Remember with Confidence: Uncertainty Quantification for Spatio-temporal Memory with Probabilistic Guarantees¶

会议: NeurIPS 2026
arXiv: 2606.08277
OpenReview: https://openreview.net/forum?id=TjgsCOJn16
论文: https://arxiv.org/abs/2606.08277
领域: 优化/理论
关键词: 不确定性量化, 贝叶斯最优实验设计, 时空记忆, 3D场景图, 概率保证

一句话总结¶

针对具身机器人 4D 时空记忆中视觉语言模型描述的多视角不一致与静默幻觉问题，提出基于加权语义散射矩阵对数行列式的物体级不确定性度量，并在贝叶斯最优实验设计框架下给出基于一阶随机优势的视角质量启发式不确定性下降概率保证，实现预算受限下的主动视角精炼与阶段感知描述融合。

研究背景与动机¶

在长时程具身机器人自主作业中，系统依赖持久的时空语义记忆来记录物理环境演变并支撑下游时空问答与任务规划。以 DAAAM 为代表的 4D 场景图系统和基于检索增强的具身记忆架构，通过视觉语言模型（VLM）将自然语言属性直接锚定到三维物理实体上。然而，现有系统普遍将前向 VLM 输出视作无偏先验（Oracle），完全缺乏评估所存语义描述可靠性的置信度机制。当机器人从遮挡严重、距离过远或恶劣光照等极端视点对物体进行局部采样时，VLM 会以极高模型置信度生成带有幻觉或属性冲突的错误描述，导致记忆节点被静默污染并在后续长程推理中引发灾难性错误级联。

传统深度学习不确定性量化（如 MC Dropout、深度集成或保形预测）在多模态大模型场景下难以直接奏效，核心矛盾在于序列生成模型的 Token 级输出概率与整体语义真实性严重失准；而仅依赖文本特征空间弥散度的方法又极易将语法相异但语义同质、或是表述一致但实质荒谬的描述混淆。更关键的是，在带有计算与带宽约束的在线具身感知回路中，系统无法穷举所有候选视角重新查询庞大的 VLM，必须在极有限的增量观测预算下精确识别哪些物体的语义表征仍处于未决状态，并定量证明所选增量视角能够最大概率消除模糊性。

针对上述瓶颈，研究者提出将物体跨视角语义分散度与单视角文本不连贯度耦合建模，把主动视角采集形式化为贝叶斯最优实验设计，并通过矩阵舒尔补理论建立增量信息闭式更新。核心 idea：将多视角 VLM 描述的不确定性建模为加权语义散射矩阵的对数行列式，利用一阶随机优势（FOSD）证明视角质量启发式得分等价于最大化单步不确定性期望降幅，从而以闭式舒尔补更新驱动有概率保证的主动视角精炼与阶段感知冲突融合。

方法详解¶

整体框架¶

UQ-DAAAM 的核心目标是在 DAAAM 构建的 4D 场景图基础上，为每个被追踪的物体赋予量化语义不确定性，并在固定 VLM 查询预算下优先精炼高不确定性物体。整个系统分为四个核心阶段：多视角初始分配、跨视角语义散射与不确定性评估、基于概率保证的主动视角选择（BOED）、以及阶段感知的多视角描述聚合。

