力控制的相对精度随最大力比例上升而下降
别名: %MVC · 最大自主收缩力 · force steadiness
概念解释
同一个人控制力度的精细程度，不是在整个力量范围内均匀一致的——越接近这个人能发出的最大力量（以占最大自主收缩力，percent of maximum voluntary contraction，%MVC表示），控制的相对误差就越大，也就是说，输出中等力度时手更稳、更容易精确控制，而接近全力时同样大小的绝对误差会显得更明显，实际控制起来也确实更抖、更难维持在目标水平附近。
机制
肌肉产生更大力量依赖募集更多、更大的运动单位并提高它们的放电频率，而这个过程本身携带的神经驱动噪声并非恒定不变，是随着力度需求上升而近似成比例增长的——这与前一条讲到的分级噪声是同一套神经肌肉噪声来源，只是这里关心的是同一套噪声在力度量表上不同位置的相对影响：绝对噪声量在高力度区间确实更大，而这个更大的绝对噪声，相对于用户此时试图维持的力度水平而言占比也更高，两个效应叠加，使得高力度区间的相对可控性明显比中等力度区间差。
怎么研究
常见做法是让被试在不同的目标力度水平上（通常以各自的最大自主收缩力为基准，设置若干百分比，比如20%、50%、80% MVC）尝试维持恒定输出，测量输出力度随时间的波动系数（标准差除以均值）。这个变异系数随目标力度百分比上升而增大的趋势，是这条结论最常见的实证形式。
方法论注意点：不同个体的最大自主收缩力差异很大，直接比较不同人在同一绝对力度下的表现会把「个体力量差异」和「力度控制精度」这两件事混在一起，通常需要先按各自的最大力量做归一化，再比较不同%MVC水平下的相对波动，才能看清这条关系。
边界
这条关系在力度接近最大值的一端最明显，但在力度非常低、接近感知与控制阈值的另一端，精度同样会变差，只是原因不同——那是因为力度本身太小，难以被可靠感知和维持，而不是驱动噪声占比过高。因此整条力度轴上的可控性大致呈现两端差、中段较稳的形状，不是「力度越低越稳」的单调关系。
怎么落地
- 需要用户精细、稳定地控制力度输出的场景（比如需要长时间维持某个压力水平的操作），把目标力度设计在这个人力量范围的中段，避免要求用户长期维持接近全力的输出。
- 涉及不同体力人群（比如同时面向体力较弱与较强的用户）的力度交互，不要用统一的绝对力度阈值，改用相对于典型用户群体力量范围的比例来设定，减少体力较弱者被迫在自己的高%MVC区间操作。
- 验证办法：让代表性用户样本分别在自己力量范围的低、中、高三个区段尝试维持恒定力度，比较三个区段的波动系数，确认交互设计要求的力度水平落在波动最小的区段内。