再次将运动学习视为控制器合成：一个概念性框架

《Biological Cybernetics》：De novo motor learning as controller synthesis: a conceptual framework

　　

摘要

大多数关于运动学习的研究都集中在适应性调整上，这种调整可以理解为在动态、运动学或感官反馈发生变化时对现有控制器的重新校准。在这些研究范式中，控制变量、坐标表示形式以及反馈组织形式被视为预先存在的，学习过程被视为在特定控制器架构内的参数调节。然而，全新的运动学习任务要求学习者建立意图、感官反馈与动作之间的新关系，而不仅仅是重新调整已熟悉的控制组织结构。这类任务通常表现为学习速度较慢或具有变异性，泛化能力具有选择性和任务依赖性，且存在强烈的环境依赖性，同时学习速度与最终表现之间存在脱节。这些特征很难仅用固定控制器架构内的参数调节来解释。我们认为，全新的运动学习更应该被理解为控制器的合成过程，而不仅仅是参数的适应过程。在这种观点下，学习包括形成和稳定可寻址的、针对植物状态（植物状态指生物体的生理状态）的控制器记忆：这些记忆决定了控制器的作用范围，哪些与任务相关的信号会被选中并传递，如何估计状态和进度，如何计算控制信号，如何将内部控制信号转化为动作，以及何时以及如何表达控制器。该框架将学习速度较慢或具有变异性、结构化的泛化能力、环境依赖性以及学习速度与最终表现之间的脱节解释为控制器记忆的形成、稳定、检索和表达的结果，而非固定控制器内参数缓慢收敛的结果。它还提出了基于适应性、情境推理或策略学习来区分控制器合成与固定结构替代方案的方法。

大多数关于运动学习的研究都集中在适应性调整上，这种调整可以理解为在动态、运动学或感官反馈发生变化时对现有控制器的重新校准。在这些研究范式中，控制变量、坐标表示形式以及反馈组织形式被视为预先存在的，学习过程被视为在特定控制器架构内的参数调节。然而，全新的运动学习任务要求学习者建立意图、感官反馈与动作之间的新关系，而不仅仅是重新调整已熟悉的控制组织结构。这类任务通常表现为学习速度较慢或具有变异性，泛化能力具有选择性和任务依赖性，且存在强烈的环境依赖性，同时学习速度与最终表现之间存在脱节。这些特征很难仅用固定控制器架构内的参数调节来解释。我们认为，全新的运动学习更应该被理解为控制器的合成过程，而不仅仅是参数的适应过程。在这种观点下，学习包括形成和稳定可寻址的、针对植物状态的控制器记忆：这些记忆决定了控制器的作用范围，哪些与任务相关的信号会被选中并传递，如何估计状态和进度，如何计算控制信号，如何将内部控制信号转化为动作，以及何时以及如何表达控制器。该框架将学习速度较慢或具有变异性、结构化的泛化能力、环境依赖性以及学习速度与最终表现之间的脱节解释为控制器记忆的形成、稳定、检索和表达的结果，而非固定控制器内参数缓慢收敛的结果。它还提出了基于适应性、情境推理或策略学习来区分控制器合成与固定结构替代方案的方法。