输入为在线 RGB-D 传感器流，感知前端实时追踪场景中的物体碎片 $\mathcal{O}=\{o_1,\dots,o_m\}$ 并维护滚动时间窗口内的候选帧集合 $\mathcal{F}=\{f_1,\dots,f_n\}$。系统首先通过松弛的 0-1 整数线性规划（BLP）为每个物体分配固定的 $r=3$ 个初始代表性视角，由局部图像描述模型 DAM 提取初始多视角描述。随后，不确定性度量模块构建结合了 Token 不连贯度权重的语义散射矩阵，并计算其对数行列式作为物体级不确定性分数 $u_j$。若 $u_j$ 超过标定阈值 $\tau$，则激活主动精炼回路：系统利用无需查询 VLM 的几何质量启发分 $q_{ij}$ 作为替代指标，贪婪挑选最优候选帧执行增量观测，利用闭式舒尔补公式实时更新散射矩阵，直至不确定性达标或预算耗尽；最后，利用受约束的 LLM 提示词执行多视角描述融合，生成最终的场景图节点属性。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["RGB-D 传感器输入流<br/>连续帧与物体轨迹追踪"] --> B["多视角代表帧分配<br/>松弛 BLP 求解每物体 r=3 初始视角"]
    B --> C["局部 VLM 描述生成<br/>提取各视角 Caption 与 Token 置信度"]
    C --> D["加权语义散射与不确定性量化<br/>构建散射矩阵并计算 log-det 分数"]
    D --> E{"不确定性判决<br/>当前分数是否超过阈值 τ"}
    E -- "否（已置信）" --> H["阶段感知多视角描述融合<br/>保留初始视角中的合理不确定表述"]
    E -- "是（需精炼）" --> F["基于 FOSD 保证的主动视角选择<br/>按几何质量启发分 q 排序增量帧"]
    F --> G["闭式舒尔补在线更新<br/>单步增量修正散射矩阵与不确定性"]
    G --> E
    H --> I["4D 场景图记忆输出<br/>支撑下游时空问答与具身规划"]

关键设计¶

1. 加权语义散射矩阵与对数行列式不确定性度量：兼顾跨视角语义分歧与单视角文本不连贯

传统单视角具身感知无法探测视点偏差引发的幻觉。为了刻画物体在不同物理视点下的描述分歧，系统首先对局部图像描述进行语义特征提取并引入不连贯度加权。对于物体 $o_j$ 的代表视角集合 $\mathcal{V}_j = \{f_{i_1},\dots,f_{i_r}\}$，VLM 针对各视角目标裁剪图生成局部描述 $c_{ij}$。通过冻结的文本编码器 $\phi(\cdot)$ 映射并执行 $L_2$ 归一化，得到方向向量 $\boldsymbol{r}_{ij} = \phi(c_{ij}) / \|\phi(c_{ij})\|_2 \in \mathbb{R}^d$。为防止不同视角生成措辞相近但本身充满幻觉或语言崩塌的文本，系统计算每个描述的平均 Token 似然概率 $p_{ij} \in [0,1]$，构造非相干性膨胀权重 $\gamma_{ij} = \exp(\alpha(1 - p_{ij}))$，其中 $\alpha \geq 0$ 为超参数。将权重矩阵 $\boldsymbol{\Gamma}_j = \mathrm{diag}(\gamma_{1j},\dots,\gamma_{rj})$ 作用于特征矩阵，得到加权语义证据矩阵 $\boldsymbol{Z}_j = \boldsymbol{R}_j \boldsymbol{\Gamma}_j \in \mathbb{R}^{d \times r}$，其第 $\ell$ 列即为 $\boldsymbol{z}_{\ell j} = \gamma_{\ell j} \boldsymbol{r}_{\ell j}$。在此基础上，系统定义正则化语义散射矩阵及其对数行列式不确定性得分： $$ \boldsymbol{S}_j \triangleq \boldsymbol{Z}_j^\top \boldsymbol{Z}_j + \lambda \boldsymbol{I}_r = \boldsymbol{\Gamma}_j \boldsymbol{R}_j^\top \boldsymbol{R}_j \boldsymbol{\Gamma}_j + \lambda \boldsymbol{I}_r, \quad u_j \triangleq \log \det \boldsymbol{S}_j $$ 式中 $\lambda > 0$ 为数值正则项。几何上，$\det(\boldsymbol{S}_j)$ 严格对应由加权嵌入向量所张成的平行多面体超体积的平方。当不同视角的描述在语义流形上相互正交（跨视角分歧极大）或单视角 Token 似然极低（$\gamma_{ij}$ 膨胀导致向量模长放大）时，超体积急剧扩张，$u_j$ 相应显著升高，从而精准标定语义未决的物体。

