# RA-L 首轮独立证据与叙事审查

## 审查范围与结论边界

本审查以 IROS 2026 稿件、AE 意见、六份审稿意见、三篇指定论文全文，以及 PaS、AttnGraph、HEIGHT 的原文交叉核验为依据。判断严格服从“首次 RA-L 投稿不新增训练或评测 campaign”的约束：优先通过重写、补齐现有配置、核对现有日志和收窄结论来修订；对于现有证据无法回答的问题，明确保留为限制，不虚构确认。

总体判断是：**现有结果能够支撑一篇“受模拟行人遮挡时，占用监督历史表示能否补充可见行人关系表示”的系统性实证论文，但支撑不了一篇声称提出新型 VAE、新型交互机制、真实世界遮挡推理能力或普适安全导航方法的论文。** 当前最危险的不是性能数字低，而是研究问题、方法新颖性和证据层级错位。若把故事收窄到“在一个固定开放场景协议中，向 AttnGraph 类策略加入占用监督历史表示的增量价值”，稿件可以形成连贯、诚实的 RA-L 叙事；若继续以“同时解决遮挡与复杂交互”为核心原创主张，PaS 与 AttnGraph 的直接先例会使新颖性争议难以通过文字消除。

---

## 1. 现有证据能支撑的研究问题与贡献

### 1.1 建议采用的研究问题

> 在固定的开放式拥挤导航协议中，当机器人只能获得受行人相互遮挡影响的局部观测时，由完整当前占用图监督得到的历史隐表示，能否为基于可见行人历史/预测轨迹的关系型策略提供额外信息，并改善导航成功与碰撞结果？

这个问题与现有证据逐项对应：

- “固定协议”对应 12 m × 12 m、5 m 感知半径、最多 20 名 ORCA 行人、全向圆形观测、holonomic 动力学和 500 个测试案例【稿件 p.5–6；`manuscript.txt` L555–628】。
- “受行人相互遮挡影响的局部观测”对应模拟器生成的 partial OGM，而不是相机噪声、ID switch、静态墙体遮挡或一般真实传感缺陷【稿件 p.3–4；L292–319】。
- “占用监督历史表示”准确描述以历史 partial OGM 为输入、以当前完整 OGM 为监督的编码器；它不预设该表示已经被证明为校准的 occupancy belief 或 uncertainty estimate【稿件 Eq. 2–3；L311–361】。
- “补充关系型策略”承认可见行人轨迹预测、自注意力、机器人条件化交叉注意力、GRU 与 PPO 的主要结构来自既有研究谱系，贡献在组合与当前协议下的增量验证，而非首次提出这些组件【稿件 Eq. 4–12；L363–501；AttnGraph §III；PaS §IV】。
- “改善导航结果”只指该测试分布上的观测值，不扩展为正式安全保证、跨环境泛化或真实传感鲁棒性。

### 1.2 可辩护的贡献表述

建议将贡献压缩为三点：

1. **问题/协议贡献。** 在与 AttnGraph 类设置高度接近的开放式人群模拟中，显式加入 sensing-range 内由其他行人造成的 line-of-sight 遮挡，并统一比较在该观测协议下的导航方法。这里必须给出遮挡生成、训练/测试可见性和 baseline 重训细节，才能称为受控协议，而不能笼统称为“更真实环境”。
2. **系统整合贡献。** 将一个由完整当前 OGM 监督的历史 partial-OGM 编码器，与可见行人的轨迹上下文和机器人条件化聚合相结合，形成一个用于 PPO 导航的模块化策略。该贡献是整合与适配，不是新 VAE 原理，也不是首次直接把 latent 输入策略；PaS 已明确将历史部分 OGM 的 latent 送入策略并联合优化【Mun et al., *Occlusion-Aware Crowd Navigation Using People as Sensors*, ICRA 2023, §IV-A/§IV-B】。
3. **限定条件下的经验结果。** 在单一模拟分布的 500 个测试案例中，完整配置报告 0.95 success / 0.05 collision / 0 timeout；仅关系分支为 0.87 / 0.12 / 0.01，仅占用历史分支为 0.72 / 0.27 / 0.01【稿件 Table II，p.8；L765–770】。另外，latent 输入配置优于“decode 后再 CNN 编码”变体的 success，但该结果只能描述为架构内观察，不能据此证明 latent 更准确地表示不确定性【稿件 p.7；L731–749】。真实机器人部分目前只支持运行可行性和定性部署展示【稿件 p.7；L750–760】。

### 1.3 建议标题与一句话主张

可用标题：

> **Occupancy-Supervised History Encoding for Robot Crowd Navigation under Simulated Pedestrian Occlusion**

一句话主张：

> 在一个明确限定的模拟行人遮挡协议中，完整占用监督得到的历史表示与可见行人关系表示联合使用时，获得了本稿配置中最好的成功率和碰撞率；真实机器人演示说明该管线可运行，但尚未量化验证现实遮挡推理或跨场景泛化。

