هنگامی که یک شی را در حین نگاه کردن به انبر دست معمولی نگه می‌داریم، تخمین‌ها از نشانه‌های بصری و لمسی تا اندازه به روش آماری بهینه ترکیب می‌شوند، که به موجب آن «وزن» داده‌شده به هر سیگنال، قابلیت اطمینان نسبی آن‌ها را منعکس می‌کند.
این اجازه می دهد تا خواص شی را دقیق تر از آنچه که در غیر این صورت ممکن بود تخمین بزنند. ابزارهایی مانند انبردست و انبر به طور سیستماتیک نقشه برداری بین اندازه جسم و دهانه دست را مختل می کنند.
این می تواند یکپارچگی بصری هپتیک را پیچیده کند، زیرا ممکن است قابلیت اطمینان سیگنال لمسی را تغییر دهد و در نتیجه تعیین وزن سیگنال مناسب را مختل کند.
برای بررسی این موضوع، ابتدا قابلیت اطمینان تخمین‌های اندازه لمسی را با ابزارهای مجازی انبردست (که با استفاده از نمایشگر استریوسکوپی و ربات‌های بازخورد نیرو ایجاد شده‌اند) با «افزایش» متفاوت بین باز کردن دست و اندازه جسم اندازه‌گیری کردیم.
قابلیت اطمینان لمسی در استفاده از ابزار به طور مستقیم با ترکیبی از حساسیت به تغییرات در باز شدن دست و اثرات هندسه ابزار تعیین شد.
الگوی دقیق حساسیت به باز کردن دست، که قانون وبر را نقض می‌کرد، به این معنی بود که قابلیت اطمینان لمسی با افزایش ابزار تغییر می‌کرد. سپس بررسی کردیم که آیا سیستم این تغییرات قابلیت اطمینان را محاسبه می کند یا خیر.
ما وزن داده‌شده به محرک‌های بصری و لمسی را زمانی که هر دو در دسترس بودند، دوباره با ابزارهای مختلف، با اندازه‌گیری اندازه درک شده محرک‌ها که در آن اندازه‌های دیداری و لمسی به طور مستقل متفاوت بودند، اندازه‌گیری کردیم.
وزن داده شده به هر نشانه حسی با افزایش ابزار به روشی تغییر می کند که بسیار شبیه پیش بینی های یکپارچگی حسی بهینه است.
نتایج با این ایده که هندسه‌های مختلف ابزار توسط مغز مدل‌سازی می‌شوند، مطابقت دارد و به آن اجازه می‌دهد تا نه تنها ویژگی‌های دور اجسامی که با ابزار احساس می‌شوند، بلکه اطمینانی را که آن ویژگی‌ها با آن شناخته می‌شوند را محاسبه کند.
این یافته‌ها انعطاف‌پذیری ادغام حسی انسان و استفاده از ابزار را برجسته می‌کنند و به طور بالقوه رویکردی برای بهینه‌سازی طراحی دستگاه‌های بصری هپتیک ارائه می‌دهند.