2. 舒尔补闭式单步更新与贝叶斯最优实验设计（BOED）：消除重解规划的轻量增量评估

在识别出不确定物体（$u_j > \tau$）后，若针对所有可见候选视角重新调用 VLM 计算其预估方差，将引入巨大的计算开销。UQ-DAAAM 将增量观测选择严格形式化为贝叶斯最优实验设计问题：设物体隐式语义状态为 $\theta_j$，已有 $t$ 个视角累积证据为 $\mathcal{D}_j^{(t)}$，候选视角 $i \in \mathcal{C}_j^{(t)}$ 的单步 BOED 效用定义为期望不确定性降幅 $\Delta_j(i \mid \mathcal{D}_j^{(t)}) = \mathbb{E}[u_j^{(t)} - u_j^{(t+1)}(i) \mid \mathcal{D}_j^{(t)}]$。利用分块矩阵求逆引理，作者证明加入候选视角 $i$ 后的增广散射矩阵具有精确的分块结构： $$ \boldsymbol{S}j^{(t+1)}(i) = \begin{bmatrix} \boldsymbol{S}j^{(t)} & \boldsymbol{b}}^{(t)} \ (\boldsymbol{b}^{(t)})^\top & \gamma_{ij}^2 + \lambda \end{bmatrix}, \quad \boldsymbol{b{ij}^{(t)} \triangleq (\boldsymbol{Z}j^{(t)})^\top \boldsymbol{z}^t $$ 由此导出单步不确定性增量与舒尔补得分（Schur score）} \in \mathbb{R$s_{ij}^{(t)}$ 的精确闭式关系： $$ \eta}^{(t)} \triangleq (\boldsymbol{b{ij}^{(t)})^\top (\boldsymbol{S}j^{(t)})^{-1} \boldsymbol{b}, \quad s}^{(t)\right) $$ 冗余度得分 }^{(t)} \triangleq \gamma_{ij}^2 + \lambda - \eta_{ij}^{(t)}, \quad u_j^{(t+1)}(i) - u_j^{(t)} = \log\left(s_{ij}^{(t)$\eta_{ij}^{(t)} = \boldsymbol{z}_{ij}^\top \boldsymbol{P}_j^{(t)} \boldsymbol{z}_{ij}$ 对应新视角在已有证据子空间投影的平方范数，度量了新信息被既有记忆解释的程度。由此直接推出不确定性下降的充要判据：$u_j^{(t+1)}(i) < u_j^{(t)} \iff s_{ij}^{(t)} < 1 \iff \eta_{ij}^{(t)} > \gamma_{ij}^2 + \lambda - 1$。这表明只有当新视角的语义一致性足以抵消其自身的不连贯能量与正则项时，系统不确定性才会实质性收敛。

