蜘蛛的运动速度（95% CI: 0.39, 0.46）快于非威胁性兔子刺激（95% CI: 0.34, 0.41）。所有其他因素均不显著。结果见图4B。

**图4 雨云图展示触觉检测阈值和运动速度随情感刺激和运动类型的变化**

(A) 触觉检测阈值和(B) 运动速度。为可视化目的，蜘蛛-伸展条件（速度变量）中的一个数据点（速度 >0.7 m/s）被排除在绘图之外。圆点表示个体参与者数据。箱线图显示中位数和四分位距，须线延伸至四分位距的±1.5倍。大圆点表示线性混合模型估算的边缘均值，竖线显示95%置信区间（n = 43 蜘蛛-伸展，n = 43 蜘蛛-屈曲，n = 43 兔子-伸展，n = 43 兔子-屈曲）。

### 触觉感知：威胁性蜘蛛和伸展运动的触觉敏感性降低

我们测试了触觉抑制是否受到情感刺激和运动类型的调节。为此，我们针对运动条件下的检测阈值进行了LMM分析，以情感刺激（威胁性蜘蛛与非威胁性兔子）和运动类型（伸展与屈曲）为自变量，条件随机化为非感兴趣的固定效应，运动速度为协变量，参与者为随机效应。结果见表2和图4A。存在情感刺激的显著主效应，表明威胁性蜘蛛（95% CI: 0.03, 0.08）的抑制强于非威胁性兔子刺激（95% CI: 0.02, 0.07），d = 0.37。

