松鼠从树枝跳到树枝时炫耀杀手跑酷动作

松鼠在追逐花生时执行惊人飞跃的高速视频捕捉到了动物为实现目标而采取的创新解决方案。视频由加州大学伯克利分校的 Roxanne Makasdjian 和 Jeremy Snowden 提供。加州大学伯克利分校的校园拥有三个已知的野生狐狸松鼠种群，它们整天在树枝间嬉戏，觅食。由于加州大学伯克利分校的研究人员进行了一系列旨在评估松鼠如何判断是否从一个给定的树枝跳到另一个树枝的实验，他们现在也对科学做出了贡献。在此过程中，该团队捕捉到了几只松鼠，它们采用创新动作，让人联想到跑酷，执行特别棘手的动作，重新调整身体方向以推离垂直表面，以确保平稳、安全着陆。该团队在发表在《科学》杂志上的一篇新论文中描述了他们的发现。松鼠是在树梢间穿梭的高手，从一个树枝跳到另一个树枝不会摔倒。 “作为了解平衡和敏捷性生物学极限的模式生物，我认为松鼠是首屈一指的，”共同作者、前加州大学伯克利分校研究生、现在内布拉斯加大学研究生物力学的纳撒尼尔亨特说，奥马哈。 “如果我们试图了解松鼠是如何做到这一点的，那么我们可能会发现树冠和其他复杂地形中高性能运动的一般原理，这些原理适用于其他动物和机器人的运动。”加州大学伯克利分校团队认为关键可能是试错学习，并在校园西侧的一个小森林区域（桉树林/格林内尔自然区）建造了一个户外障碍训练场。 “每天都在研究区域可靠地发现来自这个种群的松鼠，”作者在他们的补充材料中写道。他们用注射器用不同图案的黑色毛皮染料标记每只松鼠，以跟踪它们。实验装置包括一个坡道，通向不同柔韧性和刚度的发射平台——基本上是模拟树枝的杆，磁性附着在垂直的钢墙上——和对面的着陆栖息处（用运动胶带包裹的木钉），它们之间的距离不同.着陆鲈鱼上还有一个杯子，盛着花生，以激励松鼠在发射平台和着陆鲈鱼之间跳跃。实验之前有一段训练期，将小块花生放在通往跳跃平台的坡道上以引诱饥饿的松鼠，在横梁末端的杯子里放一个半花生作为奖励。一旦松鼠从杯子里取下花生，团队就开始逐渐增加横梁末端和着陆平台之间的间隙。大多数松鼠在 30 分钟内就掌握了这项任务。

第一个实验侧重于决策。该团队在跳跃平台上使用了三个具有不同柔韧性的“树枝”：一根桦木杆、一根塑料管和一根覆盖黄铜杆的塑料管，所有这些都用运动胶带包裹着，这样松鼠就有了一致的牵引力。改变栖息地的灵活性对实验至关重要，因为它迫使参与的松鼠在稳定性和跳跃距离之间找到可行的权衡。加州大学伯克利分校的研究人员在第二个实验中为松鼠增加了难度，增加了树枝的灵活性或刚度范围以及最小间隙距离。他们使用刚性梁作为控制。松鼠很快就想出了如何改变它们跳跃的生物力学的方法。当从更灵活的假树枝上跳下来时，他们会更加谨慎，并且他们尝试了几次才能掌握它。 “这种适应跳跃和着陆结构的力学和几何形状的行为灵活性对于准确跨越间隙以降落在小目标上非常重要，”亨特说。亨特等人。观察到松鼠用来补偿太快或太慢的跳跃的几种不同的着陆动作。例如，如果他们跳跃时越过着陆平台，他们会绕着树枝向前滚动；如果他们跳得有点短，他们会用前腿抓住树枝并在树枝下摆动，拉起自己去拿花生。有时，松鼠的跳跃恰到好处，直接降落在鲈鱼上。最终，该团队发现着陆平台的灵活性或刚性是松鼠是否决定跳跃的最关键因素，远比间隙的距离更重要。没有一只松鼠掉下来，也许是因为它们有如此锋利的爪子。亨特说：“他们并不总是会有最好的表现——他们只需要足够好。” “他们有冗余。所以，如果他们错过了，他们不会在着陆栖息处击中他们的重心，他们能够抓住它是惊人的。他们会在下面摆动，他们会在地面上摆动顶部。它们只是不会跌倒。适应性规划行为、学习控制和反应稳定操作的这种组合帮助它们快速穿过树枝而不会跌倒。”研究人员惊讶地发现，松鼠有时会采取创新的、类似跑酷的动作来缩小差距并获得美味的花生，在跳跃中重新调整身体的方向，以便它们可以推开垂直的墙壁，从而调整它们的速度以获得更平滑的动作。降落。为了测试松鼠采取这种策略的频率，该团队同时调整了间隙距离和着陆高度。十只松鼠总共完成了 324 次跑酷跳跃试验。研究小组发现，松鼠在中跳和长跳中都非常一致地使用这种动作，但从不用于较短的跳跃。着陆平台的高度不是这些决定的相关因素。

“就像现实世界中的运动需要灵活性和创造力一样，研究自然运动的研究人员必须像他们的动物受试者一样巧妙，”凯伦阿道夫（纽约大学）和杰西杨（东北俄亥俄医科大学）在附带的观点中写道。 “诀窍是捕捉所有复杂的运动，同时保持足够的实验控制和测量保真度。亨特等人的研究是一个很好的例子。他们意想不到的结果阐明了每个房主都知道的事情：松鼠在复杂环境中航行时是聪明的杂技演员。 ”加州大学伯克利分校的团队将继续研究松鼠生物力学的复杂性及其与认知的联系，希望有朝一日能制造出具有类似跳跃能力的机器人。 “我认为这是下一个前沿：我们的身体如何决定运动？”合著者罗伯特·富尔说。“这变得更具挑战性，因为你还必须评估你的环境。这是一个重要的基础生物学问题。幸运的是，现在我们可以理解如何通过创建物理模型来体现控制和解释创新，就像有史以来最敏捷的智能机器人一样。”