### 1.4 现有证据不支持的替代主张

| 不支持的主张 | 原因与证据位置 | 应改为 |
|---|---|---|
| 首次利用历史 partial OGM latent 进行遮挡导航 | PaS 已使用历史部分 OGM、latent、策略输入与联合训练，并讨论重建精度和导航目标的冲突【PaS §IV、§VI】 | “在可见行人关系策略上增加 occupancy-supervised history encoding” |
| 提出新的双注意力交互机制 | AttnGraph 已使用行人间 self-attention、机器人查询的 cross-attention、轨迹预测、GRU 和 PPO；本稿 Eq. 4–12 与其路线高度接近【AttnGraph §III；稿件 L363–501】 | “采用/适配关系型注意力 backbone” |
| 模型学习了双向人机交互或一般人群交互能力 | 模拟行人只响应其他行人、不响应机器人【稿件 p.6；L594–601】；cross-attention 只表示机器人对行人状态的条件化聚合 | 将模块命名为“pedestrian-context self-attention”和“robot-conditioned pedestrian attention” |
| VAE 输出占用概率或校准不确定性 | 未报告输出分布、校准、NLL/Brier、occupancy accuracy；MSE 本身不能证明概率校准【Eq. 2–3；L320–351】 | “reconstructed occupancy score/map”或“occupancy-supervised latent feature” |
| 生成 collision-free / safe actions | 本方法仍有 0.05 collision rate，且无形式化 safety layer 或 bound【Table I；L695–719】 | “reduced observed collision rate under the evaluated protocol” |
| 对真实传感噪声鲁棒或完成 sim-to-real 验证 | 模拟只描述理想状态上的几何遮挡；真实实验无试验数、遮挡事件指标、baseline 或失败统计【p.7；L750–760】 | “qualitative real-robot feasibility demonstration” |
| 在多种/复杂场景中普遍优于现有方法 | 仿真只有一个 12 m × 12 m 开放几何与一类行为模型；无跨几何、静态障碍或 OOD 评测 | “highest SR/lowest CR among the evaluated implementations in this setting” |
| 两分支存在“明确互补/协同效应” | Table II 无两个分支都关闭的共同 backbone，对参数量、训练随机性也未控制 | “joint configuration outperformed either single-branch configuration” |
| latent 优势来自“更好反映遮挡不确定性、避免重建伪影” | 只观察到终端导航三项指标；没有重建质量、latent 语义或伪影分析，且 decode+CNN 改变了结构 | “the latent-input variant achieved higher success in this implementation” |

---

## 2. 精确主张与表格、公式、协议、硬件的核对

### 2.1 Table I：能说什么，不能说什么

Table I 的直接事实是：在稿件协议下，本方法为 0.95/0.05/0.00，i-AW-CL 为 0.92/0.08/0.00；差异是 success +3 个百分点、collision −3 个百分点，即各约 15/500 个 episode（若数字确由 500 个共同案例直接计数）。本方法 navigation time 15.80，优于 i-AW-CL 的 16.25，但慢于 AttnGraph 的 14.32；path length 22.05，长于 PaS-VAE、ORCA、AttnGraph 和 i-AW-CL【稿件 Table I，p.7；L708–719】。因此：

- “significantly outperforms all other approaches across success rate and collision rate”没有统计检验、多训练 seed 或配对 episode 的 discordant counts 支撑。0.95 与 0.92 的普通二项置信区间会重叠；因为各方法使用相同测试 episode，最合适的是从现有逐 episode 日志做配对分析，而不能从汇总比例推断显著性。
- “safety gains outweigh this marginal cost”是作者价值判断，不是表中直接结论。且稿件在成功 episode 上计算时间和路径【L618–620】，不同成功率的方法实际上是在不同条件子集上求平均，效率横向比较存在选择偏差。
- 现有表最多支持：“本方法在该次评测中取得最高 SR 和最低 CR；NT 不是全表最优，PL 也不是最优。”
- 应报告整数计数、置信区间或至少明确“descriptive results from one training run”；若现有日志允许，可做 paired bootstrap/McNemar，这属于现有结果再分析，不需要新训练。若日志不存在，就删除“significantly”。

审稿人关于基线原论文数值差异的担忧是成立的【AE L10–19；Review21561 L53–63】，但正确处理方式不是把原论文百分数直接搬来横向排名。协议确实不同：AttnGraph 原文同样使用 12 m × 12 m、5 m range、最多 20 人、ORCA 行人不响应机器人以及相近训练预算，但原文没有本稿的 sensing-range 内行人遮挡；PaS 原协议的人数、范围、动力学和训练目标又不同。RA-L 稿必须给出“本稿 reimplementation/adaptation”的来源、checkpoint、是否重训、输入可见性、reward、训练步数和模型选择方式，并将原论文结果仅作为协议差异说明。