我们还发现了运动类型的主效应，其中伸展动作（95% CI: 0.03, 0.08）比屈曲动作（95% CI: 0.02, 0.07）导致更大的触觉抑制，d = 0.37。所有其他因素均不显著。SSMSDFsFPAffective stimulus0.0010.0011, 125.384.230.04Movement type0.0020.0021, 124.844.340.04Affective stimulus × movement type0.00030.00031, 124.840.760.39Condition randomization0.0010.0011, 40.812.890.1Movement speed (covariate)0.0010.0011, 130.402.340.13表2 测试情绪刺激和运动类型对触觉抑制影响的LMM每个项目报告了平方和（SS）、均方（MS）、自由度（dfs）、F值（F）和p值（p）。在新标签页中打开表格综合来看，这些结果证实了运动期间触觉抑制的既有效应。此外，结果表明情绪刺激和运动类型对触觉抑制有不同的影响。自我报告测量：蜘蛛刺激相比兔子刺激是不悦的线索图5和表S3展示了蜘蛛和兔子刺激的效价、唤醒度、焦虑和厌恶评分。调查情绪刺激对效价、唤醒度、焦虑和厌恶评分影响的LMM显示，情绪刺激对所有评分均有显著影响。这些结果表明，蜘蛛刺激被认为比兔子刺激更不愉快、更具唤醒性、更能引发焦虑且更令人厌恶。图5 雨云图展示了效价、唤醒度、焦虑和厌恶评分随情绪刺激的变化完整说明图查看器圆点代表单个参与者数据。箱线图显示中位数和四分位距，须线延伸至±1.5倍四分位距。大圆点表示线性混合模型的估计边际均值，竖线显示95%置信区间（蜘蛛组n = 37，兔子组n = 37）。触觉抑制与自我报告测量之间的相关性效价、唤醒度、焦虑和厌恶评分与检测阈值之间的相关性均未达到显著，状态焦虑和特质焦虑测量与检测阈值或认知任务负荷之间的相关性也未达到显著（见Figures S2–S4；另见Table S4中的NASA任务负荷评分）。阶段性讨论综合来看，结果表明情绪上下文和运动倾向对运动期间触觉敏感性具有加性效应。首先，具有威胁性的蜘蛛刺激导致比非威胁性兔子刺激更大的触觉抑制，表明运动预测在威胁回避中的重要性。其次，我们发现伸展动作比屈曲动作导致更大的触觉抑制。由于伸展和屈曲动作的速度没有差异，我们可以排除速度作为差异的可能解释。这一发现的潜在解释可能与运动运动学有关。如图6所示（见STAR Methods），参与者似乎成功地在伸展和屈曲动作中移动到了不同位置，无论是面对蜘蛛还是兔子刺激。然而，我们考虑了伸展动作在运动运动学方面可能更具挑战性的可能性，从而导致更大的抑制。为了检验这一点，我们进行了一项对照实验，测试伸展和屈曲朝向中性、无生命刺激是否会导致触觉抑制的差异。图6 实验1中每种运动条件沿每个轴的平均手位置完整说明图查看器对于手沿x轴移动的轨迹图（左右移动，顶行），线条越高，参与者的手越向右移动。对于手沿y轴移动的轨迹图（上下移动，中行），线条越高，手在虚拟环境中的位置越高。对于手沿z轴移动的轨迹图（前后移动，底行），线条越高，参与者的手越向前移动。图中的水平阴影区域表示给定条件下所有参与者和试验的平均手位置周围的±标准差。控制器可能振动的时间和碰撞发生的中位时间在图中分别以虚线和点划线表示。灰色垂直阴影区域对应于控制器振动的中位时间周围的标准差。实验2触觉感知：运动期间触觉敏感性降低，但不同运动条件之间无差异参与者朝虚拟箱子执行动态手臂动作（伸展或屈曲），并被要求检测是否通过VR控制器传递了振动（见图7了解实验试程时间线）。图8展示了代表性参与者的心理物理学拟合曲线（见Figure S5了解个体拟合和Table S5了解个体阈值和偏差评分）。以运动（伸展、屈曲和基线）为固定效应、参与者为随机效应的检测阈值LMM显示运动的主效应；F(2, 61.88) = 24.82, p < 0.001 (SS = 0.01, MS = 0.005)。事后两两比较显示，与基线相比，两种运动条件下的触觉检测均显著降低：基线（95% CI: 0.002, 0.02）vs. 伸展（95% CI: 0.02, 0.04）：估计值 = ?0.02, t = ?5.65, d = 1.42, p < 0.001；基线vs. 屈曲（95% CI: 0.03, 0.04）：估计值 = ?0.02, t = ?6.52, d = 1.64, p < 0.001（另见Table S6）。伸展与屈曲之间的差异未达到显著；估计值 = ?0.003, t = —0.82, p > 0.1。其次，以运动（伸展vs. 屈曲）为固定效应、速度为协变量、参与者为随机效应的阈值LMM显示运动效应不显著F(1, 31.02) = 0.16, p = 0.69 (SS = 0.00002, MS = 0.00002)。速度效应显著；F(1, 50.70) = 9.17, p = 0.004 (SS = 0.001, MS = 0.001)。比较伸展和屈曲条件下检测阈值的贝叶斯配对样本t检验得出贝叶斯因子BF10 = 0.22，为支持零假设提供了中等程度的证据。综合来看，这些结果表明，当运动朝向中性、静态刺激时，手臂伸展和屈曲的触觉抑制相似（见图9了解各运动条件下手位置的概述）。然而，抑制似乎并未在手臂伸展和屈曲之间产生差异。图7 实验2中一次实验试程的时间线完整说明图查看器这些图片是虚拟环境的截图。开始时，一个灰色球体表示试程的开始。然后参与者被呈现三种虚拟物体之一：黑色球体对应基线条件，指示参与者将虚拟手保持在球体内且不施加任何运动。伸展条件（中行）指示参与者执行伸展动作。屈曲条件（底行）指示参与者执行屈曲动作。在运动或基线条件期间，参与者可能通过VR控制器接收到手的振动。试程结束后，他们必须回答是否感觉到了振动。由BioRender制作。Arikan, B. E. (2026) https://BioRender.com/gqir1dp。图8 样本参与者的心理物理学函数，描绘了各条件下触觉检测随振动强度的变化完整说明图查看器根据Fechner定律，本实验使用的振动遵循对数标度（加上无振动条件）。在确定个体阈值时，我们包含了无振动条件，因此无法将对数标度的数据进行绘制（见Figure S5了解个体拟合）；a.u.，任意单位。图9 实验2中每种运动条件沿每个轴的平均手位置完整说明图查看器对于手沿x轴移动的轨迹图（左右移动，顶行），线条越高，参与者的手越向右移动。对于手沿y轴移动的轨迹图（上下移动，中行），线条越高，参与者的手在虚拟环境中的位置越高。对于手沿z轴移动的轨迹图（前后移动，底行），线条越高，参与者的手越向前移动。图中的水平阴影区域表示给定条件下所有参与者和试验的平均手位置周围的±标准差。控制器可能振动的时间和碰撞发生的中位时间在图中分别以虚线和点划线表示。灰色垂直阴影区域对应于控制器振动的中位时间周围的标准差。反应偏差：各条件下虚报率相似与实验1类似，虚报率相对较低（均值 ± SD）：基线 = 0.02 ± 0.07，伸展 = 0.07 ± 0.13，屈曲 = 0.07 ± 0.11。以条件（基线、伸展和屈曲）为固定效应、参与者为随机效应的虚报率LMM显示条件效应边缘显著；F(2, 68) = 3.14, p = 0.05 (SS = 0.05, MS = 0.03)。然而，多重比较校正后，事后两两比较均不显著（所有p > 0.05，对比见Table S7）。触觉抑制与自我报告测量之间的相关性检测阈值与认知任务负荷之间的相关性均未达到显著（见Figure S6；另见Table S4中的NASA任务负荷评分）。讨论在此，我们研究了情绪上下文和运动倾向在触觉抑制中的作用。我们使用VR增强了临场感和沉浸感，这可以促进情绪反应，例如在游玩恐怖游戏时。蜘蛛和兔子刺激的情绪评分表明情绪上下文成功诱导：参与者认为前者更不愉快且更具唤醒性、更能引发焦虑且更令人厌恶，后者则不然。我们的结果表明，当避开具有威胁性的蜘蛛刺激时，触觉抑制比接近非威胁性兔子刺激时更大。此外，伸展动作导致更大的触觉抑制，尽管运动类型与情绪刺激之间不存在交互作用。为了排除伸展和屈曲手臂固有的运动运动学特性在触觉抑制方面存在差异的可能性，我们进行了一项对照实验，量化了手臂伸展和屈曲朝向中性几何物体的触觉抑制。结果显示这些动作之间不存在系统性的触觉抑制差异。重要的是，我们可以排除反应偏差作为两项实验中触觉敏感性潜在调节因素的可能性，因为我们在各条件下发现了相似的虚报率。综合来看，我们的结果表明情绪上下文和运动倾向在触觉抑制中具有加性效应。暴露于潜在威胁会为行动做准备，并可能影响与行动相关的触觉敏感性。在此，我们询问情绪上下文是否会影响运动相关的触觉敏感性，即触觉抑制。由于触觉抑制取决于运动预测和感觉反馈对于运动的相关性，我们询问情绪上下文诱导的身体状态变化是否调节运动肢体的触觉敏感性。我们发现，旨在避开具有威胁性的蜘蛛刺激的运动比旨在接近非威胁性兔子刺激的类似运动导致更大的触觉抑制，且在考虑运动速度后依然如此。这些发现与以下可能性一致：负面情绪上下文导致对运动预测的重视程度超过感觉反馈，从而可能实现从潜在威胁中的高效撤离。目前仍有可能这些发现是由于感觉加权的变化所致；如何区分这两种情况尚不清楚。此外，我们的发现强调了行为灵活性而非运动倾向在情绪上下文中的触觉抑制调节方面的作用。有观点认为情绪上下文可以增强运动倾向（例如，威胁回避期间的屈曲动作）。相反，运动目标在调节行为方面可能比运动倾向更重要。我们的结果并不支持情绪上下文和运动倾向在调节触觉抑制方面存在相互作用的观点。另一方面，我们发现手臂伸展比屈曲导致更大的触觉抑制。为了排除这些动作在运动运动学特性方面本质上存在差异的可能性，我们进行了一项对照实验，其中伸展和屈曲动作针对中性几何物体。我们发现这些运动期间的抑制水平相似。

