Storyboard

A fusão multissensorial combina informações de múltiplos canais (visão + propriocepção + vestibular, por exemplo) para produzir estimativas mais precisas do estado do mundo do que qualquer canal único. A estrutura Bayesiana ideal afirma que a fusão ideal pondera cada sinal inversamente proporcional à sua variância.

O ganho de precisão com N sensores idênticos é N: dois sensores com ² produzem cada um ²/2 quando mesclados. Esta é a base da integração multissensorial: mesmo que duas modalidades meçam a mesma coisa com precisão diferente, é sempre ideal combiná-las. O sistema nervoso humano implementa fusão quase ideal em tarefas de estimativa de posição visuo-háptica.

O problema da causalidade é crucial: os sinais de duas modalidades vêm da mesma fonte (causa comum) ou de fontes diferentes? A fusão só é benéfica se C = 1 (causa comum). O modelo Bayesiano causal estima P(C=1|d,d) e pesos entre fusão completa (C=1) e processamento independente (C=0). Este modelo explica o ventriloquismo (ilusão de causa comum deslocada espacialmente) e sua decomposição com grandes disparidades.

O efeito McGurk é a demonstração mais conhecida da fusão audiovisual obrigatória: ouvir /ba/ enquanto observa /ga/ ser articulado produz a percepção de /da/. O modelo Bayesiano mostra que a percepção é o fonema que maximiza a verossimilhança audiovisual conjunta: nenhum dos dois sinais por si só é suficiente para explicar o resultado, e a fusão é mais consistente do que qualquer canal individual.

O ganho de Kalman K_fus = P/(P+R) determina o quanto confiar na previsão do modelo (P) versus a nova medição (R): se R for pequeno (sensor preciso), K_fus 1 (confiar no sensor); se P for pequeno (modelo preciso), K_fus 0 (confiar na previsão). Esta ponderação adaptativa é o princípio central de todos os sistemas de navegação inercial e é implementada pelo cerebelo na coordenação sensório-motora.

>Modelo

ID:('ky', 587)

Descrição

ID:(0, 587)