《Computers》：Disentangling Interaction and Intention for Long-Tail Pedestrian Trajectory Prediction
Chengkai Yang,
Jincheng Liu and
Xingping Dong
编辑推荐：
为解决在目标分布稀疏、智能体间行为不确定的长尾场景下，行人轨迹预测性能下降的问题，研究人员开展了“解耦交互与意图的长尾行人轨迹预测”主题研究。他们提出了一种新颖的框架，将预测任务分解为交互建模和意图建模两个互补模块，并通过一个基于频率的融合解码器进行集成。该工作无需训练单独的自编码器，消除了不合适的离散表示，并能作为插件模块无缝集成到现有预测框架中。实验表明，该方法在多个基准数据集和多种代表性模型上均取得了性能提升，尤其在困难或长尾轨迹样本上显著缓解了性能退化，为提升智能体在复杂动态环境中的感知与决策能力提供了新的思路。
预测行人未来将走向何处，是自动驾驶汽车、服务机器人等智能系统实现安全、顺畅运行的关键。然而，现实世界充满了不确定性——有人会急匆匆地冲向一个罕见的目的地，有人在拥挤人群中突然转向避让。这些不常见但至关重要的行为，构成了数据中的“长尾”部分，它们不像常见的直线行走那样规律，却往往是事故风险或系统失效的根源。传统的轨迹预测方法常常将这些“异常”与“正常”行为混在一起处理，导致模型在多数常见情况下表现尚可，但一遇到这些罕见却关键的场景就“掉链子”，预测准确性大幅下降。问题根源在于，导致这些罕见轨迹的原因可能有两类：一是异常的社交交互，二是罕见的目标意图。如果不将它们区分开来，模型就很难精准捕捉并应对。
为了破解这一难题，研究人员在《Computers》期刊上发表了一项开创性工作。他们独辟蹊径，不再将行人的未来轨迹视为一个整体来猜测，而是模拟了人类决策的认知过程：先感知环境风险，再形成目标意图，最后执行动作。基于此，他们提出了一个“解耦交互与意图”的通用框架，将复杂的预测任务拆解为两个可以独立优化的模块——社交交互建模和个体意图建模，最后再将两者的信息巧妙融合。这一设计不仅让模型能更清晰地理解行人的决策逻辑，更重要的是，它能针对“长尾”难题的两个不同来源进行精准打击。
为了开展这项研究，作者们构建了一套创新的方法体系。首先，在交互建模方面，他们设计了一个包含相对距离(D)、绝对速度(V)和相对角度(A)的三维DVA空间，以更物理、更动态的方式描述行人间的相互作用。接着，他们利用高斯混合模型(GMM)对DVA空间进行两阶段拟合，从海量数据中自动、高效地提取出那些不常见但关键的“异常交互”模式。其次，在意图建模方面，他们改进了原型对比学习(PCL)方法，以应对行人目标在二维空间中的“连续性”和“长尾性”。他们同样通过两阶段GMM拟合，分别捕捉全局目标分布和罕见的长尾意图，并生成伪标签来监督模型学习。最后，他们设计了一个频率敏感的融合解码器，能够自适应地整合来自异常交互模块和长尾意图模块的信息，生成最终的多模态轨迹预测。整个方法被设计为模型无关的，可以即插即用地增强多种现有预测框架。研究在ETH、UCY等多个公开行人轨迹数据集上进行了验证。
研究结果揭示了新框架的有效性与优势：
1. 在标准基准测试中表现优异：将所提模块集成到多种近期代表性模型（如Social-STGCNN、AgentFormer等）后，在标准评估指标（如ADE, FDE）上均取得了显著且一致的性能提升，证明了该框架的普适性和有效性。
2. 显著缓解长尾样本的性能退化：在专门筛选出的“困难”或“长尾”测试样本上，集成新框架的模型性能下降幅度远小于基线模型。这说明该方法确实增强了对罕见但关键行为的捕捉能力，解决了核心痛点。
3. 模块化设计的可解释性优势：通过可视化DVA空间中的异常交互聚类以及PCL学到的意图原型，可以直观地理解模型关注了哪些高风险交互模式（如高速接近、前方静止障碍等）以及不同的目标类别，增强了预测过程的透明度和可信度。
4. 与现有方法的对比凸显创新性：与FEND、TrACT等同样关注长尾问题的方法相比，本文方法没有采用对少数类样本进行均匀放大从而可能扭曲多数类特征空间的策略，而是选择性地提取长尾信号作为插件模块，在提升对罕见事件预测能力的同时，更好地保持了在常见情况下的核心表示与准确性。
结论与讨论：本研究首次将行人轨迹预测中的长尾不确定性明确归因于异常社交交互和罕见目标意图两个基本因素，并提出了一套完整的解耦建模与融合框架。所提出的DVA空间与两阶段GMM方法为异常社交交互的提取提供了一种可解释且高效的途径；改进的连续目标原型对比学习方法则成功地将PCL思想适配到了连续、多模态的轨迹预测任务中，克服了传统方法离散化表示不匹配的缺陷。最重要的是，整个框架是模型无关的，无需重新设计网络主干，即可作为“性能增强插件”方便地集成到广泛的现有预测模型中，具有很高的实用价值。这项研究不仅为提升复杂动态环境下轨迹预测的鲁棒性和准确性提供了新的技术路径，其“分而治之”的思想——即解耦不同来源的不确定性并进行针对性建模——也对更广泛的序列预测、决策规划等人工智能任务具有启发意义。未来，如何将该框架进一步扩展到车辆、机器人等多智能体混合场景，以及如何在线自适应地更新异常交互与意图的字典库，将是值得探索的方向。
