SocialCircle：面向行人轨迹预测的基于角度的社会交互表示学习

基于摘要分析。本文研究行人轨迹预测中的社会交互建模问题，提出可训练的角度表示 SocialCircle，用于刻画目标个体周围不同角度方向的交互上下文，辅助预测具有多样性与不确定性的行人运动。 核心机制受到海洋动物通过回声定位同伴位置的启发，将相对于目标个体的角度方向作为交互信息的组织依据。摘要未说明角度如何离散或编码、如何聚合邻近个体信息，以及具体网络结构、损失和推理流程，因此不能据此确定其实现细节。 作者报告，将 SocialCircle 与多个近期轨迹预测模型联合训练后，预测性能得到定量改善，定性结果也更符合人类对行人社会交互的直觉。摘要未提供数据集、数据划分、对照模型名称、指标或改善幅度；实验协议、消融及统计信息尚未验证，也尚不能判断收益主要来自角度表示本身还是其他实现因素。 平台推测（待验证）：若将角度组织机制迁移到 EEG，可检验的对应关系是利用电极相对空间方向组织通道间上下文，而非将行人社会交互直接等同于脑区交互。该假设依赖可靠的电极坐标及跨记录的一致空间定义；可借鉴按方向编码和聚合上下文的思路，但需改造输入特征、坐标参照与预测目标。低信噪比、容积传导、跨被试差异、通道布局变化和小数据条件都可能使角度邻近无法对应有效功能关系。一个小规模验证可在固定 EEG 任务与同一跨被试划分下，保持主干模型和训练预算一致，对比角度组织、距离组织与不使用空间信息的聚合方式，并检验通道缺失时的稳健性。已有 EEG 相关工作尚未检索确认，原领域的作者报告不构成 BCI 有效性的证据。