一种可能性是，实验 1 中伸展和屈曲运动之间触觉抑制的差异可能与该实验所用刺激的高阶属性有关，而这些属性在实验 2 中并不存在。或许归因于这些物体的任何生物感（animacy）都能增强紧邻身体周围以及可达空间（也称为近身空间）内的视觉 - 触觉交互。动物和人类的研究已经证明了动机显著性对近身空间的重要性。近身空间受许多因素的影响，包括身体运动的方向。向身体靠近的运动可能比在远空间中更多地增强了近空间中反馈信号的处理，因为这种更直接的潜在空间在与环境互动时可能需要更快的反应。实验 1 中屈曲运动期间触觉抑制的降低独立于趋近/回避反应，这表明与运动相关的效果可能潜在地取决于动作目标在近空间中的表征方式，而不仅仅是运动方向。然而，需要注意的是，运动类型在不同实验中与不同的动机目标相关联。因此，在实验 1 中，伸展和屈曲分别与回避具有威胁性和趋近无威胁性刺激有关，而在实验 2 中，两种运动都是针对中性、无生命的物体进行的。因此，运动类型在各实验中并不相同，在实验 1 中与情感动作目标耦合，但在实验 2 中主要反映了中性背景下的运动学变化。这些差异应被视为可能的解释，而不是证据证明刺激的高阶属性导致了触觉抑制的不同模式。未来的研究应以系统的方式解离刺激属性、情感背景和运动运动学对触觉抑制的贡献。

虽然失败地有效处理威胁下的运动相关触觉反馈可能会使有机体面临风险，但对威胁程度的误判可能导致对不构成危害的刺激或事件产生过度敏感。针对临床群体的研究指出，在恐惧或恐惧症诱导的背景下，感觉运动处理发生了改变。基于 VR 的治疗方案使患者能够在沉浸式环境中接受暴露疗法。我们的发现可能为有助于威胁下触觉抑制的机制提供见解，并有潜力为这些群体的治疗策略开发提供信息。与此一致的是，将触觉体验（例如触觉增强）整合到治疗方案中的触觉用户界面显示出，在经历与恐惧诱导刺激接触的体验后，治疗效果有所改善。

研究的局限性
我们的研究有一些局限性。首先，尽管实验的沉浸式特性得到了参与者对蜘蛛和兔子刺激的情绪反应的支持，但没有与刺激进行物理接触。在现实环境中，将手臂移向刺激通常是为了与它进行接触。因此，虽然在我们的研究中缺乏触觉反馈对于确保各条件之间的可比性是必要的，但未来的研究应调查触觉敏感性在运动期间如何受到与刺激实际接触的影响。

第二个局限性涉及情感刺激与运动运动学的耦合。在实验 1 中，趋近运动始终针对无威胁性刺激进行，而回避运动则是远离具有威胁性的刺激。我们选择这种设计是为了近似生态效度高的动作倾向（即趋近无威胁性刺激并回避具有威胁性的刺激）。然而，我们的设计没有完全分离情感刺激与运动运动学。因此，观察到的效果反映了情感背景和动作目标的综合影响，并未解决运动运动学本身的作用。未来采用完全交叉设计的研究将是必要的，以完全解离情感刺激属性和运动运动学的相对贡献。

