该研究提出了一种端到端策略，结合语义深度对齐和FisherRF选择技术，解决了在有限视角下选择3D高斯点云最佳视图和触摸位置的问题。这种方法显著提升了复杂机器人场景中的3D感知性能，并在真实场景中改善了视图选择。

计算成像在稀疏测量中起重要作用。提出深度变分框架，利用深度生成模型学习图像重建的不确定性。通过参数化目标后验并最小化KL散度实现准确的不确定性估计。引入双向正则化的强大流模型增强稳定性和表达能力。通过填充设计方法实现方差减少。在基准任务和真实世界应用中验证方法有效。