目標預知對路徑整合的影響*

過繼成思 黃建平 宛小昂

?

目標預知對路徑整合的影響

過繼成思 黃建平 宛小昂

(清華大學心理學系, 北京 100084)

本研究采用頭盔式虛擬現(xiàn)實與返回起點或路標的路徑完成任務, 通過指導語來調(diào)控被試對于返回位置的預知, 檢驗目標預知對人類路徑整合的影響。實驗結果表明, 對于返回起點這一目標的預知可以使被試有效地忽略由于路標出現(xiàn)或路標數(shù)量增加而導致的干擾, 而對于返回路標這一目標的預知程度越高, 可以促使被試做出更準確的反應。這樣的結果體現(xiàn)了目標預知作為一種非感知覺因素對于人類路徑整合的影響, 也體現(xiàn)了人類路徑整合的策略性和靈活性。

路徑整合; 目標預知; 路標; 虛擬現(xiàn)實; 空間巡航

1 引言

路徑整合指巡航者通過整合自身運動信息而更新自身與周圍環(huán)境之間空間關系的巡航方式。路徑整合研究最初主要關注的是動物覓食行為, 尤其是沙漠蟻找到食物后依賴自身運動信息直線返回巢穴的現(xiàn)象, 之后又對鵝、狗、大鼠等多種動物的路徑整合能力進行了測量(宛小昂, 2016)。對于人類來說, 使用自身運動信息進行路徑整合是更新自身與周圍環(huán)境之間空間關系的重要能力, 特別是當人處于環(huán)境信息缺乏的環(huán)境之中時。人類路徑整合所依賴的自身運動產(chǎn)生的信息又可以具體分為內(nèi)源性信息和外源性信息。其中內(nèi)源性信息指前庭覺、本體覺等體感信息, 外源性信息則包括光流等。人類路徑整合可以僅以內(nèi)源性信息為基礎, 也可以僅以外源性信息為基礎, 還可以綜合內(nèi)源性和外源性信息(過繼成思, 宛小昂, 2015; Kearns, Warren, Duchon, & Tarr, 2002; Loomis et al., 1993; 周佳樹, 張侃, 2005)。人類路徑整合研究主要使用的實驗范式是路徑完成任務, 也稱為返回起點任務。該任務要求被試從包含多個路段的外出路徑的起點出發(fā)并行進, 經(jīng)過所有路段后到達外出路徑的終點, 再從終點直接返回起點。在虛擬現(xiàn)實中進行的路徑整合研究表明, 即使對于非常復雜的外出路徑(例如包含12個路段), 人們?nèi)匀豢梢栽谝欢ǔ潭壬细伦陨砼c起點之間的空間關系(Wan, Wang, & Crowell, 2013)。

當然, 無論是其他動物還是人類的空間巡航(navigation), 也能夠借助路標信息進行(Collett & Graham, 2004; Foo, Warren, Duchon, & Tarr, 2005; 李丹, 楊昭寧, 2015)。盡管路徑整合從定義上而言是排除了路標的影響而只依賴自身運動信息, 但如果研究者在路徑整合實驗中設置路標, 路標信息會對人的路徑整合表現(xiàn)產(chǎn)生影響。例如, 如果在實驗開始前預覽過路徑中的路標或事先記住路徑中的路標信息, 被試在之后進行的路徑完成任務中的成績會提高(Philbeck, Klatzky, Behrmann, Loomis, & Goodridge, 2001; Philbeck & O’Leary, 2005)。當路徑整合和路標提供的信息之間互相矛盾時, 二者之間存在著競爭(Zhang & Mou, 2017), 而且路標的穩(wěn)定性(stability)影響著人們對于路標信息和路徑整合的權衡使用(Zhao & Warren, 2015)。當路標信息明確而穩(wěn)定時, 人在空間巡航中可能會更依賴于路標信息(Foo, Duchon, Warren, & Tarr, 2007), 而在只能依賴自身運動信息的環(huán)境中才會進行路徑整合(如Poucet et al., 2014)。當路標信息不明確時, 人們會通過路徑整合獲得關于環(huán)境的結構知識(survey knowledge, Foo et al., 2005)。Cheng, Shettleworth, Huttenlocher和Riese (2007)提出, 路徑整合在動物的空間巡航中是作為“備用與參考的系統(tǒng)” (back-up and reference system)。具體而言, 動物在條件允許時更傾向使用路標等其它線索, 但是當其它線索失效時也可以使用路徑整合, 而且路徑整合可以幫助動物探測路標等其它線索是否可靠、是否可以使用。而對于人類的路徑整合, Wang (2016)則提出了路徑整合——認知地圖假說, 即人可以通過多個獨立的路徑整合而對環(huán)境中的多個位置進行空間更新, 獲得環(huán)境的動態(tài)認知地圖。在這個過程之中, 路標信息可以被巡航者用來重置或校正路徑整合系統(tǒng)(Sjolund, Kelly, & McNamara, 2018; Zhang & Mou, 2017)?？偠灾? 路徑整合和路標學習既相互依賴又共同作用, 令巡航者擁有一致的空間表征(spatial representation)。