3. 一阶随机优势（FOSD）下的概率保证与低开销启发式替代：以几何质量直接驱动视角排序

尽管舒尔补提供了闭式更新，但预先计算 $\Delta_j(i)$ 仍需获取未来视角生成文本的先验分布。为实现零额外模型推理开销的主动决策，论文建立了几何启发分向信息效用的理论映射。DAAAM 原生提供的启发分 $q_{ij} \in [0,1]$ 综合了目标居中程度与有效像素面积。论文引入一阶随机优势假设（Assumption 4.6）：对于任意两个候选视角 $i, i'$，若 $q_{ij} \geq q_{i'j}$，则条件随机舒尔分满足 $s_{ij}^{(t)} \preceq_{\mathrm{FOSD}} s_{i'j}^{(t)}$，即 $\forall x > 0, \mathbb{P}(s_{ij}^{(t)} \leq x \mid \mathcal{D}_j^{(t)}) \geq \mathbb{P}(s_{i'j}^{(t)} \leq x \mid \mathcal{D}_j^{(t)})$。由于效用函数 $g(s) = -\log s$ 在 $(0,\infty)$ 上严格单调递减，根据 FOSD 性质可严格证明单调性保持： $$ q_{ij} \geq q_{i'j} \implies \mathbb{E}\left[-\log s_{ij}^{(t)} \middle| \mathcal{D}j^{(t)}\right] \geq \mathbb{E}\left[-\log s) $$ 进而导出核心理论定理（Theorem 4.8）：更高启发分的视角具有严格更高的单步不确定性下降概率，即 }^{(t)} \middle| \mathcal{D}_j^{(t)}\right] \iff \Delta_j(i \mid \mathcal{D}_j^{(t)}) \geq \Delta_j(i' \mid \mathcal{D}_j^{(t)$\mathbb{P}(u_j^{(t+1)}(i) < u_j^{(t)} \mid \mathcal{D}_j^{(t)}) \geq \mathbb{P}(u_j^{(t+1)}(i') < u_j^{(t)} \mid \mathcal{D}_j^{(t)})$。该保证赋予了轻量启发分 $q_{ij}$ 坚实的统计物理基础，使系统无需在候选集上运行黑盒 VLM，即可直接依据 $i_j^\star = \arg\max_{i \in \mathcal{C}_j} q_{ij}$ 贪婪选择增量视角。

4. 阶段感知与冲突保留的多视角描述聚合：规避幻觉覆盖并保留真实物理歧义

在完成多视角采集后，如何将可能存在属性冲突的多条描述融合成紧凑、高保真的单节点表征，是保障下游推理的关键。若直接由黑盒大模型自由重写，极易诱发事实幻觉或过早抹杀有价值的物理不确定性。UQ-DAAAM 采用基于阶段感知的受约束 LLM 聚合协议：将输入描述按采集阶段严格排序，前 $r=3$ 条标记为初始视角，后续补充的视角标记为高质量精炼视角。提示词设定三大刚性规则：第一，当精炼视角与初始视角产生事实冲突时，模型必须采信精炼视角并舍弃初始视角的陈旧假设；第二，当冲突仅发生在初始视角之间且未经后续视角纠正时，禁止模型武断消除歧义，必须采用保守的自然语言并列结构（如“white or gray”或“appears round or oval”）保留合理怀疑；第三，强制输出结构化 JSON，严格核查 used_facts 与 omitted_facts，确保正文严禁引入任何未在源描述中出现的外来事实。

损失函数 / 训练策略¶

本文属于基于冻结基础模型的具身推理与主动感知记忆架构，不涉及主干网络参数梯度更新。核心模块参数与超参数配置如下： - 特征提取与不连贯度标定：特征编码器 $\phi(\cdot)$ 采用 Sentence-T5-XL（或 CLIP-ViT-L-336px），表征维度归一化至单位球面。局部图像描述模型采用 DAM-3B，在离散采样时采样温度设为 1.0。非相干性缩放因子设定为 $\alpha = 1.0$，正则化常数设为 $\lambda = 10^{-8}$ 以确保实对称矩阵正定与数值稳定。 - 精炼与聚合预算控制：初始分配阶段每个物体碎片固定指派视角数 $r=3$（最低有效视角数限制为 2）；主动精炼阶段单物体追加预算设为 $B=2$。不确定性触发阈值 $\tau$ 设定在预先保留的标定集物体不确定性分布的前 20% 分位数（$\tau = -0.25$ 对应标准归一化分位点）。 - 求解器与在线运行时：初始视角的 0-1 整数线性规划采用 GLPK_MI 求解器（设置 15 秒超时及贪婪集合覆盖兜底），在 CPU 端基于 cvxpy 轻量化异步执行。增量舒尔补更新采用 Sherman-Morrison 逆矩阵更新机制，避免反复进行 $O(t^3)$ 矩阵求逆。最终文本聚合调用轻量级模型 GPT-5-mini（或 GPT-4o-mini）执行结构化 JSON 生成。

