跳到主要内容
返回时间线
arXiv来源发表:

行人意图预测换一组没见过的环境:自监督目标在留出组上准确率0.806

核心概要

行人意图预测的对比式自监督预训练容易记住训练环境特有的规律,换到没见过的降水与时段组合就未必可靠。CARE把每个输入窗口拆成锚点、后段被遮挡的正样本和后段被时间扰动的负样本,并在按环境分组的对比风险上再加一项IRM式梯度惩罚,让同一个投影头在各环境里都能用;遮挡重建和证据一致性作为辅助约束。在由IMPTC轨迹构造的四类意图任务上,完整目标在IID微调下达到0.840准确率与0.023的期望校准误差,在选定的留出环境上准确率为0.806。

Source-provided article image: CARE: Contrastive Representation Learning with Environment-Invariance Regularization for Behavioural Intention Prediction
arXiv

深度剖析

行人轨迹的自监督预训练不再只用一个汇合到整批的对比目标,还要求同一个投影头在每个采集环境里都把对比风险压低。 汇合后的对比目标学到的表示可能保留环境特有的规律,常规监督学习和一般自监督预训练本身都不要求编码器避开这类环境捷径。 在IMPTC派生的四类意图任务上做全局微调,完整目标在IID划分上准确率0.840,高于LiST的0.830和DLinear的0.821,在选定的留出环境上准确率0.806,也高于DLinear的0.794和LiST的0.785。

每个输入窗口被拆成锚点、正样本和负样本三个视图,前60步在三个视图里完全一致,只有后40步被遮挡或被扰动,并在被掩码的时间步上额外做重建与证据一致性约束。 正样本把后段若干连续块换成可学习掩码,负样本对同一后段做时间滚转、批内交换或时间翻转之一;InfoNCE损失拉近锚点与正样本、推开负样本,IRM式惩罚对各环境对比风险关于冻结参考投影头的梯度取平方和,作为“共享投影头在各组都够用”这一要求的替代指标。 这些项在从IMPTC轨迹切出的窗口上联合训练,窗口长100、前60步、后40步、步长80,训练集28272个窗口、测试集8155个,环境标签由降水强度与一天中时段两列上下文共同确定。

启示与展望

结果覆盖由IMPTC轨迹切出的四类代理意图任务(直行、左转、右转、停止),标签来自运动学规则,环境标签取降水强度与一天中时段的联合条件;留出环境评估只取最大的一个已实现环境组,所以结论落在这一种环境迁移上。若要继续,可把所有样本量足够的留出环境组逐一评估,并对多种子不确定性做量化。

IRM式惩罚只是训练目标,本身不构成形式化不变性的证据;留出环境上的校准也不是一致最优,TCN的ECE为0.039,低于完整目标的0.090。这一留出结果只代表一个固定的已实现环境组,实验使用固定随机种子2且未报告种子间波动;UMAP投影只是定性观察,不能证明表示与环境标签独立;数值环境码与降水—时段名义类别的对应关系在现有稿件中没有完整记录。