D4.07.1Vision-first adjudication设计研究
感官冲突时系统通常会优先采信视觉信息
别名: sensor fusion · vision weighting · adjudication
概念解释
当系统需要在多个来源之间裁决时，通常会优先采信视觉。多模态输入（例如手势加语音、视觉追踪加触控）在冲突时需要一个默认取舍，而实现上往往把视觉来源视为更可靠。这与人对视觉的依赖相对应，但它是系统设计的选择而不是感知规律。
机制
视觉优先的默认值来自两方面。历史上视觉通道的技术成熟度更高、定位精度更好，因此积累的可靠性数据更多，权重也更高。工程上，视觉信息往往是连续且高采样率的，看起来更「有把握」，而语音与手势的识别置信度波动较大，因此在冲突时让位。这个默认在有依据时有效，但它会随条件失效：当视觉被遮挡、光照恶劣或场景中存在镜面反射时，视觉的实际可靠性下降，而默认权重不会自动跟随。
怎么研究
可用冲突注入研究裁决行为：让两个输入通道给出矛盾信息，记录系统选择了哪一方、用户是否察觉以及最终结果是否正确。变量包括各通道的置信度、环境条件与任务类型。因变量包括裁决正确率与用户对被忽略输入的补救能力。研究需明确记录系统实际使用的权重，因为裁决错误往往源于权重与真实可靠性不匹配。
边界
当某个通道在当前条件下的可靠性明显更高时，固定的视觉优先会产生系统性错误，例如夜间或强背光场景中的视觉追踪。若系统能够估计各通道的置信度，按置信度动态加权优于固定顺序。若冲突涉及的是用户意图而非物理量（例如手势与语音表达不同命令），则不存在「谁更准」的问题，需要由确认机制解决。
怎么落地
- 按条件评估各输入通道的实际可靠性，而不是假定视觉始终最可靠。
- 在能够估计置信度时按置信度加权，避免固定顺序造成的系统性偏差。
- 对无法自动裁决的冲突引入用户确认，而不是默默选择一方。
- 验证方式：注入通道冲突并记录裁决结果与用户察觉率；若错误集中在特定环境条件，说明权重需要按条件调整。