实验关键数据¶

主实验¶

在代表性具身智能大规模长时程时空问答基准 OC-NaVQA（基于真实室外自动驾驶与机器人巡检数据集 CODa，覆盖 7 个长序列、共 98,866 帧图像与点云数据，轨迹最长达 1.64 km，时长达 35.8 分钟）上，所有对比方案均基于统一的 4D 场景图记忆结构和相同的 GPT-5-mini 推理后端进行评测。核心评估指标包含：描述性问答准确率（Accuracy $\uparrow$）、目标三维定位误差（Position Error [m] $\downarrow$）以及事件时间溯源误差（Temporal Error [min] $\downarrow$），划分 Short、Medium、Long 及整体 All 四类评测时距。

方法	短距离 Acc ↑	中距离 Acc ↑	长距离 Acc ↑	全局 Acc ↑	短距离 Pos (m) ↓	中距离 Pos (m) ↓	长距离 Pos (m) ↓	全局 Pos (m) ↓	全局 Time (min) ↓
DAAAM (无精炼基线)	0.679	0.753	0.690	0.711	22.07	41.69	53.47	41.75	1.792
DAAAM-RR (随机分配预算)	0.683	0.751	0.694	0.716	21.52	41.19	53.34	41.78	1.769
DAAAM-QR (纯几何启发分分配)	0.715	0.760	0.748	0.738	17.83	29.47	57.26	40.14	1.734
DAAAM-NC (邻域一致性 UQ)	0.681	0.755	0.692	0.713	21.88	41.53	53.39	41.62	1.783
DAAAM-LN (Token对数似然 UQ)	0.682	0.756	0.694	0.714	21.74	41.45	53.31	41.55	1.776
DAAAM-Ent (语义熵聚类 UQ)	0.703	0.763	0.734	0.733	20.13	36.82	55.29	40.33	1.718
DAAAM-ES (特征协方差特征分 UQ)	0.714	0.769	0.748	0.743	19.28	34.61	55.87	39.69	1.683
UQ-DAAAM (本文方法)	0.731	0.778	0.786	0.761	15.46	25.35	58.94	37.84	1.589

除了下游问答表现外，论文进一步直接衡量不确定性消除能力。定义不确定性消除率（Uncertainty Reduction Rate, URR）为初始不确定物体在精炼后降至阈值 $\tau$ 以下的比例： - 随机精炼 DAAAM-RR：URR 仅为 5.6%，平均不确定性变化量 $\text{Mean }\Delta u = -0.006$； - 几何质量精炼 DAAAM-QR：URR 为 34.2%，平均变化量 $\text{Mean }\Delta u = -0.036$； - UQ-DAAAM (本文)：URR 达到 92.3%，平均变化量 $\text{Mean }\Delta u = -0.121$。

消融实验¶

消融实验系统性解耦了追加预算大小（Budget $B$）、待精炼物体选择策略（Object）、候选视角挑选启发式（View）、多视角文本融合逻辑（Fusion）以及不确定性激活阈值（Threshold）五大关键设计维度对整体系统性能的影响。