那么, 路標與路徑整合之間的關系又會受到哪些認知因素的影響呢？對于目標的預知可能是一種重要的影響因素。Wan, Wang和Crowell (2012)研究了路標的存在對于路徑整合的影響。他們對典型的返回起點任務進行了改進, 采用返回起點或路標的實驗任務, 即在外出路徑中的特殊位置(即兩個路段的交叉點)上分別放置兩個路標, 并在不同的實驗條件下要求被試在到達外出路徑的終點后直線返回起點或某一個路標位置。在這個研究中, 被試被分為兩組, 即“知情組”與“不知情組”。知情組的被試在實驗開始前已經(jīng)知道外出路徑中是否會有路標, 也知道任務會要求他們返回哪個地點, 因此他們在行進的過程中可以只注意需要返回的那個目標, 而忽略其它不需要返回的地點。不知情組被試在實驗開始前不知道他們將會返回哪個地點, 但是他們會被告知外出路徑中是否會有路標, 因此當外出路徑中有路標時, 他們需要注意起點和所有的路標位置。這個研究的結果表明, 無論是被要求返回起點還是返回路標位置, 不知情組被試的反應時都比知情組更長; 而且不知情組在有路標時的反應時比沒有路標時更長, 但知情組就沒有出現(xiàn)這種效應。

無論被試是建立以自身為參照系的表征(egocentric representation)并以此為基礎進行連續(xù)式更新, 還是建立以環(huán)境為參照系的表征(allocentric representation)并以此為基礎進行結構式更新(configural updating), 其實都可以支持他們進行路徑整合(He & McNamara, 2018; Wiener, Berthoz, & Wolbers, 2011)。但是, 對返回地點的預知可能允許被試允許采用靈活的策略, 當他們知道具體的返回目標時, 他們只需要更新這個這一個目標(無論是采用連續(xù)式還是結構式更新); 而當他們不知道返回目標時, 他們需要更新所有可能的目標地點。但是, 由于不知情組也事先知道了試次中是否包括路標, 因此他們對于返回的目標其實也會產(chǎn)生一定的預期。尤其是當他們事先已經(jīng)知道試次中不包含路標時, 其實已經(jīng)可以推斷出任務是要求返回起點。

為了系統(tǒng)地檢驗目標預知如何影響路徑整合, 本研究采用了Wan等(2012)研究中的返回起點或路標任務, 借鑒Wang等(2006)操縱物體個數(shù)來研究組量效應(effect size effect)的方法在本實驗中操縱路標的個數(shù), 并通過指導語系統(tǒng)地操縱被試對于返回地點(目標)的預知, 探究其對路徑整合的影響。本研究既包括沒有路標的試次, 也包括有1個或2個路標的試次。因此, 這樣的實驗設計使我們將目標預知具體區(qū)分為三個水平：(1)在試次開始前對是否存在路標和返回的地點都不知情, 即“完全不知情”; (2)在試次開始前知道是否存在路標, 以及會返回起點還是路標, 但如果是要返回路標則不知道具體返回哪一個路標的地點, 即“返回類型知情”; (3)在試次開始前知道是否有路標, 以及會返回具體哪個地點, 即“返回地點知情”。從完全不知情、返回類型知情到返回地點知情, 被試對目標的預知程度依次增加。

我們對于結果的預期是, 當被要求返回起點時, 完全不知情組返回起點的表現(xiàn)會受到路標(出現(xiàn)與否及出現(xiàn)的個數(shù))的影響; 而另兩組被試由于在一開始就知道自己將被要求返回起點, 因此他們返回起點的表現(xiàn)不會受到路標的影響。而當被要求返回路標時, 三組被試的表現(xiàn)隨著對目標的預知程度增加而會越來越好, 即完全不知情組返回起點的表現(xiàn)最差, 返回類型知情組的表現(xiàn)居中, 返回地點知情組的表現(xiàn)最佳。

