Michael McBeath, professor in de psychologie van de staat Arizona, heeft een eenvoudig model voorgesteld om uit te leggen hoe honden Fetch spelen. Door een camera op het hoofd van een hond te monteren, ontdekte hij dat de hond zijn snelheid en richting veranderde om het beeld van de frisbee in een constante positie op zijn netvlies te houden. Deze benadering, de zogenaamde lineaire optische baan, zorgt ervoor dat de frisbee lijken met een constante snelheid in een lineair pad te bewegen. McBeath had deze onderscheppingsstrategie eerder opgemerkt bij professionele honkbalspelers die vliegenballen najagen.

Tim Pennings, een wiskundeprofessor aan Hope College, heeft ontdekt dat honden op de een of andere manier in staat om het optimale pad te berekenen naar een bal die in het water wordt gegooid. Tijdens het spelen van Fetch met zijn Welsh Corgi, merkte hij dat de hond een bepaalde afstand langs het strand rende voordat hij in het water sprong. Omdat de hond sneller is op het land, techniek minimaliseert de totale ophaaltijd. Hij toonde aan dat de hond in staat is om het optimale punt te berekenen om in het water te springen met statistische significantie, een probleem waar Pennings zijn toevlucht moet nemen tot calculus om op te lossen.

Perruchet en Gallego hebben een demo een methode ontwikkeld om dit optimale pad op een andere manier te berekenen met behulp van calculus. Ze stellen voor dat de hond zijn gedrag van moment tot moment optimaliseert en op elk moment het pad kiest waarmee hij zijn snelheid van nadering tot de bal kan maximaliseren. Dit vereist dat de hond zijn snelheid nauwkeurig kan inschatten op zowel land als water, maar vertrouwt er niet op dat de hond de hele route van tevoren plant.