模块类别	变体配置	问答 Acc ↑	空间误差 (m) ↓	时间误差 (min) ↓	模块配置说明
预算大小 $B$	$B=1$	0.742	38.46	1.712	单物体追加 1 个额外视角查询
	$B=2$ (默认)	0.761	37.84	1.589	单物体追加 2 个额外视角查询，兼顾性价比
	$B=3$	0.774	36.99	1.539	追加 3 个视角，性能微幅提升但边际效益递减
目标选择规则	最低图像质量 (LQ)	0.748	38.63	1.651	仅根据几何质量启发分选出最差物体
	纯文本分散度 (CD)	0.737	39.25	1.703	仅依据未加权特征向量距离，易受同质幻觉误导
	无不连贯加权 (UW)	0.752	38.47	1.638	仅用纯特征散射矩阵，忽略 Token 似然差异
	完整不确定性 (Full)	0.761	37.84	1.589	完整结合语义散射与 Token 似然膨胀权重
视角选择策略	随机可见视角 (R)	0.741	39.18	1.681	随机在可见帧中采样，缺乏几何与语义指导
	视向分布启发 (Dir)	0.754	38.39	1.624	优先选择视角夹角跨度最大的视角
	启发质量分 ($q_{ij}$)	0.761	37.84	1.589	基于 FOSD 概率保证的 $q_{ij}$ 贪婪选择
多视角融合	单一最佳视角 (Best)	0.754	38.41	1.631	仅使用启发分最高视角的单一描述
	初始视角融合 (IO)	0.728	40.12	1.762	仅聚合前 3 个初始视角，忽略增量精炼内容
	精炼视角融合 (RO)	0.739	39.47	1.714	仅聚合后续增量精炼视角，丢弃初始历史
	无约束 LLM 融合 (UC)	0.747	38.89	1.668	自由提示词直接合并，易发生产物混淆与幻觉
	受约束阶段感知融合 (C)	0.761	37.84	1.589	优先采信精炼视角并显式保留初始未决歧义
激活分位阈值	10% 分位数	0.748	39.31	1.674	仅精炼不确定性最高的极端 10% 物体
	20% 分位数 (默认)	0.761	37.84	1.589	精炼 34.6% 的未决物体，达到最佳效率平衡
	30% 分位数	0.767	37.21	1.558	进一步扩大精炼范围，时延开销略有增加
	40% 分位数	0.770	37.09	1.551	相比 30% 分位数仅微弱提升，出现明显饱和

关键发现¶

不确定性引导的预算分配效率远优于传统基线：在相同额外查询预算下，UQ-DAAAM 的 URR 高达 92.3%，而仅依据几何质量筛选物体的 DAAAM-QR 仅为 34.2%，随机分配更是低至 5.6%。这证明物体初始多视角的语义分歧才是触发增量感知最敏锐的指示器。
阶段感知聚合对消灭认知幻觉至关重要：在融合策略消融中，从无约束融合（UC，Acc 0.747）到受约束阶段感知融合（C，Acc 0.761）提升了 1.4 个百分点，且显著降低了定位误差（38.89m $\to$ 37.84m）。定性分析显示，粗暴消除歧义会导致模型将远距离的“雕塑”武断锁定为“行人”，而阶段感知融合能够保留“马或长颈鹿雕塑”的合理假设，避免在空间问答中输出错误坐标。
实时性与显存开销优异：在单张 NVIDIA RTX 4090 显卡上，UQ-DAAAM 在包含近 10 万帧的真实数据流中达成 13.5 Hz 运行频率，超越传感器 10 Hz 的采集帧率。BLP 求解仅占总帧处理耗时的 1.49%，基于舒尔补更新的矩阵运算全在 CPU 上轻量完成，峰值显存完全稳定在 24 GB 以内。

亮点与洞察¶

将实验设计理论（BOED）与具身记忆主动建构严密结合：传统场景图构建将特征融合视为被动的几何投影，本文将增量视角的摄取形式化为统计实验设计，借助矩阵舒尔补推导出了单步不确定性增量的严格解析闭式。
借助一阶随机优势架起“几何启发式”与“语义不确定性降幅”的理论桥梁：证明了在 FOSD 假设下，几何质量越高的视角其舒尔补得分在统计意义上更小，从而在数学上赋予了免黑盒前向推断的启发式规则极强的理论支撑与概率保证。
“保留歧义”优于“强制坍缩”的认知设计理念：在多视角文本聚合中，明确提出初始视角的未决分歧应当被自然语言保留（例如“白色或灰色”）而非被 LLM 强行编造单一结论，这为具身智能系统处理部分可观测性提供了极具启发性的范式。