2 方法

2.1 被試

清華大學的本科生48名(24男24女), 年齡在18至22歲之間, 平均19.6 ± 1.0歲, 裸眼或矯正視力正常, 無色盲或色弱。被試完成實驗后會收到心理學公選課程的實驗學分或30元人民幣現(xiàn)金作為報酬。采用Gpower 3.1.9.3軟件對實驗樣本量進行估計, 預期效應量為0.25, 統(tǒng)計效力1 ? β為0.9, 得到預計總樣本為45人。計劃樣本量與實際樣本量較為一致。

2.2 儀器和材料

本研究使用美國Worldviz公司nVisor SX60頭盔式虛擬現(xiàn)實設備, 顯示屏刷新頻率為60 Hz, 屏幕視場為44°(水平方向) × 34°(垂直方向)。反應設備為羅技F710無線游戲手柄, 共使用3個按鍵作為反應鍵, 分別用于行走、旋轉(zhuǎn)反應和距離反應。虛擬現(xiàn)實場景的建立通過3D Max軟件生成, 實驗程序的控制和數(shù)據(jù)記錄通過Vizard 4.0軟件完成。

路徑完成任務中的外出路徑包含有5段虛擬走廊(如圖1所示), 每段走廊的長度為3 m或5 m, 高為2.2 m, 寬為1 m, 墻面、地面、天花板的材質(zhì)均為灰色巖壁。任意兩段走廊之間的夾角為60°或120°。每段走廊的長度、任意兩段走廊之間夾角的大小和方向(順時針或逆時針)在保證不連續(xù)的兩個路段之間不出現(xiàn)交叉點的前提下隨機確定。外出路徑中可能沒有出現(xiàn)路標, 也可能出現(xiàn)1個或2個路標?？赡艹霈F(xiàn)的路標為紅色三角形或藍色正方形。由于不能令被試在位于外出路徑終點時看到路標, 所以路標只可能出現(xiàn)在第1、2、3段走廊的終點。當外出路徑中只有1個路標時, 呈現(xiàn)哪個路標及其位置由計算機隨機決定; 當外出路徑中有2個路標時, 每個路標的擺放位置也由計算機隨機決定。當被試到達外出路徑的終點時, 他們將置身于一個圓形房間中, 房間半徑為0.5 m, 高為2.2 m, 表面材質(zhì)變?yōu)辄S色巖壁, 提醒被試已經(jīng)到達終點。這時會出現(xiàn)從被試身體指向圓形房間墻壁、與地面平行的藍色指示桿, 指示桿隨著被試身體的轉(zhuǎn)動而轉(zhuǎn)動, 指出被試身體的朝向。同時在被試的面前出現(xiàn)一個圖形, 指示被試應返回哪個地點。具體而言, 紫色圓形代表返回起點, 紅色三角形或藍色正方形代表返回相應的路標位置。被試做出方向反應之后, 會有一條長為1000 m的走廊出現(xiàn)在被試選擇的方向中以供他們做出距離反應, 這條走廊高為2.2 m, 寬為1 m, 表面材質(zhì)為黃色巖壁。

在本研究的虛擬場景中, 被試的直線行走是在保持身體不動的情況下、通過按鍵進行“虛擬”的行走, 只通過光流信息感知運動的距離, 而且運動的速度被設置為恒定的1.5 m/s; 而在走廊拐角或做出方向反應時, 卻需要確實轉(zhuǎn)動身體, 因此同時通過光流信息和體感信息感知旋轉(zhuǎn)。

圖1 本研究的虛擬場景和任務流程示意圖。A圖中, 被試面向一條走廊。B圖中, 被試到達外出路徑中的某個路標位置, 面前出現(xiàn)紅色箭頭提示被試應向左轉(zhuǎn)。C圖中, 被試到達外出路徑的終點, 目標出現(xiàn)并提示被試應該返回這個目標位置。D圖中, 被試做出方向反應, 指出目標位置的方向, 一條長走廊出現(xiàn)在被試選擇的方向。