尤其需要解释两个内部矛盾：

1. Table I 的 AttnGraph 为 0.81 success，而 Table II 的“仅关系分支”是 0.87【p.7–8；L717、L768】。若两者都以 AttnGraph 类关系 backbone 为基础，这 6 个百分点说明除占用分支外仍有网络、reward、预测器、mask、训练或 checkpoint 差异。未解释前，不能把 AttnGraph 0.81 到 Ours 0.95 的 14 个百分点都归因于新增遮挡表示。
2. Table I 的 PaS-VAE 为 0.71，而 Table II 的“仅占用分支”是 0.72。两者并非同一个严格控制：PaS 使用 GT-VAE latent matching、PaS encoder 与策略联合优化；本稿正文描述的是直接重建完整 OGM 的预训练编码器，且未说明 RL 阶段冻结或微调。因此不能用这两个数暗示公平的一一替代。

### 2.2 Figure 5：目前不能完成因果隔离

Figure 5 显示 SF、ORCA、DS-RNN、AttnGraph 在 “w/o occluded” 与 “w/ occluded” 下 success 均下降【稿件 p.7；L648–678】。它能支持“本模拟器中的可见性屏蔽降低了这些实现的成功率”，但还不能支持“显式遮挡建模对真实机器人是 essential”：

- 标签必须改成语义明确的 “full-state observation” 与 “line-of-sight partial observation”。“w/o occluded”可能被理解成场景中没有被遮挡行人，而不是机器人获得了这些人的状态。
- 正文没有说明两组结果是同一 checkpoint 改变测试观测、还是分别在各自观测条件下重训。前者同时包含分布偏移，后者同时改变训练条件；两者解释不同。
- 没说明四个方法是否共享完全相同的 episode、随机种子和终止判据，也没说明优化类方法在 full-state 条件下究竟获得哪些信息。
- 图中没有本文方法，因此它说明“遮挡带来困难”，不直接证明本文 encoder 解决了该困难。

这些都是现有配置/日志可确认的内容，应在 protocol 小节和图注中写清；不需要新增实验。

### 2.3 Table II：消融结论超出了设计

Table II 只有 relation-only、occupancy-only 和 joint 三行，没有 shared backbone 的 “neither” 行【稿件 p.8；L765–770】。因此：

- “enabling either module alone leads to improvements”没有参照物；应删去 “improvements”。
- joint 优于两种 single branch，只能说明在这三个已运行配置中 joint 最好，不能证明统计协同、最优融合或两者“必要”。
- 分支开关可能改变参数量、GRU 输入宽度和优化难度。没有 architecture-matched control 时，“互补性”应作为解释性假设。
- relation-only 0.87 与 AttnGraph 0.81 的差异必须先解释，否则消融不能承担来源归因。

latent 对 decode-and-reencode 的变体报告 0.75 success / 0.09 collision / 0.16 timeout【p.7；L731–749】。它与 joint latent 的主要差异不仅是 collision，还表现为 16% timeout；这更像效率/保守性改变，不能直接归因于“重建伪影 corrupt input”。应报告该变体的结构、CNN 是否共同训练、参数量和训练预算；若这些信息只能从现有配置恢复，就如实补齐。结果段改成中性陈述，不推导 latent 是 uncertainty-sufficient representation。

### 2.4 Eq. 2–3：概率模型表述存在内部不一致

稿件写成

\[
p_\theta(\hat g_t\mid o_{t-\tau+1:t})=\int p_\theta(z)p_\theta(\hat g_t\mid z,o_{t-\tau+1:t})\,dz,
\]

并用 \(q_\phi(z\mid o_{t-\tau+1:t})\) 作为“posterior”【p.4；L320–349】。需要核对实现，因为：

1. 若目标是 conditional VAE，训练期 variational posterior 通常应说明是否依赖 target \(g_t\)，并区分 conditional prior 与 posterior；当前 \(q(z\mid o)\) 的命名和生成模型不完整。
2. Eq. 2 的 decoder 条件在 \(z,o\) 上，但 Fig. 2 画成 decoder 只接收 \(z\)【稿件 p.3–4】。二者至少一个不准确。
3. “replace the standard log-likelihood with MSE”应写明 MSE 等价于固定方差 Gaussian observation model 的负对数似然，或直接把 Eq. 3 称为 reconstruction-plus-KL training loss；还需给出 KL/reconstruction 权重和归一化。
4. 二值且高度稀疏的 occupancy target 用未加权 MSE 可能被 free cells 主导。若实现中有 class weighting、mask 或输出 sigmoid，必须写出；若没有，只能将其作为设计限制。
5. \(z\) 被称为“latent feature distribution”，但策略实际接收的是均值、采样向量、还是 \([\mu,\log\sigma]\) 未说明。只有传入分布参数或进行采样并分析，才可讨论 uncertainty；否则应称 latent vector/feature。

