贝叶斯线索组合方法通过利用平移后的视觉地标，能够最准确地预测直线距离

时间：2025年12月25日

来源：Neuropsychologia

编辑推荐：

个体在虚拟现实中通过内源性（本体感觉、运动系统）和外源性（视觉地标）空间线索估计行走距离，采用贝叶斯线索组合模型，根据线索不确定性动态调整权重，发现个体差异显著影响导航行为。

美国亚利桑那大学心理学系，图森，亚利桑那州

摘要

导航需要根据多种感官信息更新和追踪自己的位置与路径。多感官输入主要分为两种形式：基于身体的内源性线索（idiothetic cues）和来自视觉标志物的外源性线索（allothetic cues）。然而，这两种信息是如何整合的至今尚未完全明了。在本研究中，我们利用沉浸式虚拟现实环境中的高度控制的直线距离估计任务来探讨内源性和外源性空间线索的整合机制。实验中，参与者在黑暗中再现行走距离；部分试验中提供了具有误导性的视觉反馈，显示虚拟房间与实际距离存在最多1.5米的偏差。我们通过计算建模分析了视觉反馈偏差对参与者行走距离的影响。模型采用了三种不同的理论框架：路径整合（path integration）、地标导航（landmark navigation）以及基于参与者感知不确定性的地标反馈整合（integrating landmark feedback）。结果表明，大多数参与者（n=24）的行为最好通过一种贝叶斯线索组合模型来预测，该模型根据线索的不确定性对其进行加权平均。数据表明，参与者在不确定性估计上存在显著个体差异，这些差异从完全依赖路径整合（忽略视觉线索）到完全依赖地标导航（忽略路径整合估计）不等。综合这些发现，支持在距离再现过程中采用贝叶斯线索组合策略，并且个体的导航行为受其感知不确定性水平的影响。

引言

导航是许多物种赖以生存的复杂行为。要进行有效的导航，必须能够评估多感官信息，以穿越和记住环境中的空间及距离。多感官输入主要分为两类：内源性线索（包括本体感觉、前庭系统和运动系统提供的信息，以及视觉流等）和外源性线索（如环境中的视觉标志物）。

参与者

参与者来自亚利桑那大学及周边地区，作为更大研究项目的一部分。共有30名参与者（8名男性，年龄范围18-28岁，平均年龄20.43岁）参与了本研究。每位参与者每小时获得20美元的报酬。所有参与者在参与研究前均签署了书面知情同意书。本研究及其方法已获得亚利桑那大学机构审查委员会的批准。

实验

当前的直线距离估计任务是对先前研究的改进版本。

计算模型的特性

在将模型应用于实际数据之前，我们通过模拟测试了模型拟合程序的有效性。对于每个模型，我们使用接近实际数据特性的参数进行模拟，然后通过拟合这些模拟数据来验证模型的预测能力（即最佳拟合模型是否与数据生成模型一致）以及参数的准确性（即最佳拟合参数是否与数据生成参数一致）。

讨论

在实验中，参与者在接收视觉反馈的情况下沿直线行走一定距离，随后尝试尽可能精确地再现这一距离。在无反馈条件下，参与者在再现过程中不接收任何视觉信息；在有反馈条件下，我们改变了视觉标志物的位置，使参与者在再现过程中看到偏移的视觉信息。

作者贡献声明

阿比拉沙·维什瓦纳特（Abhilasha Vishwanath）： 负责撰写、审稿与编辑、原始稿件撰写、数据可视化、验证、软件开发、项目管理和方法论设计、实验设计及数据分析。 唐妮特·克洛伊·马克汉姆（Donnette Chloe Markham）： 负责项目管理和数据管理。 黄寅琦（Yinqi Huang）： 方法论设计及资金申请。 马修·弗雷德里克·沃森（Matthew Frederick Watson）： 数据验证、软件开发及项目管理。 梅兰妮·金（Melanie Kim Gin）： 数据验证及软件开发。 罗伯特·C·威尔逊（Robert C. Wilson）： 负责撰写、审稿与编辑及数据可视化。