2.3 實驗設計

本研究采用3(目標預知) × 3(路標數(shù)量：0、1、2個)的混合設計, 其中目標預知為組間變量, 路標數(shù)量為組內(nèi)變量。實驗開始前, 我們將被試隨機分成3組, 每組16人, 并在每個試次開始前給予不同的指導語, 使他們在實驗中的目標預知逐漸增加。第一組被試在每個試次開始前不知道這次的外出路徑中是否有路標, 也不知道會返回哪個地點, 稱為完全不知情組。第二組被試在每個試次開始前被告知這次的外出路徑中是否有路標, 以及他們會被要求返回起點還是路標, 稱為返回類型知情組。第三組被試在每個試次開始前被告知這次的外出路徑中是否有路標, 以及他們會被要求返回起點還是具體哪個路標, 稱為返回地點知情組。值得注意的是, 即使被試被告知接下來開始的試次有路標, 他們也并不知道是有1個還是2個路標。

每位被試均完成24試次的路徑完成任務, 其中包括8個沒有路標的試次、8個有1個路標的試次、以及8個有2個路標的試次。不包含路標的試次中, 被試均需要返回起點; 包含路標的試次中, 有一半的試次需要返回起點, 另一半的試次需要返回路標位置, 而且當包含2個路標時, 返回每個路標位置的機率各占一半。因此, 實驗中一共有五種不同的任務條件：(1)沒有路標, 被試返回起點(如圖2A所示); (2)外出路徑中有一個路標, 被試返回起點(如圖2B所示); (3)外出路徑中有一個路標, 要求被試返回路標(如圖2C所示); (4)外出路徑中有兩個路標, 要求被試返回起點(如圖2D所示); (5)外出路徑中有兩個路標, 要求被試返回其中一個路標(如圖2E所示)。

圖2 本研究中路徑完成任務中返回起點或路標的平面俯瞰圖示例

2.4 實驗流程

首先, 被試閱讀預先準備好的指導語, 并完成4至8個練習試次, 直到被試認為自己已經(jīng)理解了實驗任務。之后, 被試進行含24個試次的正式實驗。在每個試次開始之前, 不同組的被試接受不同類型的指導語。不知情組接受的指導語為：“新的一次測試開始。”返回類型知情組接受的指導語為：“新的一次測試開始, 這次測試需要返回起點/路標。”返回地點知情組接受的指導語為：“新的一次測試開始, 這次測試需要返回起點/三角形路標/正方形路標。”

每個試次一開始, 被試出現(xiàn)在外出路徑的第一段走廊的起點位置, 并且正對著這段走廊的終點(見圖1A)。這時, 被試需要按行走鍵, “虛擬地”走到走廊的終點。當被試走到走廊的終點時, 下一段走廊出現(xiàn), 但由于走廊之間存在夾角, 因此被試需要先旋轉(zhuǎn)身體, 使自己正對著下一段走廊的終點, 然后再繼續(xù)行走(見圖1B)。當被試走完5段走廊后, 會進入到一個黃色巖壁的圓形房間, 同時代表被試身體朝向的指示桿和代表返回地點的圖形出現(xiàn)(見圖1C), 提示被試這個試次需要返回哪個地點。這時被試需要轉(zhuǎn)動身體面向需要返回的地點, 并按下方向確定鍵, 他的反應角度和反應時被計算機記錄下來。在被試選擇的這個方向上會出現(xiàn)長走廊(見圖1D), 被試需要通過按行走鍵走一段距離, 到覺得自己走到返回地點的位置時, 再按下位置確定鍵。這時, 被試的距離反應也被計算機記錄下來, 這個試次結束, 下一個試次開始。整個實驗過程中(包括練習試次), 被試不接受任何反饋信息。

3 結果

本研究中48位被試之中有47人完成了全部24個試次的實驗, 1名被試因技術故障完成了21個試次的試驗, 也納入了數(shù)據(jù)分析之中。但是, 由于個別被試在個別試次中按鍵操作失誤, 因此沒有對方向或距離進行反應。因此, 我們在數(shù)據(jù)分析中剔除了反應距離為0或方向反應在0°到3°之間的試次, 這些試次占總試次的4.1%。被試的路徑整合表現(xiàn), 通過位置誤差和反應時這兩個指標來衡量。本研究中的反應時測量的是被試做出方向反應的反應時, 而位置誤差指被試回到的位置和該地點實際位置之間的距離。