还缺少 \(H,W\)、分辨率、物理覆盖范围、\(\tau\)、latent dimension、encoder/decoder 层、激活、训练集 episode/frame 数、split、optimizer、epoch、是否冻结、推理采样方式。这正是 AE 和 Reviewer 21 指出的可复现性缺口【AE L26–30；Review21561 L34–52】。这些应从现有配置恢复，不应猜测。

### 2.5 Eq. 1、4–12：POMDP、时序结构和缺失轨迹未闭合

- 稿件先写 \(\pi(a_t\mid o_t)\) 和 \(V^\pi(s_t)\)，后面又用 GRU history state \(h_t\)【p.3、p.5；L245–265、L475–495】。在 POMDP 中，执行策略应依赖 observation history/recurrent state 或 belief，而不是仅当前 \(o_t\)；未观测的 \(s_t\) 只能作为理论状态，除非 critic 使用 privileged state。需统一定义。
- 每个可见行人的输入包含过去 \(K\) 帧和未来 \(M\) 帧预测【p.3；L227–244】，但机器人遮挡正会使历史不完整。未写明新出现/重新出现行人的 ID、padding、mask、插值、轨迹预测器 checkpoint 和训练域。这是 Reviewer 15 最关键的问题【Review21554 L64–78】。如果模拟中用了 simulator ground-truth ID 跨遮挡保持轨迹连续，会形成未披露的 privileged information；必须从代码/配置确认。
- \(n\) 随时间变化，但 self-attention 的 padding/mask、空观测情形和最大人数没有定义。若 padding 未 mask，softmax 会聚合虚假节点。
- 正文说 temporal edges 由一个 GRU 处理以得到 \(f_{inter}\)，随后 Eq. 12 又有 final GRU；Fig. 2 只画出 planning 模块中的一个 GRU【p.3–5；L469–490】。需确认到底是一层还是两层 recurrent module、各自状态如何初始化和传递。
- Eq. 7 的缩放项应明确是 query/key dimension \(d_k\)，而不是未定义的通用 \(d\)。

### 2.6 Eq. 13：奖励定义有两个需要立即核实的问题

1. 正文把 \(d_t^{min}\) 定义为“机器人与行人的最小距离”，同时用 \(d_t^{min}<0\) 判定碰撞【稿件 p.5；L507–541】。普通欧氏中心距离不会为负；实现中若用的是 signed clearance \(\|p_r-p_i\|-(r_r+r_i)\)，必须明确写出。若代码真用非负距离，则碰撞分支不可达。
2. \(2(d_{t-1}^{goal}-d_t^{goal})\) 被称为“standard potential-based reward”【L542–554】。在折扣 \(\gamma<1\) 时，保持策略不变的标准形式应含 \(\gamma\Phi(s_t)-\Phi(s_{t-1})\)；当前式子只在特定符号约定且 \(\gamma=1\) 时吻合。安全写法是“dense progress reward”，除非作者给出严格推导。

另外，piecewise 顺序先检查 goal、再检查 collision。若一个 transition 同时进入 goal region 并碰撞，公式会给 +10；需确认实际终止判断优先级。奖励使用包括被遮挡行人的 simulator full state【L530–536】，这是训练期 privileged supervision，应明确，并确认所有 RL baseline 是否共享同一 reward。否则模块效果和 reward 信息会混杂。

### 2.7 模拟协议的现实边界

“more realistic than previous works”应改为具体事实，而非总体等级判断。当前模拟仍有以下简化【稿件 p.5–6；L555–609】：

- 单一 12 m × 12 m 开放几何，无静态墙体/家具；
- 全向 5 m 圆形传感范围，理想位置/速度输入；
- 行人由 ORCA 控制，只响应其他行人，不响应机器人；
- 机器人和行人均 holonomic，可瞬时达到期望速度；
- 遮挡仅由几何 ray/line-of-sight 规则模拟，未描述相机 FOV、检测误差、ID switch、深度噪声或 tracking drift；
- 人数写“up to 20”，但训练/测试人数分布、密度、起终点距离、\(\Delta t\)、episode horizon 和机器人半径缺失。

因此，稿件不能把“simulated pedestrian occlusion”扩写成“realistic sensor occlusion”。指定论文 *EgoTraj-Bench: Towards Robust Trajectory Prediction Under Ego-view Noisy Observations* 恰好说明真实 ego-view 输入还包含 FOV truncation、ID switch、perspective distortion、projection error 和 ego-motion drift【`2510.00405_readable.txt` L13–28、L62–72】；本稿只覆盖其中一个理想化子问题。

### 2.8 真实机器人段落目前只支持“可运行”

硬件段落给出四轮 differential-drive robot、ZED depth camera、RTX 2060 laptop、Livox 360 LiDAR、LV-DOT、FAST-LIO 和平均 25.3 Hz【稿件 p.7；L750–760】，但缺少从传感器到策略输入再到执行器的闭环说明：

