49 lines
1.8 KiB
Markdown
49 lines
1.8 KiB
Markdown
---
|
||
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 |