Observability-Aligned Evidential Masked Pretraining for Reliable VRU Motion Prediction

📄 arXiv: 2610.39958v1 📥 PDF

作者: Shang Gao, Franz Götz-Hahn, Konrad Doll, Bernhard Sick

分类: cs.LG

发布日期: 2026-10-29

💡 一句话要点

提出eCoMAE以解决VRU运动预测中的不确定性问题

🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)

关键词: 脆弱道路用户 运动预测 证据掩蔽预训练 不确定性建模 多变量时间序列

📋 核心要点

  1. 现有的VRU运动预测方法在面对部分可观测性和分布转移时，难以同时保证准确性和可靠性。
  2. 本文提出的eCoMAE方法通过引入证据掩蔽预训练，显式对齐预测证据与观察内容，从而提升模型的可靠性。
  3. 在IMPTC基准测试中，eCoMAE将最强基线的OOD准确率从0.7971提升至0.8068，显示出显著的性能改进。

📝 摘要（中文）

脆弱道路用户（VRU）预测必须在部分可观测性和分布转移的情况下进行，因此可靠的不确定性与准确性同样重要。掩蔽预训练在这种情况下具有吸引力，因为它自然地使模型暴露于自我监督过程中的缺失内容。然而，现有的时间序列掩蔽自编码方法通常是确定性的，并未约束置信度如何随可观测性变化。本文提出了eCoMAE，一种显式对齐预测证据与观察内容的多变量时间序列的证据掩蔽预训练方法。eCoMAE结合了块级时间步掩蔽、正态-逆伽马解码器和三种可观测性感知机制。实验结果表明，eCoMAE在IMPTC基准测试中显著提高了模型的性能。

🔬 方法详解

问题定义：本文解决的是在部分可观测性和分布转移情况下，脆弱道路用户（VRU）运动预测中的不确定性与准确性问题。现有方法通常是确定性的，未能有效处理可观测性变化带来的挑战。

核心思路：论文提出的eCoMAE方法通过证据掩蔽预训练，结合可观测性感知机制，显式对齐预测证据与观察内容，从而提升模型在不确定性下的可靠性。

技术框架：eCoMAE的整体架构包括块级时间步掩蔽、正态-逆伽马解码器和三种机制：不确定性加权均值一致性、证据抑制和表示一致性。这些模块共同作用以增强模型对可观测性变化的适应能力。

关键创新：eCoMAE的主要创新在于其证据掩蔽预训练方法，显式地将预测证据与可观测内容对齐，解决了现有方法在处理不确定性时的不足。

关键设计：在设计上，eCoMAE采用了块级时间步掩蔽策略，结合了正态-逆伽马解码器，并设置了不确定性加权损失函数，以确保模型在不同可观测性条件下的稳定性和可靠性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在IMPTC基准测试中，eCoMAE将最强基线的OOD准确率从0.7971提升至0.8068，OOD AURC从0.0718降低至0.0648。此外，在多个数据集上的行人轨迹预测中，eCoMAE也取得了最佳的微调均方误差（MSE）表现，显示出其广泛的适用性。

🎯 应用场景

该研究的潜在应用领域包括自动驾驶、智能交通系统和人机交互等场景，能够有效提升脆弱道路用户的安全性和预测准确性。未来，eCoMAE方法有望在更广泛的动态环境中应用，推动智能交通技术的发展。

📄 摘要（原文）

Vulnerable road user (VRU) prediction must operate under partial observability and distribution shift, so reliable uncertainty matters alongside accuracy. Masked pretraining is attractive in this setting because it naturally exposes the model to missing content during self-supervision, but existing time-series masked autoencoding methods are typically deterministic and do not constrain how confidence should change with observability. We introduce eCoMAE, an evidential masked pretraining method for multivariate time series that explicitly aligns predictive evidence with what is observed. eCoMAE combines block-wise time-step masking with a Normal-Inverse-Gamma decoder and three observability-aware mechanisms: uncertainty-weighted mean consistency on positions visible in both a masked view and a reference pass, evidence suppression on masked positions, and representation consistency across stochastic masks. On IMPTC benchmark for VRU intention prediction under leave-one-environment-out weather shift, eCoMAE improves the strongest baseline from 0.7971 to 0.8068 in OOD accuracy and from 0.0718 to 0.0648 in OOD AURC. Additional evaluation on pedestrian trajectory forecasting across IMPTC, Waymo, nuScenes, and inD further yields the best fine-tuning MSE on all four datasets. These results show that observability-aligned evidential pretraining improves reliability under shift and remains effective beyond the primary benchmark.