局限与展望¶

受限于底层 VLM 的绝对判别瓶颈：作者在附录定性失败案例中明确指出，若底层 VLM 对特定实体存在系统性认知盲区（例如将自行车停车架持续认作带玻璃推拉门的电话亭），多视角的语义散射矩阵即便收敛至极低不确定性，记忆库中固化的表征依然是完全错误的。
记忆与历史追踪的线性增长开销：随着机器人在同一开放环境中进行长达数小时甚至数天的长程巡航，持久化保存所有物体轨迹的各视角原始描述、增量特征与舒尔补中间状态将使内存占用持续膨胀，未来需探索基于信息遗忘与跨会话记忆压缩的紧凑表征机制。
离线批处理与主动运动规划的解耦：当前精炼过程主要在滚动时间窗口内从机器人既有轨迹中“回溯”筛选优质视角（Overt Attention），尚未将不确定性梯度直接反传至机器人的物理底盘控制器以驱动其主动导航至最优视点（Active Exploration）。

评分¶

新颖性: ⭐⭐⭐⭐⭐ 首次为 4D 具身场景图记忆引入多视角语义不确定性量化，并在 BOED 与 FOSD 框架下推导具有概率保证的闭式精炼更新。
实验充分度: ⭐⭐⭐⭐⭐ 在接近 10 万帧的大规模室外自动驾驶与机器人基准 OC-NaVQA 上完成端到端验证，消融与定性分析极具深度。
写作质量: ⭐⭐⭐⭐⭐ 数学论证严谨优雅，理论定理、舒尔补代数证明与具身系统工程实现浑然一体。
价值: ⭐⭐⭐⭐⭐ 为长时程具身感知与世界模型中的“自知其不知”提供了极具实用价值的范式，对高可靠机器人决策意义重大。

模块类别	变体配置	问答 Acc ↑	空间误差 (m) ↓	时间误差 (min) ↓	模块配置说明
预算大小 \(B\)	\(B=1\)	0.742	38.46	1.712	单物体追加 1 个额外视角查询
	\(B=2\) (默认)	0.761	37.84	1.589	单物体追加 2 个额外视角查询，兼顾性价比
	\(B=3\)	0.774	36.99	1.539	追加 3 个视角，性能微幅提升但边际效益递减
目标选择规则	最低图像质量 (LQ)	0.748	38.63	1.651	仅根据几何质量启发分选出最差物体
	纯文本分散度 (CD)	0.737	39.25	1.703	仅依据未加权特征向量距离，易受同质幻觉误导
	无不连贯加权 (UW)	0.752	38.47	1.638	仅用纯特征散射矩阵，忽略 Token 似然差异
	完整不确定性 (Full)	0.761	37.84	1.589	完整结合语义散射与 Token 似然膨胀权重
视角选择策略	随机可见视角 (R)	0.741	39.18	1.681	随机在可见帧中采样，缺乏几何与语义指导
	视向分布启发 (Dir)	0.754	38.39	1.624	优先选择视角夹角跨度最大的视角
	启发质量分 (\(q_{ij}\))	0.761	37.84	1.589	基于 FOSD 概率保证的 \(q_{ij}\) 贪婪选择
多视角融合	单一最佳视角 (Best)	0.754	38.41	1.631	仅使用启发分最高视角的单一描述
	初始视角融合 (IO)	0.728	40.12	1.762	仅聚合前 3 个初始视角，忽略增量精炼内容
	精炼视角融合 (RO)	0.739	39.47	1.714	仅聚合后续增量精炼视角，丢弃初始历史
	无约束 LLM 融合 (UC)	0.747	38.89	1.668	自由提示词直接合并，易发生产物混淆与幻觉
	受约束阶段感知融合 (C)	0.761	37.84	1.589	优先采信精炼视角并显式保留初始未决歧义
激活分位阈值	10% 分位数	0.748	39.31	1.674	仅精炼不确定性最高的极端 10% 物体
	20% 分位数 (默认)	0.761	37.84	1.589	精炼 34.6% 的未决物体，达到最佳效率平衡
	30% 分位数	0.767	37.21	1.558	进一步扩大精炼范围，时延开销略有增加
	40% 分位数	0.770	37.09	1.551	相比 30% 分位数仅微弱提升，出现明显饱和