Assi del moto proprio e del moto degli oggetti modellano come percepiamo il movimento relativo al mondo

Perché la tua percezione del movimento può essere sorprendentemente insidiosa

Ogni volta che cammini in un corridoio, vai in bicicletta o esplori un videogioco in realtà virtuale, l’intera scena sembra scorrere davanti ai tuoi occhi. Eppure riesci comunque a capire quali oggetti si muovono davvero nel mondo e quali si limitano a “scivolare” sulla tua retina perché sei tu a muoverti. Questo studio pone una domanda dal tono ingenuo ma fondamentale: come separa il cervello il proprio movimento dal movimento degli altri oggetti, e conta qualcosa se tu e l’oggetto vi muovete nella stessa direzione oppure ad angolo retto l’uno rispetto all’altro?

Come viene ordinato il filmato che arriva all’occhio

Mentre ti muovi, il pattern di luce che scorre sulla retina è chiamato flusso ottico. Ogni punto della scena attraversa il tuo campo visivo in modo che dipende dalla sua distanza e dal tuo modo di muoverti. Quando un altro oggetto si muove nello stesso momento, il moto dell’immagine è una miscela tra il tuo movimento e quello dell’oggetto. L’idea prevalente è che il cervello esegua una sorta di sottrazione, rimuovendo la componente di moto causata dal movimento proprio per recuperare il moto “relativo al mondo” degli oggetti. Questo processo è noto come flow parsing. Scene reali, e realtà virtuale di alta qualità, sono ricche di indizi di profondità come la dimensione apparente e la lieve differenza tra le viste dei due occhi, e questi segnali potrebbero aiutare il cervello a compiere questa sottrazione in modo più accurato.

Testare il moto in una stanza virtuale

I ricercatori hanno messo i volontari in un ampio schermo curvo 3D che riempiva gran parte del loro campo visivo. Nel primo esperimento, le persone guardavano in una stanza virtuale con pavimento, pareti e soffitto a piastrelle, e una palla luminosa posta leggermente a sinistra o a destra della loro linea di sguardo. In ogni breve prova, sia l’osservatore sia la palla si muovevano: la scena simulava un movimento in avanti o indietro, oppure uno scorrimento a sinistra o a destra, mentre la palla stessa poteva muoversi lungo la stessa direzione (avanti–indietro) o lateralmente (sinistra–destra). Dopo mezzo secondo la scena scompariva e i partecipanti indicavano se la palla sembrava muoversi in una direzione oppure nell’opposta lungo la linea considerata. Variando il moto della palla su molte prove, il team ha individuato la condizione in cui la palla appariva ferma rispetto alla scena e ha usato questo valore per calcolare un “guadagno” che indica quanto completamente il moto proprio era stato eliminato.

Quando il percorso incrociato aiuta il cervello

Nella scena della stanza, il flow parsing del cervello raramente era perfetto: i guadagni cadevano tipicamente tra zero (nessuna compensazione del moto proprio) e uno (moto relativo al mondo completamente corretto). Crucialmente, la prestazione dipendeva dalla relazione tra il percorso dell’osservatore e quello della palla. Quando l’osservatore scivolava lateralmente, il cervello faceva un lavoro migliore per palle che si muovevano avanti o indietro rispetto a palle che si muovevano lateralmente. Viceversa, quando l’osservatore si muoveva avanti o indietro, era più facile giudicare palle che si muovevano di lato rispetto a quelle che si muovevano anche in profondità. In altre parole, il moto veniva percepito più accuratamente quando il moto proprio e il moto dell’oggetto erano ad angolo retto piuttosto che paralleli. Il lato esatto della palla, quanto era distante lateralmente e se l’osservatore si stava avvicinando o allontanando da essa avevano poco effetto.

Oggetti fluttuanti e indizi di profondità più forti

In un secondo esperimento, la stanza semplice è stata sostituita da una nuvola sparsa di cubi colorati che circondavano la palla, più simile a un classico display di laboratorio. Questi oggetti vicini fornivano informazioni di profondità più forti e un moto locale più ricco attorno al bersaglio. Sono stati testati gli stessi schemi di movimento dell’osservatore e della palla. Anche qui, il risultato chiave è stato un vantaggio per il moto ortogonale: le persone erano migliori a separare il moto proprio quando loro e la palla si muovevano lungo assi differenti rispetto a quando entrambi viaggiavano lungo la stessa linea. In queste scene affollate i guadagni erano generalmente più alti, e in una condizione — palle che si muovono lateralmente durante un moto proprio avanti–indietro — la prestazione era così buona da non risultare statisticamente distinguibile da una compensazione perfetta.

Cosa significa per la vita quotidiana e i mondi virtuali

Per un osservatore non specialistico, il messaggio principale è che il cervello non si affida a un unico segnale per capire il movimento nel mondo. Combina il pattern di scorrimento del fondo dovuto al proprio movimento con segnali sulla distanza delle cose, incluse variazioni nella loro dimensione apparente e le sottili differenze viste da ciascun occhio. Questo studio mostra che quando il tuo percorso e quello di un oggetto si incrociano ad angolo retto, quegli indizi di distanza e profondità cambiano di più, dando al cervello maggiore leva per districare cosa si sta muovendo e dove. Quando tutto si allinea lungo la stessa direzione, questi cambiamenti utili sono più deboli e i tuoi giudizi diventano meno accurati. Per i progettisti di realtà virtuale e simulatori di addestramento, ciò significa che layout e schemi di movimento che enfatizzano relazioni di profondità chiare e movimenti incrociati possono rendere più semplice per gli utenti giudicare correttamente il moto degli oggetti, avvicinando le esperienze virtuali al modo in cui percepiamo il movimento nel mondo reale.

Citazione: Guo, H., Allison, R.S. Axes of self-motion and object motion shape how we perceive world-relative motion. Sci Rep 16, 8914 (2026). https://doi.org/10.1038/s41598-026-42955-5

Parole chiave: flusso ottico, percezione del movimento, realtà virtuale, indizi di profondità, moto proprio