- ZED 的具体型号、所谓“Livox 360”是否为 Mid-360；
- LV-DOT 如何给出持续 ID、历史轨迹和遮挡后重识别；
- partial OGM 的坐标系、栅格化、ray casting、静态点云处理与遮挡区域生成；
- holonomic \([v_x,v_y]\) 如何转换为 differential-drive \((v,\omega)\)，是否有外部 local planner/safety stop；
- 25.3 Hz 是网络 forward、策略循环还是包括 detection/tracking/SLAM 的 end-to-end rate，是否有方差和最坏延迟；
- 试验数、路线、人数/密度、遮挡事件数、success/collision/timeout、人工接管和失败案例。

如果这些信息存在于现有日志/视频，可补成系统图、运行表和定性案例；若不存在，段落应明确为 proof-of-execution，不使用 “validate effectiveness in real-world scenarios”。仿真 holonomic 与实机 differential drive 的转换尤其必须交代。Reviewer 8 对计算开销的担忧可由现有 runtime 定义和分解部分回应，但单个平均频率不足以证明低资源可部署性【Review21547 L39–50】。

---

## 3. 审稿意见：哪些能靠写作解决，哪些需确认，哪些现阶段无法闭合

### A. 可通过写作和现有材料直接解决

1. **术语错误。** 全文移除以“human–robot interaction / human–human interaction”命名作者模块或宣称作者方法具备这些能力的表述。建议改成 “pedestrian-context self-attention”“robot-conditioned pedestrian attention”“relational pedestrian context”。可保留已发表论文标题中的原词，不得改写正式标题。依据：行人不响应机器人【稿件 L594–601；AE L20–25；Review21554 L53–58】。
2. **收窄新颖性。** 明确 PaS 已有历史 partial OGM latent→policy，AttnGraph 已有双注意力+预测+GRU+PPO；本文贡献是 occupancy-supervised history branch 在当前 relation backbone/visibility protocol 上的增量整合。
3. **收窄安全、现实和 SOTA 语言。** 删除 “collision-free”“significantly”“essential for real robotic systems”“variety of scenarios”“superior performance over existing methods”等超出表格的表述；逐项写出当前协议上的 SR/CR 观察。
4. **补 baseline 文字说明。** Reviewer 19 所提问题可通过实验节简述每个 baseline 的核心输入、是否重训和与本方法的区别解决【Review21558 L74–81】。
5. **解释研究范围。** 将静态障碍、异质人群、跨几何、传感噪声和双向行为响应明确列为未覆盖范围，而非暗示已经解决。
6. **图和正文重构。** Fig. 2 应画清预训练与策略阶段、decoder 是否只在预训练使用、encoder 是否冻结、轨迹 predictor、mask、两个/一个 GRU、实机接口。系统图过简是 Reviewer 2 的合理意见【Review21541 L28–32】。
7. **视频。** 若已有拍摄素材，重剪以突出遮挡前、遮挡中、重新出现及策略响应，并明确它是定性展示；不需要新实验。若没有相应素材，不应通过旁白制造证据。
8. **语言与格式。** 修正 Reviewer 19 列出的语法问题和全文 `V AE`、`RELATEDWORK`、`performence` 等排版错误【Review21558 L83–93】。

### B. 必须由作者从现有代码、配置或日志确认，不能推测

1. VAE 的 \(H,W\)、cell size、\(\tau\)、latent dimension、网络层、输出激活、loss 权重、预训练 frame/episode/scenario 数、data split、optimizer/epoch、freeze/fine-tune、策略接收 mean/sample/mean+variance。
2. Eq. 2 的 decoder 是否条件在 \(o\) 上；Eq. 3 是否真是实现目标。
3. 轨迹 predictor 的 K/M、模型/commit/checkpoint、训练数据、缺失历史 mask/插值、遮挡后 ID 处理；模拟是否使用 ground-truth ID。
4. Figure 5 两个条件是否分别训练、共同 checkpoint 测试还是其他流程；四种方法是否用共同 episode。
5. 所有 baseline 的代码来源、修改、训练预算、reward、观测、动作空间、checkpoint 选择和 seed；尤其 i-AW-CL 的实现来源，以及 PaS/AttnGraph 是否在新协议下完整重训。
6. Table I/II 是否来自同一组 500 个配对 episode、多少训练 seed、是否可恢复逐 episode counts；0.87 relation-only 与 0.81 AttnGraph 的结构差异。
7. \(d_t^{min}\) 的真实代码定义、goal/collision 同时发生时的终止顺序、progress reward 与 \(\gamma\)，以及 baseline 是否使用相同 reward。
8. relation 模块和 planning 模块到底有几个 GRU，padding mask 如何处理可变人数和空观测。
9. 真实机器人完整数据流、holonomic-to-differential conversion、安全层/人工接管、25.3 Hz 测量边界、现有试验计数与失败记录。
10. OGM 遮挡算法：行人几何、ray casting、角分辨率、range 边界、partial/fully occluded 判据，以及完整 OGM 是否只包含 range 内人员。