此外，我们的结果显示，实验 1 中触觉抑制因运动类型而异，伸展手臂导致的抑制大于屈曲手臂。为了检查这种模式是否仅能由运动运动学解释，我们进行了一项对照实验，让参与者将手臂伸向几何物体进行伸展和屈曲。在该实验中，未在运动之间观察到可靠的触觉抑制差异。重要的是，实验 2 并非设计为实验 1 的直接延伸，而是作为一种对照，以隔离在缺乏情感背景的情况下运动运动学的可能贡献。因此，实验 2 中的运动并不涉及与实验 1 中直接可比的伸展和屈曲条件，限制了跨实验的统计可比性。未来使用完全交叉设计的工作可以进一步解离运动运动学、运动倾向性和情感背景的相对贡献。

资源可用性
首席联系人
关于进一步信息和资源的请求应提交给首席联系人 Belkis Ezgi Arikan ([e-mail])，并将由其满足。

材料可用性
本研究未产生新的独特试剂或材料。

数据和代码可用性
•数据：去标识化的人类行为数据已存储于开放科学框架（Open Science Framework）中，并在发表之日起公开可用。登录链接列在关键资源表中。
•代码：本文未报告原始代码。
•附加信息：重新分析本文报告数据所需的任何附加信息均可应要求向首席联系人获取。

致谢
本研究由德国研究基金会（Deutsche Forschungsgemeinschaft, DFG）（SFB/TRR 135 TP A3，项目编号 222641018）资助，并受 DFG 在德国卓越战略（EXC 3066/1“The Adaptive Mind"，项目编号 533717223）下的支持。

作者贡献
概念构思，B.E.A.、M.M. 和 K.F.；方法论，B.E.A.、M.M. 和 K.F.；调查，B.E.A. 和 M.M.；撰写 – 初稿，B.E.A. 和 M.M.；撰写 – 审阅与编辑，B.E.A.、M.M. 和 K.F.；资金获取，K.F.；资源，K.F.；监督，B.E.A.、M.M. 和 K.F.

利益声明
作者声明没有竞争利益。

手稿准备过程中生成式人工智能和人工智能辅助技术的声明
在本工作准备期间，通讯作者使用了 Wordtune 和 ChatGPT 以提高某些句子的清晰度。在使用该工具后，作者根据需要审阅和编辑了内容，并对出版物的内容承担全部责任。

STAR★方法
关键资源表
试剂或资源 | 来源 | 标识符
存储数据 | 行为和运动学数据 | 本研究 | 数据库：https://osf.io/km57b/overview
软件和算法 | GPower Release 3.1.9.7 | Faul et al., www.psychologie.hhu.de
| R Studio version 1.4.1717 | RStudio Team | www.rstudio.com
| Quickpsy | Linares & López-Moliner | https://cran.r-project.org/web/packages/quickpsy/quickpsy.pdf
| Unity version 2019.4.24f1 | Unity Technologies Inc., San Francisco, CA, USA | https://unity.com/unity-hub
| SteamVR (version 1.20.1) | Valve Corporation, Bellevue, Washington, USA | https://store.steampowered.com/app/250820/SteamVR/
设备 | Alienware desktop PC (Intel Core i9-7980XE CPU at 2.6 GHz, 32 GB RAM, Dual NVidia GeForce GTX1080 Ti GPU) | Dell, Round Rock, Texas, USA | 不再销售
| HTC Vive Pro Eye 虚拟头戴式显示器 (HMD) | HTC Corp., Xindian, New Taipei, Taiwan | https://www.vive.com/sea/product/vive-pro-eye/overview/
| HTC Vive Pro 控制器 | HTC Corp., Xindian, New Taipei, Taiwan | https://www.vive.com/sea/product/vive-pro-eye/overview/
在新标签页中打开表格

实验模型和研究参与者细节
实验 1
43 名天真参与者（27 名女性和 16 名男性，平均 ± 标准差 = 22.38 ± 2.68 岁，一名参与者的年龄数据缺失）。我们旨在根据使用 G*Power3.181 (Faul et al., 2009) 进行的先验功效分析，确定最小样本量为 N = 36，以测试四个依赖组均值之间的差异，使用 F 检验，针对感兴趣的中等效应量 (f = 0.25)，alpha 值为 0.05，以达到 0.95 的功效。参与者确认为右利手（爱丁堡利手调查表 (Oldfield, 1971; 平均 ± 标准差 = 86.93 ± 18.26，一名参与者的利手数据缺失）。他们报告没有神经学和/或精神科疾病，且视力正常或矫正至正常。所有参与者均根据 Giessen Justus Liebig 大学（证书# 2019-0003）的制度规定和《赫尔辛基宣言》（2013 年，预注册除外）签署书面知情同意书。

实验 2
对于实验 2，我们旨在达到与实验 1 估算的相似样本量。总共有 35 名天真参与者（22 名女性和 13 名男性，平均 ± 标准差 = 23.17 ± 2.73 岁）参加了实验 2。鉴于这是一个在条件之间进行重复测量的被试内设计，此样本量被认为对于计划分析是足够的。

参与者确认为右利手（爱丁堡利手调查表 (平均 ± 标准差 = 82.99 ± 18.75）。他们报告没有神经学和/或精神科疾病，且视力正常或矫正至正常。所有参与者均根据 Giessen Justus Liebig 大学（证书# 2019-0003）的制度规定和《赫尔辛基宣言》（2013 年，预注册除外）签署书面知情同意书。