首先, 我們對圖3所示中的返回起點試次的位置誤差和反應時數(shù)據(jù)進行3(組別：完全不知情組、返回類型知情組、返回地點知情組) × 3(路標數(shù)量：0、1、2個)的混合因素方差分析, 其中組別為組間變量, 而路標數(shù)量為組內(nèi)變量。結果表明, 除了組別與路標數(shù)量在反應時上的交互作用顯著,(4, 90) = 2.54,= 0.045, η= 0.10, 其它任何主效應或交互作用均不顯著, alls < 1.96,s > 0.13。為了解釋這個交互作用的意義, 我們對每一組被試在不同路標數(shù)量下的反應時進行了成對比較, 結果表明, 完全不知情組在有2個路標時返回起點的反應時(10.63 s)顯著長于沒有路標時(8.48 s),(15) = 3.49,< 0.01, Cohen’s= 0.97; 但是這兩個條件下的反應時與有1個路標時的反應時(11.19 s)的差別均沒有達到顯著水平, boths < 1.52,s > 0.45。另外兩組被試在反應時上則沒有表現(xiàn)出這樣的效應, alls < 1.76,s > 0.30。

然后, 我們對圖4所示中的返回路標試次的位置誤差和反應時數(shù)據(jù)進行了3(組別：完全不知情組、返回類型知情組、返回地點知情組) × 2(路標數(shù)量：1、2個)的混合因素方差分析, 其中組別為組間變量, 而路標數(shù)量為組內(nèi)變量。這里需要指出的是, 當外出路徑中沒有路標時, 也就不存在返回路標的情況了, 因此這里的路標數(shù)量只可能是1或2個。方差分析的結果表明, 組別的主效應在位置誤差上顯著,(2, 45) = 4.49,= 0.017, η= 0.17。多重比較的結果表明, 完全不知情組的位置誤差(13.48 m)要顯著大于返回類型知情組(10.66 m),(30) = 2.24,= 0.049, Cohen’s= 0.58, 也顯著大于返回地點知情組(10.44 m),(30) = 2.46,= 0.043, Cohen’s= 0.91, 而返回類型知情組與返回地點知情組在位置誤差上的差異則不顯著,(30) = 0.26,> 0.99。此外, 組別與路標數(shù)量在反應時上交互作用顯著,(2, 45) = 5.23,= 0.009, η= 0.19。對每組被試反應時數(shù)據(jù)進行的單因素方差分析表明, 完全不知情組和返回類型知情組的反應時不受到路標數(shù)量的影響, boths < 2.30,> 0.14; 而返回地點知情組在有2個路標時返回起點的反應時(7.71 s)甚至短于有1個路標時(8.48 s),(1, 15) = 8.13,= 0.012, η= 0.35

圖3 三組被試在返回起點時的平均位置誤差和反應時。誤差線表示標準誤。

圖4 三組被試在返回路標時的平均位置誤差和反應時。誤差線表示標準誤。

4 討論

4.1 目標預知對路徑整合的影響

本研究的結果表明, 目標預知對返回起點和返回路標這兩種反應均有促進作用, 但是具體的作用方式又存在差異。一方面, 目標預知對于返回起點反應的影響主要表現(xiàn)在和路標個數(shù)之間的交互作用上。具體而言, 當任務要求被試返回起點時, 完全不知情組在外出路徑中有兩個路標時比沒有路標時的反應時更長, 而返回類型知情組和返回地點知情組這兩組被試的表現(xiàn)則不受路標的影響。這樣的研究結果符合我們的預期, 而且表明對于返回起點這一目標的預知可以使被試有效地忽略由于路標出現(xiàn)或路標數(shù)量增加而導致的干擾。另一方面, 當任務要求被試返回路標時, 返回類型知情組與返回地點知情組的位置誤差均小于完全不知情組, 說明對返回路標這一目標的預知越多可能會促使被試做出更準確的反應。

目標預知對路徑整合的促進作用, 可能是對于返回地點的知識使被試采取了更為具有適應性的策略。例如完全不知情組則需要從外出路徑一開始就進行空間更新, 因而最后產(chǎn)生的錯誤也更多。返回類型知情組被試可以只從路標出現(xiàn)才開始進行空間更新, 返回地點知情組被試甚至可以只從自己知道要返回的那個地點出現(xiàn)后才開始進行空間更新。這兩組被試可以忽略目標之前經(jīng)過的路徑, 降低任務導致的工作記憶負荷, 也使自己對外出路徑的加工得以簡化。如本文方法部分所述, 由于路標只會出現(xiàn)在第一、二、三段走廊的末尾, 因此, 這兩組被試可以將需要認知加工的外出路徑簡化為只包含二、三、或四段走廊。