以上信息只需要读取现有 artifacts，不违反固定实验约束。任何无法恢复的项目都应标为 “not recorded” 或限制，不能补写看似合理的默认值。

### C. 在现有证据下真正无法闭合；本次应承认而不是补造

1. **跨环境/几何/人数 OOD 泛化。** 单一开放 12 m × 12 m 设置无法证明；回应 Reviewer 2/15 时只能收窄结论【Review21541 L18–26；Review21554 L85–123】。
2. **静态障碍处理能力。** 当前仿真没有墙体/家具评测；不能借真实机器人底层 stack 暗示 policy 已学会处理。
3. **真实遮挡推理的定量有效性。** 没有现实遮挡事件标注、对照或指标；视频只能展示可行性。
4. **真实传感噪声鲁棒性。** 当前模拟不包含明确噪声模型；Reviewer 8 和 Reviewer 21 的问题只能通过范围说明部分回应【Review21547 L47–54；Review21561 L43–49】。
5. **异质人群/儿童/自行车/不同意图。** 半径和最大速度随机化不等于行为异质性；作为限制即可【Review21547 L51–54；Review21578 L19–30】。
6. **注意力权重具有可解释语义。** 没有已有 attention dump/可复现 checkpoint 时，不能仅凭 ablation 证明权重“关注关键关系”。若 checkpoint 存在，可对既有测试案例做 post-hoc visualization；否则删去解释性主张。
7. **正式安全保证或 edge-case robustness。** 纯 latent + PPO、无安全约束，且已有碰撞；无法通过措辞变成 guarantee。
8. **多 seed 训练稳定性。** 若只保留一个 run 的汇总结果，无法补出训练方差。应直接说明单次训练限制。
9. **HEIGHT 等新增 baseline 的同协议性能。** 没有已经运行的结果就不能补表。可以准确讨论 HEIGHT 的目标、输入和协议差异，并取消 SOTA/全面优越主张；这符合固定实验约束。

---

## 4. 三篇指定论文可借用的深层论证逻辑

### 4.1 *EgoTraj-Bench: Towards Robust Trajectory Prediction Under Ego-view Noisy Observations*

**可借用：问题由“训练假设与部署观测之间的错位”驱动，而不是由模型组件清单驱动。** 该文先把 ego-view 噪声拆成遮挡、ID switch、FOV truncation、perspective distortion、projection/ego-motion error，再构造 noisy history–clean target 配对，最后比较同一批模型在新观测条件下的退化【`2510.00405_readable.txt` L13–28、L58–92】。本稿可照此建立链条：

1. 现有 relation policy 在可见行人轨迹不完整时会损失信息；
2. 本稿只研究其中的 simulated pedestrian-to-pedestrian occlusion；
3. partial OGM history 与 simulator full OGM target 构成受控训练对；
4. 先用 Figure 5 证明该观测变化确实造成性能退化，再问 occupancy-supervised history feature 是否能补回一部分性能；
5. 最后诚实写出未覆盖的噪声类型。

**不能借用：** “deployment-realistic”“authentic ego-view noise”“benchmark”“robust to sensor noise”“clean human-verified ground truth”等主张。本稿的 input/target 都来自模拟器状态，没有真实 FPV tracking pipeline 的成对标注；也没有按噪声类型分层评测。EgoTraj-Bench 自己在结论中明确承认投影误差、未量化单类噪声和相机几何泛化限制【L229–235】，本稿也应采用这种证据自律。

### 4.2 *HiCrowd: Hierarchical Crowd Flow Alignment for Dense Human Environments*

**可借用：围绕一个可检验行为假设组织全篇，并明确区分人是否响应机器人。** HiCrowd 的核心不是“RL+MPC”，而是“跟随兼容 crowd flow 能否减少 freezing”；方法分层、reward、MPC-only ablation、freezing metric 和案例都围绕该假设。它还把 offline（回放、不响应）与 online（ORCA 响应机器人）分开报告【`2602.05608_readable.txt` L15–36、L168–211、L221–263】。

本稿应借用两点：

- 把“占用监督历史表示是否给 relation policy 提供增量信息”作为唯一主线，每个表和图只回答这一问题。
- 明确把当前模拟称为 non-reactive-to-robot setting；不要用 cross-attention 的名字替代行为响应证据。

HiCrowd 还详细报告 episode 构造、人数范围/均值、500 个共同测试 episode、baseline 训练方式、指标定义和真实实验 trial 数【L149–164、L178–211、L265–272】。这些是本稿可从现有记录补齐的报告规范。

**不能借用：** online/offline 双设置结果、freezing 改善、层级安全控制、跨数据集泛化、博物馆/Expo 的 20 次现实试验或 social compliance。当前稿件没有对应实验，也没有低层 MPC safety module。