方法细节
实验 1
装置和环境
使用 HTC Vive Pro Eye 虚拟头戴式显示器（HMD; HTC Corp., Xindian, New Taipei, Taiwan）来呈现视觉刺激。该 HMD 的视场角对角线延伸范围约为 ±110°。HMD 屏幕分辨率为每只眼睛 1400 × 1600 像素，刷新率为 90 Hz。参与者在右手中握持一个 HTC Vive Pro 控制器（"VR 控制器"），参与者的手部位置以 90 Hz 的频率持续记录。我们使用 VR 控制器中集成的触觉执行器向参与者的右手呈现振动刺激。视觉刺激使用 Unity（版本 2019.4.24f1; Unity Technologies Inc., San Francisco, CA, USA）创建，并通过 SteamVR（版本 1.20.1）显示。实验在 Alienware 台式 PC 上运行（Intel Core i9-7980XE CPU @ 2.6 GHz, 32 GB RAM, 双 NVidia GeForce GTX1080 Ti GPU）。投影是立体的，并与参与者的头部位置主动关联，从而提供运动视差。通过 HMD 耳机播放听觉粉噪声，以确保参与者听不到触觉执行器产生的噪音。

参与者观看的虚拟环境由四面墙壁组成，墙壁上显示了一种由高分辨率无缝重复森林图像组成的材质。天花板显示了一种由无缝重复天空纹理组成的材质，地板表面显示了一种无缝重复的草地纹理（见图 1）。房间宽 18 米，长 30 米，天花板高 15 米，以创建一个大型森林般的空间。

持有 VR 控制器的参与者右手在虚拟环境中显示为戴着红色皮手套的手（图 1A 和 1B）。一个被称为试次启动球的球体位于房间中心 -13.2 米处（距离后墙 1.8 米）。它的直径为 0.36 米，中心距地面 2.4 米。在实验开始时，参与者调整位置，直到他们可以将右手舒适地放入球体中而不必移动脚部，并面向环境中心。在虚拟环境中，参与者的身高被模拟为比实际身高高 1 米。这是由于在实验前的初步测试中参与者报告感觉自己在环境中很矮。因此，试次启动球位于地面 2.4 米处，类似于如果参与者没有位移，则球体位于地面 1.4 米处。

在实验开始时，一组一般说明显示在一个灰色矩形上，称为说明面板，大小为 3 米 × 2 米，位于参与者前方大约 3 米处（见图 5B）。在每个试次后，参与者会看到一个询问面板，询问他们是否感觉到了振动。该面板为 10 米 × 5 米，位于参与者前方 15 米处。参与者通过将右手伸入出现的两个立方体之一来回答问题。一个立方体的材质包含单词“Ja"（是），另一个立方体的材质包含单词“Nein"（否）。两个立方体的体积均为 0.4 立方米，每个立方体的中心距地面 1.5 米，位于参与者前方大约 1 米处。是立方体位于试次启动球左侧 0.4 米处，否立方体位于右侧 0.4 米处。