因此, 本研究也通過揭示被試為了降低工作記憶負荷所做出的努力而從側面說明了工作記憶對于路徑整合的重要性。無論是返回起點還是路標位置, 進行路徑整合需要同時對距離信息和方向信息進行加工, 而路徑完成的位置誤差也同時受到方向誤差和距離誤差二者的影響。Chrastil等(2016)發(fā)現(xiàn)海馬體、壓部后皮層、海馬旁回負責工作記憶中對于路徑整合信息的編碼和保持, 其中海馬體、壓部后皮層、海馬旁回對路徑整合中距離信息的加工非常關鍵, 而壓部后皮層對路徑整合中的方向信息加工也很重要, 神經(jīng)層面的證據(jù)說明工作記憶對于路徑整合中距離信息和方向信息的加工可能出現(xiàn)分離。而工作記憶在路徑整合中發(fā)揮的作用可能存在較大的個體差異(Arnold, Burles, Bray, Levy, & Iaria, 2014)。本研究從行為的層面反映了工作記憶對于路徑整合的影響, 并揭示了個體在路徑整合過程中為降低工作記憶負載而可能采用的靈活策略。

4.2 目標預知對于空間巡航的影響

本研究關于目標預知的研究結果進一步表明了基于路標的空間巡航與基于內(nèi)部線索的路徑整合這兩種空間巡航方式之間的關系。從操作定義上而言, 路徑整合只依賴于自身運動信息, 而路標的影響是被嚴格排除的。但是, 除了嚴格控制下的實驗條件以外, 一般條件下的空間巡航既可以獲得路標等外部線索, 也可以采用自身運動信息這些內(nèi)部線索。當兩種信息都可獲得時, 人們會更依賴于清楚、可靠的路標信息(Foo et al., 2007), 或?qū)煞N策略提供的信息進行整合(Zhao & Warren, 2015)。本研究采用Wan等(2012)返回起點或路標的的路徑完成任務范式, 更是提高了路標對于路徑整合的任務相關性。盡管外出路徑的起點本身可能就比路途中遇到的路標位置更鮮明、顯著, 但是被要求返回路標的可能性使這些路標不再僅僅是幫助被試進行空間巡航的線索, 而成為返回的目標之一。因此, 目標預知也可能以自上而下地方式(Theeuwes, 2010)引導被試在空間巡航中對于不同類型的空間線索的注意。路徑整合和路標學習之間相互競爭又相互依賴, 令人們擁有一致的空間表征。

本研究的結果也有助于我們進一步理解目標預知對于空間巡航的影響。盡管本研究與Wan等(2012)的研究采用的虛擬現(xiàn)實設備類型不同, 這兩個研究的結果一致表明, 對目標的預知會有助于被試更好地進行路徑完成任務。但是, 如果綜合考慮本研究的結果與空間學習文獻的結果, 就會發(fā)現(xiàn)目標預知對路徑整合與基于環(huán)境信息的結構知識獲得產(chǎn)生了不同的影響。Rossano和Reardon (1999)在研究中讓被試完成虛擬現(xiàn)實中校園的空間學習任務, 結果發(fā)現(xiàn)當他們在空間學習過程中有一個具體目標時(即在游覽虛擬校園時始終努力記憶一個特定建筑的方位), 比空間學習過程中沒有具體目標時獲得的環(huán)境結構知識更少。他們的研究結果可以用認知負荷理論來解釋(Sweller, 1994; Sweller & Chandler, 1994)。當被試清楚明確地知道任務的目標時(例如, 始終記住校園內(nèi)一個特定的方位), 被試有可能采用方法——目標策略(means-end strategy), 在進行任務的每一步中都盡力減少當前狀態(tài)與目標之間的差距, 而這樣的過程占據(jù)了大量的認知資源, 就使他們沒有足夠的認知資源去進行其它認知活動(如獲得環(huán)境的結構知識、建立自己的認知地圖), 而導致具體的目標反而阻礙了被試獲得環(huán)境結構知識。值得注意的是, 在進行那些空間學習時, 環(huán)境中包含豐富的視覺與路標信息。相比之下, 本研究中的路徑整合是基于自身運動信息估計和整合, 因此當被試關于目標的預知增加時, 被試可以采用更適應任務要求的策略, 降低自己的工作記憶負荷, 簡化對于外出路徑的認知加工。考慮到人們在進行路徑整合時遇到的困難與不適應(宛小昂, 2016), 目標預知的促進作用就顯得格外寶貴。

