SocialCircle+：面向行人轨迹预测的基于角度的条件化交互表征学习

基于摘要分析。该研究针对行人轨迹预测中社会交互难以解释、物理环境如何影响交互偏好难以建模的问题，提出基于角度的条件化社会交互表征 SocialCircle+，联合描述周围行人与物理环境，并将环境条件融入交互表征。 机制上，方法受海洋动物通过回声定位感知同伴与环境的方式启发，使用社会分支和条件分支，以基于角度的循环序列分别描述行人在预测场景中的社会关系与物理环境位置，再通过自适应融合将条件线索融入社会交互线索。其研究重点是交互表征的可解释性与条件建模，而非单纯更换轨迹预测骨干网络；具体序列构造、融合公式、监督目标及训练细节尚未验证。 作者报告，SocialCircle+ 在搭配不同轨迹预测骨干网络时表现出优势，并通过反事实干预检验交互变量间因果关系的建模能力及条件作用。摘要未提供数据集、划分方式、对照方法、指标或数值，无法据此量化优势；反事实干预如何实施、是否足以支持因果解释，以及实验协议、消融及统计信息均尚未验证。 平台推测（待验证）：该方法依赖具有角度关系的空间实体及可辨识的环境条件，其“空间交互表征与条件表征分离后融合”的思路，可能用于探索 EEG 通道空间关系与记录条件的联合建模，但行人行为交互不能直接等同于电极间信号关系。可尝试复用角度序列与条件融合思想，需重新定义电极坐标、条件变量和监督任务；头皮投影的几何失真、容积传导、低信噪比、跨被试与通道布局差异，以及小数据过拟合都可能使迁移失败。一个可证伪的小实验是：在固定 EEG 解码骨干与跨被试划分下，对比无空间分支、角度空间分支及加入独立记录条件融合的版本，检验融合收益能否在相同数据预算下稳定出现。相关 EEG 工作尚未检索确认。