一个像卡洛斯·阿尔卡拉斯这样的网球运动员是如何仅通过观察球的初始位置来决定跑向哪里以回击诺瓦克·德约科维奇的球的？这些行为在精英运动员中如此常见，但用当前的计算模型很难解释，这些模型假设运动员必须不断用眼睛跟随球。现在，巴萨大学的研究人员开发了一种模型，通过将光学变量与重力等环境因素相结合，准确预测一个人如何仅通过初次瞥视来移动以捕捉一个运动物体。这些结果发表在《皇家学会开放科学》期刊上，可能在机器人技术、体育训练甚至太空探索等领域有潜在应用。
这篇论文讨论了外野手问题，即指的是站在外野以捕捉被击球后飞来的球的棒球运动员。这是物理学和运动神经科学中的经典挑战，用于探索人类和动物如何预测动态环境中的运动，以及如何设计自动化系统来模仿它们。
巴萨大学心理学系教授、神经科学研究所成员胡安·洛佩斯-莫利纳领导了这项研究，并表示：“面对这个问题，目前的模型是基于通过不断观察球来引导运动，而通常精英运动员可以在不看球的情况下跑向球。” 他补充说：“此外，这些模型不允许预测球相对于观察者的去向。” 初步研究是由联合作者兼前小组成员博尔哈·阿瓜多进行的博士论文的一部分，他在德国达姆施塔特进行了一段时间的研究，现在是维克大学的研究员。
该模型将先前关于球的重力和物理大小的知识纳入实时接收到的视觉信息。“该模型提供了实时信号，指示球的落点预测位置和到达的剩余时间，同时考虑不同的重力条件。这使得能够从航程开始精确预测一个运动员将如何移动来捕捉它，”洛佩斯-莫利纳描述道，他还负责视觉与动作控制研究小组的协调工作。
尽管重力在预测轨迹中至关重要，但这是首次将该因素纳入这样的模型。“这一忽略忽视了重力对轨迹的实质影响，反映了现有模型在考虑环境常数时存在的不足，”巴萨大学教授表示。
此外，以前的模型无法解释人类如何感知球是否在可达范围内以决定是否开始奔跑。“我们的模型考虑到了这一点，因为它指示物体相对于运动员的去向，”研究者表示。
为了验证该模型，研究人员在一个沉浸式虚拟现实环境中进行了实验，每位参与者在佩戴眼镜并手持虚拟现实设备的情况下，需要移动到他们认为虚拟球将落地的位置。受控环境允许模拟不同的重力和球大小条件，结果表明，参与者观察到的经验轨迹、运动模式和时间响应与模型预测相匹配。“我们的模型准确预测了参与者在不同条件下观察到的轨迹。结果强调了整合环境常数（如重力）以更好理解人类如何与周围世界互动的重要性，”研究者表示。
新的模型可能成为未来多种实际应用开发的基础，例如在运动训练中。“一方面，由于该模型包含多个组件，如视觉信息或重力，可能应用于训练或虚拟模拟平台。这样，可以看出一个人（如精英运动员）对不同组件的敏感程度，或者训练他们处理并利用视觉相关信息以优化表现，”洛佩斯-莫利纳表示。
此外，该模型能够考虑各种类型的重力，这也可能在航空航天领域有应用。“该模型可以应用于不同重力的环境，并能够潜在预测一个人（例如宇航员在空间站）与移动物体互动的表现，”教授表示。
研究人员已经在下一阶段工作：将该模型应用于人工神经网络，这些计算系统模仿人脑中神经元的功能。它们的目标是比较人类和人工网络的表现。“这将使我们更清楚地了解计算是如何在神经层面上实现的，因为我们现在拥有了计算规模的模型，但没有在人工神经网络中的神经实现。这一知识在机器人技术领域可能具有明确的应用，”洛佩斯-莫利纳总结道。