當然, 本研究也存在一定的不足。首先, 由于本研究的任務之中最多只出現(xiàn)了兩個路標, 路標數(shù)量的增加對認知負荷的影響可能并不足夠顯著; 而且由于路標都放置在一個路段的盡頭, 這種特殊的放置位置和路徑本身節(jié)點等的空間信息相重合。第二, 本研究中采用的虛擬現(xiàn)實頭盔比Wan等(2012)采用的虛擬立方體沉浸感更低一些、視角也更小, 客觀因素的限制使得被試在本研究中進行路徑整合的難度較大。因此, 將本研究的結論推廣到其他情境時需要更外謹慎。

總而言之, 本研究的結果表明了目標預知對路徑整合的促進作用。當外出路徑中可能出現(xiàn)路標時, 無論被試被要求返回起點還是路標, 都會受到任務開始前目標預知的影響。本研究的結果也體現(xiàn)了期望對人類路徑整合的影響。未來研究可以探索關于任務目標的了解和期望如何影響了被試所采用的空間表征和空間更新類型、如何進行認知加工資源的分配。這樣的研究結果有助于我們進一步理解非感知覺因素對于人類路徑整合的貢獻, 也揭示了人類路徑整合的策略性和靈活性。

Arnold, A. E. G. F., Burles, F., Bray, S., Levy, R. M., & Iaria, G. (2014). Differential neural network configuration during human path integration.,, 263: doi: 10.3389/fnhum.2014.00263.

Cheng, K., Shettleworth, S. J., Huttenlocher, J., & Rieser, J. (2007). Bayesian integration of spatial information.(4), 625–637.

Chrastil, E. R., Sherrill, K. R., Hasselmo, M. E., & Stern, C. E. (2016). Which way and how far? Tracking of translation and rotation information for human path integration.(10)3636–3655.

Collett, T. S., & Graham, P. (2004). Animal navigation: Path integration, visual landmarks and cognitive maps.(12), R475–R477.

Foo, P., Duchon, A., Warren, W. H., & Tarr, M. J. (2007). Humans do not switch between path knowledge and landmarks when learning a new environment.(3), 240–251.

Foo, P., Warren, W. H., Duchon, A., & Tarr, M. J. (2005). Do humans integrate routes into a cognitive map? Map-versus landmark-based navigation of novel shortcuts.(2), 195–215.

Guo, J. C. S., & Wan, X. A. (2015). The effect of learning in virtual path integration.(6), 711–720.

[過繼成思, 宛小昂. (2015). 虛擬路徑整合的學習效應.(6), 711–720.]

He, Q., & McNamara, T. P. (2018). Spatial updating strategy affects the reference frame in path integration.,(3), 1073–1079.

Kearns, M. J., Warren, W. H., Duchon, A. P., & Tarr, M. J. (2002). Path integration from optic flow and body senses in a homing task., 349–374.

Li, D., & Yang, Z. (2015). Spatial navigation: The relationship between landmark learning and path integration.(10), 1755–1762.

[李丹, 楊昭寧. (2015). 空間導航: 路標學習和路徑整合的關系.,), 1755–1762.]

Loomis, J. M., Klatzky, R. L., Golledge, R. G., Cicinelli, J. G., Pellegrino, J. W., & Fry, P. A. (1993). Nonvisual navigation by blind and sighted: assessment of path integration ability.,(1), 73–91.

Philbeck, J. W., Klatzky, R. L., Behrmann, M., Loomis, J. M., &Goodridge, J. (2001). Active control of locomotion facilitates nonvisual navigation.,(1), 141–153.

Philbeck, J. W., & O’Leary, S. (2005). Remembered landmarks enhance the precision of path integration.,(1), 7–24.

Poucet, B., Sargolini, F., Song, E. Y., Hangya, B., Fox, S., & Muller, R. U. (2014). Independence of landmark and self-motion-guided navigation: A different role for grid cells.(1635), 20130370.

Rossano, M. J., & Reardon, W. P. (1999). Goal specificity and the acquisition of survey knowledge., 395–412.

Sjolund, L. A., Kelly, J. W., & McNamara, T. P. (2018). Optimal combination of environmental cues and path integration during navigation.(1), 89–99.

