CARE: Contrastive Representation Learning with Environment-Invariance Regularization for Behavioural Intention Prediction
作者: Shang Gao, Zhixin Huang, Franz Götz-Hahn, Konrad Doll, Bernhard Sick
分类: cs.LG
发布日期: 2026-11-02
💡 一句话要点
提出CARE框架以解决轨迹行为意图预测中的环境变化问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 行为意图预测 对比学习 环境变化 自监督学习 轨迹分析 IRM风格 时间信息保留
📋 核心要点
- 现有的轨迹行为意图预测方法在面对环境变化时，可能会保留环境特定的规律，导致预测性能下降。
- 本文提出了CARE框架，通过结合时间不对称的对比视图与IRM风格的梯度惩罚，增强了对环境变化的鲁棒性。
- 在IMPTC衍生的四类意图任务中，CARE在不同环境下表现出色，准确率和校准误差均优于现有方法。
📝 摘要（中文）
轨迹基础的行为意图预测面临环境变化的挑战，现有方法在对比学习目标下可能保留环境特定的规律。本文提出CARE，一个自监督的轨迹学习框架，通过结合时间不对称的对比视图与环境对比风险的不可变风险最小化（IRM）风格梯度惩罚，来解决这一问题。每个输入窗口生成一个锚点、一个部分掩蔽的正视图和一个时间扰动的负视图。掩蔽重建和可观察性意识证据一致性进一步促进了在部分输入下的时间信息保留。在IMPTC衍生的四类意图任务中，CARE在IID微调下实现了0.840的准确率和0.023的期望校准误差（ECE），在报告的保留环境中则实现了0.806的准确率和0.308的Brier分数。这些结果支持了在评估的环境变化下，结合目标作为一种竞争性的表示学习方法。
🔬 方法详解
问题定义：本文旨在解决轨迹行为意图预测中由于环境变化导致的性能下降问题。现有方法在对比学习中可能保留环境特定的规律，影响模型的泛化能力。
核心思路：CARE框架通过引入时间不对称的对比视图和IRM风格的梯度惩罚，旨在最小化环境对比风险，从而增强模型对环境变化的鲁棒性。
技术框架：CARE的整体架构包括三个主要模块：输入窗口生成锚点、部分掩蔽的正视图和时间扰动的负视图。通过这些模块，模型能够在部分输入下保留时间信息。
关键创新：CARE的主要创新在于结合了时间不对称的对比学习与IRM风格的梯度惩罚，这一设计使得模型在面对环境变化时能够保持较好的性能，区别于传统的对比学习方法。
关键设计：在损失函数设计上，CARE采用了对比损失与重建损失的结合，确保模型在学习过程中能够有效保留时间信息。此外，模型的输入窗口设计也考虑了部分掩蔽和时间扰动，以增强对环境变化的适应性。
🖼️ 关键图片
📊 实验亮点
在IMPTC衍生的四类意图任务中，CARE在IID微调下达到了0.840的准确率和0.023的期望校准误差（ECE），在保留环境中则实现了0.806的准确率和0.308的Brier分数。相较于其他方法，CARE在保持较低的ECE（0.049）方面表现出色，显示出其在环境变化下的竞争力。
🎯 应用场景
CARE框架在智能交通、机器人导航和人机交互等领域具有广泛的应用潜力。通过提高行为意图预测的准确性，能够为自动驾驶、智能助手等系统提供更为可靠的支持，进而提升用户体验和系统安全性。未来，该方法还可能扩展到其他需要处理环境变化的预测任务中。
📄 摘要（原文）
Trajectory-based behavioural intention prediction faces environmental variation, and representations learned with a pooled contrastive objective may retain environment-specific regularities. We present CARE, a self-supervised trajectory-learning framework that couples temporally asymmetric contrastive views with an invariant-risk-minimisation (IRM)-style gradient penalty on environment-wise contrastive risks. Each input window yields an anchor, a partially masked positive view, and a temporally perturbed negative view. Masked reconstruction and observability-aware evidence consistency complement this objective by promoting temporal information retention under partial input. On an IMPTC-derived four-class intention task, CARE achieves 0.840 accuracy and 0.023 expected calibration error (ECE) under IID fine-tuning, and 0.806 accuracy with a Brier score of 0.308 on the reported held-out environment. Under frozen-encoder linear probing, reconstruction provides the largest individual held-out accuracy gain, whereas the complete objective yields the lowest held-out ECE (0.049) among tested variants. These results support the combined objective as a competitive representation-learning approach under the evaluated shift, while the IRM-style regulariser is not taken as evidence of formal invariance.