在每个试次中，参与者可以看到三种刺激之一：基线刺激、具有威胁性的刺激或无威胁性的刺激（见图 2）。

基线刺激：基线刺激是一个黑色球体。它占据的位置和尺寸与试次启动球相同。基线刺激包含一个不可见的球体碰撞器，可以检测来自虚拟控制器的碰撞。

碰撞器与基线刺激尺寸相同。威胁性刺激：威胁性刺激，即蜘蛛，是一个虚拟蜘蛛物体。蜘蛛的尺寸大约为0.2米（宽）×0.12米（高）×0.25米（长），不包括腿尖部分。一个不可见的碰撞器物体也占据这些尺寸，同样不包括腿尖。蜘蛛距地面1.97米。它具有棕色毛发纹理，循环播放一个仿佛正在移动时扭动腿部的动画。非威胁性刺激：非威胁性刺激，即兔子，是一个虚拟兔子物体。兔子的尺寸大约为0.2米（宽）×0.12米（高）×0.25米（长），不包括耳朵部分。一个不可见的碰撞器物体也占据这些尺寸，同样不包括耳朵。兔子距地面1.97米。它具有棕色皮毛纹理，循环播放一个假装吃草的动画。威胁性和非威胁性刺激可以位于靠近或远离参与者的位置，这取决于他们需要完成的动作（伸展或屈曲）。当靠近时，物体位于-13.35米处，大约在参与者前方0.25米处。物体还向环境中心左侧偏移了0.10米。当物体远离参与者时，它位于-13.05米处，大约在参与者前方0.55米处。它还向右侧偏移了0.10米。设置偏移是为了让参与者在蜘蛛物体靠近他们时不需要从上方越过蜘蛛物体，因为蜘蛛是威胁性刺激。参照McManus等人的方法，我们通过VR控制器向右手掌施加短暂振动来探测触觉敏感度。这些振动并不对应真实的物理振动，而是由0到1之间的任意数值定义（以任意单位au表示）。振动以250Hz的频率呈现50毫秒，强度为八个级别之一（0.00099、0.0033、0.0066、0.0099、0.033、0.066、0.099、0.33任意单位），加上一个无振动条件。McManus等人发现VR控制器能够产生的最低强度为0.0009 au，因此我们选择了这个作为呈现的最低强度。为了让振动（或无振动）在特定试验中出现，必须满足某些条件；否则，振动（或无振动）将不会出现，该试验将记录为漏检试验。在威胁性或非威胁性刺激的试验中，参与者需要将右手移动速度超过0.3米/秒，其中0.1米/秒的速度需要向下。这个移动速度必须在试验开始后超过10帧时发生。一旦满足这些条件，振动条件将在下一帧出现。对于基线条件，振动条件在试验开始后100毫秒出现，且仅在参与者手部位于黑色球体内时发生。一般程序：参与者执行动态手臂运动，伸手触碰非威胁性兔子刺激或避免触碰威胁性蜘蛛刺激。此外，他们完成一项触觉检测任务，需要判断试验中是否传递了振动。实验包含三个实验条件。在威胁性刺激条件中，试验从启动球消失且蜘蛛物体出现在靠近或远离参与者位置时开始。参与者随后有150毫秒用右手伸向刺激的相反位置。例如，如果蜘蛛在靠近位置，参与者必须伸向远离位置。在远离位置，有一个大约与蜘蛛物体大小相同的不可见碰撞器物体。在非威胁性刺激条件中，当试验开始且启动球消失时，兔子物体出现在靠近或远离参与者的位置。参与者随后有150毫秒用右手伸向并触碰兔子。最后，在基线条件中，当参与者开始新试验时，启动球变为黑色，表示基线任务开始。在此任务中，参与者需要将手保持在球体内并保持静止。我们记录每一帧（每11毫秒）试验中手部在x（左右）、y（上下）和z（前后）各轴上的位置。到达VR实验室后，参与者收到关于任务的简要说明，包括VR环境中将呈现蜘蛛刺激的信息。为确保没有患有蜘蛛恐惧症的参与者——尽管筛选标准中已明确说明——事先向参与者展示了蜘蛛图片。确认资格并获得知情同意后，参与者收到关于任务的详细说明，先口头后书面形式（见下文）。随后，参与者被指导如何正确佩戴和调整VR头显以及如何操作VR控制器。戴好头显后，他们完成眼动追踪校准以确保头显定位正确和瞳距适当。实验随后开始，参与者被要求舒适地站好，以便将虚拟手放入试验启动球内。每次试验从参与者将手放在球内并拉下扳机按钮开始。然后他们观看头显中指示面板上显示的简短版说明。根据书面说明，参与者在实际实验开始前先练习任务。在第一组练习试验中，参与者练习开始试验并将右手移动到两个不同距离之一（靠近或远离），或执行基线条件。当移动到靠近或远离位置时，位置通过一个大约与蜘蛛和兔子物体碰撞器大小相同的框物体指示。参与者有150毫秒将手放在正确位置。此阶段不传递振动，参与者不需要报告是否感到振动。参与者完成10次试验，靠近和远离条件各4次，基线2次。练习试验后，参与者再完成10次相同任务的试验，但此时框变为不可见。完成所有20次试验后，参与者开始练习的下一阶段，由一组新的指示幻灯片标识。任务与之前相同，只是框被兔子和蜘蛛物体取代。完成5次试验（每项任务各1次：基线、蜘蛛伸展、蜘蛛屈曲、兔子伸展、兔子屈曲）后，一组新的指示幻灯片出现，告知参与者试验中可能传递振动。参与者随后执行相同任务，但一半试验中会出现0.3 au的振动。每次试验后，参与者报告是否感到振动。完成10次试验（每项任务2次）后，指示面板再次出现，告知参与者练习结束。拉下扳机按钮后，指示面板消失，试验启动球出现。参与者随后开始实际实验（实验试验示例见视频S1）。他们被指示尽可能快速但准确地移动。每个条件（基线、蜘蛛伸展、蜘蛛屈曲、兔子伸展、兔子屈曲）呈现54次（9个振动条件每个条件呈现6次）。这使得每位参与者共有270次试验。试验顺序在各参与者之间随机化。如果出现失误试验，参与者必须重复该试验。涉及移动的条件中，如果参与者移动到正确位置超过150帧或碰到蜘蛛物体，则为失误试验。在基线条件中，如果参与者将手移出黑色球体，则为失误试验。失误试验通过深沉的哔声提示。VR任务后，参与者填写关于实验刺激、状态和特质焦虑以及不同条件下任务难度判断的问卷（见自评量表）。整个程序大约需要1小时。参与者可以随时休息。参与者36-43：在完成数据收集（参与者35之后）之前，我们观察到基线条件中的检测阈值略高于预期，与实验室中使用类似设备和刺激强度的其他实验相比。我们怀疑这是由于基线条件与其他所有运动条件的交错呈现所致。因此，对于最后七位参与者，我们将其基线试验作为单独的一个块呈现。我们将其呈现方式的差异作为分析中不感兴趣的固定效应。由于这似乎并未影响检测表现（见结果），我们在相关性分析和线性混合模型分析中使用了所有数据。自评量表：我们使用了自我评估人偶量表（SAM），一种图片式的非语言问卷，用于量化对刺激的情绪反应。我们获取了蜘蛛和兔子刺激的效价（1=不愉快到9=愉快）和唤醒度（1=平静到9=兴奋）维度。参与者还使用李克特量表对遇到图片时的焦虑和厌恶程度进行了评分（例如，对于焦虑1=完全不焦虑，7=极度焦虑）。为考察参与者的状态和特质水平焦虑对其检测表现的潜在作用，我们施行了状态-特质焦虑指数（STAI），一种量化焦虑和抑郁的自评问卷。特质水平评估情绪化、担忧、欣快和抑郁，而状态水平测量短暂和情境性焦虑。所有项目使用李克特量表量化，范围为1（=几乎从不）到4（=几乎总是）。最后，我们施行了NASA任务负荷指数的德语翻译版，以评估潜在的任务需求差异。该问卷由六个分量表组成，测量任务需求的不同方面：心理需求、身体需求、时间需求、努力程度、表现和挫折负荷。我们使用该指数调查基线、蜘蛛和兔子刺激之间潜在的任务需求差异。我们计算了每个刺激在所有分量表上的全局任务负荷得分，范围为0%到100%，数值越高表示任务负荷越高。由于实验者失误，少数参与者（N=6）未完成所有问卷项目，导致主观评分的样本量略低于阈值测量。实验2：装置与环境：实验2的装置和刺激与实验1相同，除以下几点外。首先，威胁性蜘蛛和非威胁性兔子被替换为与试验启动球相同灰色的盒子（0.15米宽×0.1米高×0.3米长）。盒子旋转90°，使最长边朝向参与者。其次，我们包含三个条件：伸展、屈曲和基线（见图7）。第三，未施行为效价、唤醒度、焦虑和厌恶评分以及STAI状态和特质问卷。一般程序：程序与第一个实验相同，有以下例外。首先，未进行效价、唤醒度和焦虑评分，也未施行STAI状态和特质焦虑问卷。其次，每位参与者完成10次练习试验（显示盒子），随后进行另10次练习试验（4次伸展、4次屈曲、2次基线），其中一半试验中出现强度为0.3 au的振动刺激。完成这些试验后，指示面板出现，告知参与者实际实验即将开始。

