myWiki/concepts/bidirectional-trajectory-evaluation.md

title, domain, tags, sources

title	domain	tags	sources
双向轨迹评估 (Bidirectional Trajectory Evaluation)	Reinforcement Learning / Reward Design	trajectory evaluation path-tracing reward	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 — 应用任务
• exponential-decay-reward — 计数任务对应方案
• reward-model — 整体 RM 设计