### 4.3 *Following Is All You Need: Robot Crowd Navigation Using People As Planners*

**可借用：先改变任务分解，再证明这种分解在哪些假设下有用。** 该文将复杂 crowd navigation 改写为 leader selection + short-horizon subgoal，并明确 leader 可达性、速度/朝向假设、无 leader 时 fallback；实验表同时列部署输入需求，说明不同 baseline 获得的信息【`2504.10828_readable.txt` L22–45、L78–109、L240–260】。它也将 recorded non-reactive simulation 与真实 reactive humans 分开，并专门展示失败案例【L203–225、L306–333】。

本稿可借用的叙事方法是：

- 先把可见行人轨迹上下文与历史占用上下文定义为两类不同输入，而不是先宣布两种“交互”；
- 解释各自可能补充的信息，再用现有 single/joint 配置检验；
- 用一张 information/protocol table 列出每个 baseline 是否获得 visible states、predicted trajectories、partial OGM history、full-map training supervision、privileged reward 和 static map；
- 主动展示失败边界，尤其是从未观测行人、ID 中断和开放场景之外的限制。

**不能借用：** “people as planners”、人类智慧代理、隐式社会规范、静态障碍/异质 road users、跨 30 个真实轨迹片段的鲁棒性或无训练模块的轻量部署。它们属于该文的具体机制和证据，不属于本稿。

---

## 5. 建议的深层叙事重构

### 5.1 Introduction 的五段逻辑

1. **部署条件。** 关系型 crowd-navigation policy 常以当前可见行人及其轨迹为输入；在有限量程且发生行人遮挡时，这些轨迹会缺失或中断。
2. **现有两条路线。** PaS 类方法用历史部分 OGM 学习隐藏占用相关表示；AttnGraph/HEIGHT 类方法保留个体化可见行人上下文和预测。两者各自已有充分先例，问题不是重新发明任一条路线。
3. **具体缺口。** 在与 AttnGraph 类 dense open-space 协议中，尚不清楚 occupancy-supervised history feature 加到 visible-pedestrian relational policy 后是否提供可测增量；同时，轨迹分支在遮挡下的历史连续性必须显式处理。
4. **本文做法。** 在模拟器中引入明确的 line-of-sight pedestrian occlusion，使用历史 partial OGM 编码器和可见行人关系分支，将特征送入 recurrent PPO policy。避免称“end-to-end”，因为 trajectory predictor 和 VAE 存在预训练阶段。
5. **证据与边界。** 报告当前协议中的 baseline、single/joint configuration、latent/reconstruction variant 和实机运行展示；明确不评估静态障碍、跨几何、真实 sensing noise 或 bidirectional behavior response。

### 5.2 Related Work 的组织

建议从三类改写为四类，每类最后明确本文相对位置：

1. Reactive and predictive crowd navigation；
2. Visible-pedestrian relational policies（AttnGraph、HEIGHT、i-AW-CL）；
3. Navigation under occlusion / occupancy inference（PaS、SCOPE 等）；
4. Observation realism and alternative crowd guidance（EgoTraj-Bench、HiCrowd、Following Is All You Need）。

不能再写“这些方法都假设 full observability”。AttnGraph 有有限 FOV 和 visibility mask，HEIGHT 也会 mask 不可检测行人；准确区别是：它们没有采用本文这种以完整当前 OGM 监督历史 partial OGM 的隐藏占用表示。HEIGHT 还显式处理静态障碍与受限几何，不能被描述为较弱的开放场景前作。

### 5.3 Method 的呈现顺序

1. 先定义真实可用观测、训练期 privileged target、训练期 privileged reward 三者，避免信息泄漏不清。
2. 定义 partial OGM 生成和历史窗口；说明其只模拟 pedestrian line-of-sight occlusion。
3. 给出准确的 encoder/loss；若实现不是严格 CVAE，就不要强行称 ELBO。
4. 将原“interaction module”改为 visible-pedestrian relation encoder；说明轨迹缺失、mask、ID 和 prediction。
5. 给出 fusion/recurrent policy 数据流，明确哪些网络冻结、哪些联合更新。
6. 最后给出 reward、终止条件和训练细节，并统一 signed clearance、goal/collision priority。

### 5.4 Results 的呈现顺序

1. Protocol and implementation provenance table；
2. Figure 5：该模拟遮挡对现有方法的影响，准确说明训练/测试方式；
3. Table I：当前协议中的 descriptive comparison，给 count/uncertainty，避免跨论文数字排名；
4. Table II：仅称 configuration comparison，删除“明确互补/必要性”；
5. latent vs reconstruction variant：只报告观察与可能解释，把机制解释标成假设；
6. real-robot feasibility：系统链路、runtime 定义、现有 trial/失败信息；
7. limitations：单一场景、非响应行人、无静态障碍、理想状态输入、单 seed/无现实遮挡定量。