第三，三种条件（伸展、屈曲、基线）各出现54次（9种振动条件在每种条件下各重复6次），共计162次试验，条件顺序交错排列。基线条件的失误试验标准和振动刺激的诱发方式与实验一相似。对于运动条件，如果参与者从试验开始后的150帧内未与方块发生碰撞，则视为失误试验。整个实验耗时约45分钟，参与者可以随时休息。

**量化与统计分析**

**实验一**

**运动运动学**

我们使用R studio（RStudio 2021.09.1）绘制了手部沿各轴（x轴为左右方向，y轴为上下方向，z轴为前后方向）的运动运动学数据。首先，剔除所有失误试验。然后，针对每种条件，确定振动发生和碰撞发生的中位帧及其标准差。各条件中振动发生的中位帧分别为：基线101（SD = 0），蜘蛛-伸展47（SD = 14.72），蜘蛛-屈曲50（SD = 23.0），兔子-伸展47（SD = 13.69），兔子-屈曲44（SD = 15.39）。各条件中碰撞发生的中位帧分别为：基线251（SD = 31.26），蜘蛛-伸展81.75（SD = 19.73），蜘蛛-屈曲99.25（SD = 35.83），兔子-伸展80.25（SD = 11.30），兔子-屈曲71.25（SD = 11.39）。

随后，针对每种条件、每位参与者和每帧，计算手部沿各轴的平均位置和位置标准差。然后对所有参与者取平均，得到每种条件下每帧每轴的手部整体平均位置和标准差。将帧转换为时间的方法是：先将帧号除以90，再乘以1000得到毫秒。在绘制振动和碰撞发生时，使用每个对象的平均值（即蜘蛛、兔子、基线，见图6）。

**威胁性刺激与非威胁性刺激的运动速度计算**

手部速度定义为振动发生时的手部速度。我们通过对该条件下各次试验取平均，计算每位参与者在每种运动条件下的平均手部速度。因此，每位参与者有四个速度值：蜘蛛-屈曲、蜘蛛-伸展、兔子-屈曲、兔子-伸展。

我们在群体层面对数据进行了统计分析。所有分析均在R Studio 4.4.2版本中实现。为检验各条件间的差异，我们使用R中的lmerTest包实施线性混合模型（LMM）。LMM采用受限最大似然估计法进行拟合。所有LMM的固定效应项均使用anova函数估计，该函数对固定效应进行F检验，采用Satterthwaite近似法。对于事后两两比较和估计的边际均值，我们使用emmeans包。对于多重两两比较，必要时采用Bonferroni校正法。此外，我们使用confint函数计算固定效应系数的95%置信区间。效应量使用R中的effect size包以Cohen's d计算。

**触觉感知**

为检验各条件间触觉感知是否存在潜在差异，我们估计了每位参与者在每种条件下的检测阈值。每种条件和参与者的数据使用R Studio（RStudio Version 1.4.1717）的quickpsy包进行拟合，采用Weibull分布并通过差分进化算法优化。该算法要求为参数（均值和标准差）提供上下界。对于均值参数，我们选择VR控制器的振动能力上下界，即0（无振动）和1（最大可能振动幅度）。对于标准差参数，我们选择0和2，因为这些参数远高于检测阈值可能出现的值。每条心理测量函数的50%阈值用作检测阈值。这使每位参与者得到五个检测阈值，共215个数据点（43位参与者 × 五个阈值）。

