---
title: "双向轨迹评估 (Bidirectional Trajectory Evaluation)"
domain: "Reinforcement Learning / Reward Design"
tags: [trajectory, evaluation, path-tracing, reward]
sources: [[thinking-with-visual-primitives]]
---

# 双向轨迹评估 (Bidirectional Trajectory Evaluation)

> 路径追踪任务的核心评估方法：同时从预测→真实（前向）和真实→预测（反向）两个方向计算轨迹对齐度。

## 为什么需要双向

单向评估的缺陷：
- **仅前向**：模型只输出起点附近的几个安全点 → 高分但路径不完整
- **仅反向**：不惩罚模型幻想出的偏离路径（detour）

**双向结合** → 激励模型输出**完整且准确**的坐标轨迹。

## 双向计算

### 前向（Forward）
对每个**预测点**，计算到**真实曲线**任意线段的最小距离 → 取平均
$$\text{Forward} = \frac{1}{N_{\text{pred}}} \sum_{p \in \text{pred}} \min_{s \in \text{GT}} \text{dist}(p, s)$$

→ 惩罚偏离真实路径的点

### 反向（Reverse）
对每个**真实点**，计算到**预测折线**任意线段的最小距离 → 取平均
$$\text{Reverse} = \frac{1}{N_{\text{GT}}} \sum_{g \in \text{GT}} \min_{s \in \text{pred}} \text{dist}(g, s)$$

→ 惩罚遗漏的曲线段

### 最终得分
$$\text{Trajectory Score} = \frac{\text{Forward} + \text{Reverse}}{2}$$

## 完整奖励组成

路径追踪 Accuracy RM = 加权组合：
1. 双向轨迹精度
2. 端点精度（起终点坐标匹配）
3. 轨迹连续性惩罚（最后预测点→预测终点的距离超过阈值则处罚）
4. 答案正确性

## 相关概念

- [[path-tracing|路径追踪]] — 应用任务
- [[exponential-decay-reward|指数衰减奖励]] — 计数任务对应方案
- [[reward-model|奖励模型]] — 整体 RM 设计