D5.07.4Modality-specific window tuning设计研究
窗口长度需要依据具体模态组合调整而非统一固定值
别名: per-pairing window · latency budget · adaptation
概念解释
融合窗口应按模态组合、任务和设备链路校准，而不是用一个全局毫秒数。语音与指向、注视与点选、触觉提示与口头确认的信号形状和延迟来源不同；统一值要么对慢通道太窄，要么对快通道太宽。
机制
每个组合有三个时间来源：人的表达节奏、传感器与识别器的处理时间、系统把各路结果送入融合器的时间。语音包含词语、停顿和置信度更新；手势从抬手到指向完成；注视可能有采样噪声；本地按键则较快且结束明确。若都按同一个到达时刻处理，慢通道被排除，快通道却长期暴露给干扰。窗口还需要任务上下文：连续修正、拖拽或无障碍替代输入可能需要比一次性命令更长的链路。
怎么研究
可为每个组合建立时间分布模型：采集起点、完成点、识别置信度和执行结果的日志，估计第 50、90、99 百分位的自然间隔与设备延迟。受控实验再在这些分位点附近扰动延迟，观察绑定正确率和误融合率的交叉点。变量包括语句长度、用户运动能力、网络或本地推理延迟、并发任务和是否使用辅助技术。指标应同时报告漏融合与误融合，不能只优化总成功率。
边界
按组合调参不代表无限自适应。若窗口随每次输入漂移，用户无法形成稳定预期，调试也难以复现。老年用户、运动障碍用户或辅助设备产生的间隔更宽，不应被当作异常剔除；但关键操作仍不能因等待而越过确认要求。当网络延迟不可控时，宁可显示等待状态并允许取消，也不能把不确定的候选证据静默绑定。
怎么落地
- 为每个受支持的模态组合维护独立的窗口配置，记录依据、适用任务和版本。
- 把识别延迟、队列延迟和用户间隔分位数加入预算，并给高后果任务设置更保守上限。
- 提供用户可见的等待、超时和取消状态，避免不可见的长窗。
- 验证方式：在慢速、快速与辅助输入三类用户下测试，比较漏融合、误融合和完成时间；若某一类错误上升，回到对应组合调整。