随后对检测阈值进行了离群值分析。显著离群值定义为落在第1或第3四分位距之外超出三倍四分位距的点。未剔除任何离群值。

使用估计的阈值，我们进行了两个线性混合模型（LMM）。第一个LMM检验运动对检测阈值的影响，将条件（基线、蜘蛛-伸展、蜘蛛-屈曲、兔子-伸展、兔子-屈曲）、条件随机化方式（基线交错 vs. 基线独立）作为固定效应，参与者作为随机效应项。第二个LMM检验情感刺激（威胁性蜘蛛 vs. 非威胁性兔子）和运动类型（伸展 vs. 屈曲）是否影响检测阈值。该LMM的固定效应项为情感刺激、运动类型及其交互作用，条件随机化作为无关的固定效应。随机效应项为参与者。此外，由于触觉抑制可被运动速度调节，我们将每位参与者在每种条件下振动发生时的平均运动速度作为协变量纳入后者分析。

我们还检验了蜘蛛刺激是否比兔子刺激引发更强的情感反应。我们对情感评分（效价、唤醒度、焦虑、厌恶）分别进行了LMM，以情感刺激（威胁性蜘蛛 vs. 非威胁性兔子）和条件随机化方式（基线交错 vs. 基线独立）作为固定效应，参与者作为随机效应。

此外，我们实施了Spearman相关分析，检验以下指标之间的潜在联系：首先，我们考察了情感反应（定义为每种刺激和每位参与者的效价、唤醒度评分）与不同运动中参与者检测阈值之间的关系。其次，我们检验了参与者的状态焦虑和特质焦虑指标是否与检测阈值相关，并考虑情感刺激和运动类型的影响。最后，第三组相关分析针对认知任务负荷与检测表现之间的潜在关系，并考虑情感刺激和运动类型的影响。对于每个感兴趣的问题，我们使用Bonferroni校正法对各相关分析的p值进行了校正。

**反应偏差**

为评估检测任务中可能存在的反应偏差，我们分析了虚报率，即未呈现振动刺激时参与者报告感知到振动的试验比例。对于每位参与者和每种条件，虚报率计算为无振动刺激试验中"是"回答的比例。我们进行了LMM分析虚报率，以条件（基线、蜘蛛-伸展、蜘蛛-屈曲、兔子-伸展、兔子-屈曲）和条件随机化方式（基线交错 vs. 基线独立）作为固定效应，参与者作为随机效应项。

**实验二**

**触觉感知**

每位参与者和每种条件的个体数据按照实验一的方法进行拟合。因有一位参与者无法可靠地检测到最高振动强度，其数据被剔除。最终使用34位参与者的数据估计检测阈值。计算阈值后，按照实验一的方法进行相同的离群值分析，即如果数据点落在第1或第3四分位距之外超出3倍四分位距，则予以剔除。据此，剔除了三个数据点（占所有数据的2.94%）（其中两个来自基线条件，一个来自伸展条件）。

群体层面的分析使用相同的软件和功能函数实施。我们进行了LMM分析运动对检测阈值的影响，将运动（伸展、屈曲、基线）作为固定效应项，参与者作为随机效应项。我们进行了第二个LMM，将平均运动速度作为协变量纳入。由于频率学分析未发现运动效应的证据（见结果），我们使用贝叶斯方法对这些分析进行了补充。使用RStudio中的BayesFactor包，我们量化了（备择）假设相对于零假设的证据，表示为备择假设（H1）对零假设（H0）的贝叶斯因子（BF10）。采用贝叶斯配对样本t检验比较不同运动间（伸展 vs. 屈曲）的检测阈值，对标准化效应量采用中心为0、尺度参数r = 0.707的Cauchy先验分布。为定性评估BF10提供的证据强度，我们使用修正后的Jeffreys证据尺度：

BF10 > 100：对H1的极端证据。
BF10 = 30–100：对H1的非常强的证据。
BF10 = 10–30：对H1的强证据。
BF10 = 3–10：对H1的中等证据。
BF10 = 1–3：对H1的少量证据。
BF10 = 1/3–1：对H0的少量证据。
BF10 = 1/10–1/3：对H0的中等证据。
BF10 = 1/30–1/10：对H0的强证据。
BF10 = 1/100–1/30：对H0的非常强的证据。
BF10 < 1/100：对H0的极端证据。

此外，我们对任务负荷与检测阈值之间进行了相关分析。

手部运动运动学的计算方法与实验一相同（见图9）。

**反应偏差**

对虚报率进行LMM分析，以条件（基线、伸展、屈曲）作为固定效应，参与者作为随机效应项，检验各条件间的虚报率是否存在差异。

**补充信息（2）**

下载全部PDF（849.04 KB）
文档S1. 图S1–S7和表S1–S7
视频（40.18 MB）
视频S1. 实验一中的试验示例
该视频展示了虚拟环境中不同实验条件的代表性试验，按以下顺序呈现：兔子-伸展、蜘蛛-屈曲、基线、兔子-屈曲、基线、蜘蛛-伸展。