Sweller, J. (1994). Cognitive load theory, learning difficulty, andinstructional design.,(4), 295–312.

Sweller, J., & Chandler, P. (1994). Why some material is difficult to learn.,(3), 185–233.

Theeuwes, J. (2010). Top-down and bottom-up control of visual selection.,(2), 77–99.

Wan, X. (2016).Hangzhou: Zhejiang University Press.

[宛小昂. (2016).. 杭州：浙江大學出版社.]

Wan, X., Wang, R. F., & Crowell, J. A. (2012). The effect of landmarks in human path integration.,(1), 7–12.

Wan, X., Wang, R. F., & Crowell, J. A. (2012). The effect of landmarks in human path integration.,(1), 7–12.

Wan, X., Wang, R. F., & Crowell, J. A. (2013). Effects of basic path properties on human path integration.(1)79–101.

Wang, R. F. (2016). Building a cognitive map by assembling multiple path integration.692–702.

Wang, R. F., Crowell, J. A., Simons, D. J., Irwin, D. E., Kramer, A. F., Ambinder, M. S., … Hsieh, B. B. (2006). Spatial updating relies on an egocentric representation of space: Effects of the number of objects.(2), 281–286.

Wiener, J. M., Berthoz, A., & Wolbers, T. (2011). Dissociable cognitive mechanisms underlying human path integration.(1)61–71.

Zhang, L., & Mou, W. (2017). Piloting systems reset path integration systems during position estimation.,(3), 472–491.

Zhao, M., & Warren, W. H. (2015b). How you get there from here: Interaction of visual landmarks and path integration in human navigation.(6)915–924.

Zhou, J. S., & Zhang, K. (2005). Kinestheic, Irrelevant Motion and Path Integration.(6), 1306– 1308.

[周佳樹, 張侃. (2005). 運動覺、布局無關運動與路徑整合.,(6), 1306–1308.]

①在此處和后文中的多重成對比較, 均經(jīng)過Bonferroni校正, 且正文中報告的p值均為校正后的值。

The influence of target knowledge on path integration

GUO Jichengsi; HUANG Jianping; WAN Xiaoang

(Department of Psychology, Tsinghua University, Beijing 100084, China)

Navigation can be classified into piloting and path integration based on the types of information used. Piloting allows navigators to use direction sensory cues regarding the environment and landmarks, but in path integration, navigators rely on self-motion information. Previous research has revealed that the presence of landmarks might influence human path integration, but it remains unclear how this process might be influenced by the participants’ knowledge about which target location to which they would be asked to return. Here, we report a study designed to investigate the effect of target knowledge in human path integration.

In the present study, we used Head-Mounted-Display Virtual Reality to present hallway-mazes, and employed a modified return-to-origin task used by Wan, Wang, and Crowell (2012). That is, the participants first traveled along 5-segment pathways where 0, 1, or 2 landmarks were present at the intersections. When arriving at the end of the outbound pathways, they were asked to return directly to the origin or one of the landmark locations. In order to manipulate target knowledge, we gave different instructions to three groups of participants at the beginning of each trail: the first group was not given any information about where to return; the second group was told about whether they would be asked to return to the origin or one of the landmark locations (without knowing which landmark exactly); and the third group was told about which specific location they would be asked to return to.

The results showed the effects of target knowledge on both the return-to-origin and return-to-landmark responses. When attempting to return to the origin, the uninformed group showed longer RTs when there were two landmarks than when there was no landmark; whereas the other two groups showed no such patterns. For another, when attempting to return to the specified landmarks, the uninformed group showed greater position errors than the other two groups. That is to say, target knowledge might diminish interference from the presence or increase of the landmarks on the return-to-origin responses, and lead to more accurate return-to-landmark responses.

Taken together, these results revealed that more knowledge about where to return might facilitate human path integration. One possibility is that more knowledge about the target might allow the participants to use a more adaptive strategy to reduce their working memory load and to simplify the structure of the outbound paths they need to process. These findings highlight the influence of non-perceptual factors on human path integration, and they indicate that path integration in humans might be an adaptive and strategic process.

path integration; target knowledge; landmark; virtual reality; spatial navigation

B842

10.3724/SP.J.1041.2019.00188

2016-10-18

* 國家自然科學基金項目31200758資助。

宛小昂, E-mail: wanxa@tsinghua.edu.cn