PNAS | 一項“跳石過河”研究揭示規劃與行動如何持續交織

認知神經科學前沿文獻分享

基本信息

Title:The continuous dynamics of planning and acting in a virtually embodied task

發表時間:2026-04-21

發表期刊:PNAS

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

引言

很多現實中的決策，并不是先把完整方案在腦中算清，再按部就班執行。無論是穿過擁擠街道、開車臨時改道，還是整理物品時一邊挪動一邊調整順序，人們常常是在持續行動中不斷修正后續選擇。換句話說，規劃與行動更像是彼此交織的連續過程，而不是嚴格分開的兩個階段。

但傳統決策研究往往建立在較靜態、非具身的情境中：選項預先給定，動作本身的難度和身體狀態被弱化，做出選擇之后再去執行即可。這類范式有助于分析價值、概率與偏好，卻不容易回答一個更貼近日常經驗的問題：當行動本身會改變后續可選路徑時，人究竟如何在“眼前這一步好不好做”和“整條路線值不值得走”之間做權衡。近年的具身決策研究雖然開始關注可供性（affordances），也就是某個動作此刻是否更容易、更順手、更符合當前姿態，但不少工作仍聚焦單步即時選擇，對需要連續生成和比較多步方案的任務涉及較少。

這篇發表于《PNAS》的研究，試圖把經典序列決策的思路帶入一個具有身體約束和空間結構的虛擬環境。作者設計了一個3D“過河跳石頭”任務，讓參與者操控青蛙化身，從起點平臺一路跳向終點。大石頭更近、更大，對應“安全跳”；小石頭更遠、更小，對應“風險跳”。這種設置把傳統決策中的“概率—效用”關系，轉譯為具身任務中的“跳躍難度—路徑收益”關系。更關鍵的是，每完成一次跳躍，化身的朝向、運動延續和局部幾何關系都會改變，因此下一次選擇不再獨立于前一次動作。

實驗設計與方法邏輯

研究納入40名完成全部關卡的參與者，另有5人因未完成實驗被排除。任務由Unity構建，參與者控制青蛙化身在石頭間連續跳躍；起始平臺提供全局視野，地圖包含一條全由大石頭組成的安全路徑和若干分叉出的風險路徑。每題都存在唯一最短路徑，且與另一條對比路徑固定相差2跳。主實驗圍繞首個決策點構成2×2設計：風險跳所開啟路徑是否更短，以及該方向與目標方向夾角是否更小，共40關。作者既分析首個決策點，也分析后續滿足“安全/風險二選一”的決策點，并使用廣義線性混合模型（GLMM）和線性混合模型（LMM）檢驗選擇概率與時間指標。

核心發現

發現一：參與者會前瞻性評估整條路徑，而不只是盯著眼前這一步是否容易

最直接的證據來自 Figure 2A 和 Figure 2B。無論只看首個決策點，還是擴展到后續所有符合條件的決策點，參與者選擇風險跳的概率都同時受到兩類因素影響：一是風險跳所通向路徑的長短，二是該方向與目標方向的夾角。當前者更優、后者也更優時，風險跳最常被選擇；兩者都不占優時，選擇最少；若“路徑更短”與“角度更小”彼此沖突，選擇處于中間水平。值得注意的是，圖中以及相應模型結果都表明，路徑長度的作用強于目標方向夾角。這一點之所以重要，在于夾角是更容易被直接感知的線索，而路徑總長度往往需要跨多個后續跳躍去評估。

Figure 2. Both path length and angle to goal influence the probability of making a risky jump

發現二：當前運動方向會持續塑造后續選擇，說明決策受具身狀態調制

Figure 3A 和 Figure 3B 則回答了另一個關鍵問題：后續選擇是否只由路徑價值決定。作者把決策點上的兩個候選方向區分為更貼近先前軌跡的“當前方向”和偏離更大的“新方向”，在主實驗中分析了3748個決策點。結果顯示，參與者顯著更傾向于沿著當前方向繼續前進。圖的意義在于，它把“正在發生的動作狀態”正式帶入決策分析之中，而不是把動作視為中性的執行環節。

Figure 3. Influence of trajectory direction on jump probabilities

發現三：規劃既發生在起步前，也持續延伸到導航過程中

關于“規劃發生在什么時候”，Figure 4 和 Figure 5 提供了連貫證據。Figure 4A 顯示，起始平臺上的預規劃時間越長，最終所走路徑越短，兩者呈強負相關，文中報告 R2 = 0.82；按模型估計，預規劃每增加1秒，路徑長度大約減少0.274跳。這說明起跳前的停頓并非無意義等待，而與后續路線效率密切相關。Figure 4B 進一步顯示，預規劃時間并不因首個風險路徑更短或更長而顯著不同，卻會受目標方向夾角影響：當風險跳更貼近目標方向時，預規劃時間更短。

Figure 4. Preplanning time and its eects on path length and decision-making

Figure 5. Planning time distribution across dierent platform types

發現四：計算模型表明，表現更好的人通常更前瞻，而最佳解釋需同時包含未來效用與局部可供性

論文并未停留在行為描述層面，而是進一步用計算模型概括參與者的權衡方式。按照 Figure 6A–D、Figure 7A–B 以及 Figure 8A–C 的結果，作者建立的期望值模型同時包含前瞻性折扣參數γ與可供性權重參數α，模型比較中這一完整模型表現最佳，說明只靠未來路徑長度，或只靠當前跳躍難度，都不足以解釋實際選擇。圖之所以重要，在于它把“看得多遠”和“多大程度受眼前動作難度牽制”這兩種傾向壓縮成了可比較參數。

Figure 6. Correlations between participants’ performance and model para-meters

Figure 7. Success probability and its relationship with jump type (safe or risky) and the aordance parameter

Figure 8. Practice eects over trials

歸納總結和點評

這項研究最有價值的地方，不是單純再次證明“人會規劃”，而是把“規劃如何嵌入持續行動”做成了一個可以操控、比較和建模的問題。通過虛擬具身的“跳石過河”范式，論文把長期路徑效用、即時動作可供性、當前運動方向以及行動中的持續評估放進同一分析框架，較有說服力地展示了決策與動作并非先后分離，而是彼此耦合、相互塑形：人會在起跳前進行一定程度的預規劃，也會在移動途中繼續權衡；會考慮未來整條路徑的收益，也會受到當下空間狀態和運動連續性的影響。其意義在于，它為研究更貼近日常生活的“邊做邊想”提供了方法學樣板，也為把經典序列決策理論與具身認知視角結合起來提供了實證基礎。與此同時，論文對邊界也保持了謹慎：后續決策點上的因素可能存在相關性，平臺停留時間并不只反映規劃，且虛擬化身任務到真實世界行為的外推仍需更多驗證。

請打分

這篇剛剛登上 PNAS 的研究，是否實至名歸？我們邀請您作為“云審稿人”，一同品鑒。精讀全文后，歡迎在匿名投票中打分，并在評論區分享您的深度見解。

分享人：BQ

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