---

## 6. 紧凑版模拟 RA-L 审稿意见

**Summary.** 本文研究部分可观测人群中的机器人导航，将历史 partial OGM 的 VAE latent 与可见行人轨迹的注意力表示融合，并以 PPO 训练策略。固定模拟协议下，完整配置报告 0.95 success 和 0.05 collision，并给出模块配置比较及实机运行展示。

**Strengths.** 问题具有现实意义；管线完整；在同一模拟协议下，joint configuration 的结果优于两个 single-branch configuration；实机能以报告频率运行，说明实现具备部署可行性。

**Major concerns.** 第一，方法新颖性被过度表述：PaS 已将历史部分 OGM latent 用于策略，AttnGraph 已包含轨迹预测、两级注意力、GRU 和 PPO，因此当前贡献主要是整合及特定协议下的增量验证。第二，baseline 公平性和归因不清，尤其 AttnGraph 0.81 与 relation-only 0.87 的差异、i-AW-CL/PaS 的实现来源、Figure 5 的训练/测试流程均未说明。第三，VAE 概率模型、轨迹缺失处理、GRU 数据流和 reward 定义存在可复现性或数学不一致。第四，Table II 缺少共同 backbone 的 neither control，不能证明协同或必要性。第五，真实机器人实验没有量化遮挡事件、试验统计或完整感知—控制链路，只能支持定性可行性。最后，单一开放场景、非响应行人、理想状态输入和无静态障碍使一般安全、现实鲁棒性和泛化主张不成立。

**Recommendation.** 当前版本尚不适合直接投 RA-L；需要一次实质性叙事与证据边界重写。固定现有实验的条件下，最可行的路线是把论文定位为“occupancy-supervised history encoding 对可见行人关系策略的增量研究”，补齐现有配置/日志，修正公式与术语，删除统计显著性、普适安全、真实遮挡鲁棒和新型交互机制等未被支持的主张。即便完成这些修改，方法创新性仍是主要 residual risk，应在 cover letter 和稿件中主动、准确地承认与 PaS/AttnGraph/HEIGHT 的关系。

---

## 7. 按优先级排序的编辑动作

### P0：投稿前必须完成

1. 用本文第 1.1 节的研究问题重写标题、摘要、Introduction 和 contributions；删除“novel VAE/dual interaction”“end-to-end”“collision-free”“significantly outperforms”“real-world effectiveness”等强主张。
2. 全文将作者模块中的 HHI/HRI 命名替换为 pedestrian-context self-attention / robot-conditioned pedestrian attention；已发表参考文献标题保持原样。
3. 正确定位 PaS、AttnGraph、HEIGHT；加入三篇指定论文并准确说明它们提供的不同问题视角，不把它们硬塞成同协议 baseline。
4. 核对并修正 Eq. 2–3、Eq. 13、POMDP policy/value 定义、GRU 数量和 Fig. 2 数据流。
5. 写出 baseline provenance/protocol table，解释 AttnGraph 0.81 vs relation-only 0.87、Figure 5 两种条件、PaS/i-AW-CL 适配和共同 episode。
6. 将 Table I/II 的结论改成描述性语言；若现有逐 episode 日志可用，补 counts 和配对不确定性；否则明确单 run、无显著性检验。
7. 将真实机器人小节改为 feasibility demonstration，并补齐现有 pipeline、动力学转换、runtime 边界和任何已有 trial/failure 信息。

### P1：从现有配置/日志恢复后补齐

1. VAE、OGM、trajectory predictor、mask/ID、PPO 与终止条件的全部复现参数。
2. 训练/验证/测试数据来源和隔离，确认 VAE pretraining 未使用 test episode。
3. 现有 video/checkpoint 若允许，加入一个真实遮挡时序案例和一个注意力/occupancy 可视化；只作定性展示。
4. 给出每个 metric 的精确定义、成功 episode 条件平均的局限、计算硬件和 end-to-end latency 口径。

### P2：呈现层面

1. 重画 Fig. 2；Fig. 3 明确 range、cell semantics、ray casting；Fig. 5 改标签；Table I 标注“our implementations under the present protocol”。
2. 统一术语、符号、时态、单位和参考文献格式；逐项修复 Reviewer 19 的语言问题。
3. 在结论中用一段集中陈述 residual limitations，不再以 diffusion model 作为唯一未来方向；真正限制首先是证据范围和感知/协议错位，而非仅推理网络精度。

## 最终编辑判断

这篇稿件最稳妥的 RA-L 版本不是把已有组件包装成更大的“同时解决遮挡和交互”故事，而是把一个较窄但真实的问题说清楚：**在模拟行人遮挡下，占用监督历史表示对可见行人关系型导航策略提供了什么可观察的增量。** 现有 Table I/II 足以支撑限定条件下的系统结果，实机结果足以支撑可运行性；它们不足以支撑机制最优、统计显著、现实遮挡鲁棒、社会交互或通用安全。按这一边界重写，能同时回应大部分审稿意见，并把无法在固定实验约束下关闭的问题诚实转化为明确限制。