28、线索组合：超越最优性的探索

线索组合：超越最优性的探索

1. 鲁棒弱融合框架

在感知构建中，感知通常由线索的加权线性组合形成，这被称为弱融合。然而，当某个深度估计与其他线索的估计存在强烈差异时，它在最终组合中的权重会降低，这体现了鲁棒性。当线索差异较大（即线索冲突）时，模型呈现非线性的线索组合行为；而在自然环境中出现的小线索差异情况下，模型则表现为线性。

Maloney和Landy等建议实验者在研究线索组合时，仅引入小的线索差异，以避免线性线索组合受到大脑应用鲁棒统计产生的非线性影响，这种实验方法被称为扰动分析。在鲁棒弱融合框架下，一些研究中出现的结果，如Rock和Victor的视觉捕获现象，以及Cutting和Millard未发现信息协同作用，都可归因于线索间的巨大冲突。此时，线索组合系统从“正常”的线性组合模式转变为高度非线性的“鲁棒”组合模式，直接忽略差异过大的线索。该框架不仅启发了许多扰动分析研究，还统一了此前多样的相关文献。

2. 可靠性敏感的弱融合

弱融合最具洞察力的方面之一是将线索的权重与其可靠性联系起来。从规范的角度看，这有助于降低参数估计的变异性。最初，Maloney和Landy建议使用“辅助测量”来估计可靠性，它能提供“与预测性能相关的信息”。可靠性敏感的弱融合需要每个线索提供两个独立信息：一是线索的值，例如“传感器A表示目标距离为173厘米”；二是其可靠性，例如“传感器A的距离估计不太可靠，95%置信区间从55厘米到456厘米”。

心理物理学有大量证据表明，观察者在估计距离时的外显行为对线索的可靠性敏感。自Landy等人的有影响力的论文发表以来，从深度估计到多感官整合，有许多线索组合实验表明，线索在组合中的权重随其可靠性增加。视觉线索的可靠性