前瞻与回溯：面向路网轨迹的预判式生成建模

基于摘要分析。本文研究路网中的车辆轨迹生成，重点解决交叉路口存在多个合理出口、但不同选择会导向不同后续路线的问题。作者提出 Anticipatory Generative Modeling，并以 Foresight 实现图约束下的生成式路线规划，通过预判通往目的地的未来路线辅助下一步转移选择，而非仅模拟位置序列。 核心机制是“预判—选择—更新—再预判”的概率建模循环：生成过程沿已有轨迹逐步推进，同时考虑未来路线如何展开。其主要方法定位，是把生成对象从位置变化转向路网结构上的行为与转移决策。摘要将现有扩散等生成方法在下一转移选择及偏离路网方面的不足作为动机，但尚不足以判断这些问题对哪些具体基线和设置成立。 作者报告 Foresight 在实验中优于所比较的最先进基线；摘要未提供数据集、划分、指标、具体数值及基线名称，因此无法量化或复核该结论。图约束的实现、未来路线预判的条件信息、训练与推理过程、实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若目标任务是具有已知合法状态转移图和目标条件的 BCI 控制序列生成，该循环可能用于约束动作选择；可考虑复用转移选择框架，但需将道路状态与目的地条件改造为控制状态与任务目标，并另行接入 EEG 解码及不确定性估计。它不直接解决 EEG 特征学习或跨被试泛化，低信噪比造成的状态误判、小数据下的转移估计偏差可能使前瞻误差累积。一个可检验的小实验是在同一 EEG 控制任务及固定解码器下，对比单步合法转移选择与加入未来预判的策略，观察任务成功率和错误累积是否改善。已有 EEG 相关工作尚未检索确认。