# 第二轮独立评审：具体 v1 改写稿

## 审查对象、边界与总判断

本轮审查对象是以下两个固定快照：

- `iterations/RAL_REWRITE_EN_v1.md`
- `iterations/RAL_REVISION_REPORT_ZH_v1.md`

我把它们与原稿、原审稿意见、第一轮独立评审以及本轮指定的相关工作材料进行了对照。本轮不把 `AUTHOR CHECK`、修改计划或报告中的承诺视为已经完成的修改，也不要求新增实验。判断严格区分三类问题：可以直接完成的文字修正、必须从现有代码/配置/日志/录像中核对的事实，以及在固定实验约束下无法补出的证据。

**总判断：v1 已经完成了一次实质性的叙事纠偏，是一份可供作者逐项核实的高质量工作稿；它还不是可直接提交的 RA-L 稿件。** 最大的提交阻断项不是措辞，而是 Table I 中路径长度、导航时间和最大速度之间尚未解释的物理/统计不一致。除此之外，多项决定论文是否可复现、内部对照是否成立的事实仍停留在 `AUTHOR CHECK`。这些标记诚实地防止了编造，但标记本身不是修复。

在作者完成一次针对现有记录的事实审计后，只需要一次有边界的终审，不需要再开启第三轮全面叙事改写。

## 1. 第一轮问题中，哪些已经真正修正

### 1.1 已经由文本实质修正的部分

1. **贡献边界已明显收窄。** 标题、摘要、引言、讨论和结论现在围绕“在指定遮挡协议下，给已有 pedestrian-motion policy 增加 occupancy-history conditioning 是否有帮助”展开。稿件不再把结果扩张为一般性的 HRI、HHI 建模、安全保证、风险校准、任意传感故障鲁棒性或跨场景泛化。

2. **最接近的既有工作被正面承认。** PaS 已使用 partial occupancy history、训练期完整占用信息和直接 latent policy input；AttnGraph 已使用轨迹预测、attention aggregation 和 recurrent policy；HEIGHT 已处理异质场景元素和可见性 masking。改写稿没有再把 occupancy history、direct latent conditioning 或 attention-based pedestrian aggregation 单独包装为新原理。

3. **内部消融与外部 baseline 已经分开。** `motion context only = 87%` 被明确称为内部 ablation，`AttnGraph = 81%` 被明确称为另一条 baseline。当前文本没有再把 81% 到 95% 的全部差值归因于 occupancy branch，也要求核对二者配置来源。这是关键修正。

4. **Fig. 5 的条件命名在概念上正确。** 原实验仍保留有限感知范围，切换的是范围内被其他行人遮挡的状态是否提供给方法。因此 `without within-range occlusion` / `with within-range occlusion` 比 `full-state observation` 更准确。最终图注在实现核实后还可以写得更直接，例如 `within-range occluded pedestrians revealed` / `within-range occluded pedestrians withheld`，并保留“有限范围始终存在”的说明。

5. **Fig. 5 的证据范围已被正确限制。** 四种方法在加遮挡条件后成功率下降，只能说明该观测协议值得研究；由于没有 proposed method 的成对结果，它不能证明本文方法对加入遮挡更鲁棒。v1 已明确说出这一点。

6. **VAE 的数学表述已变得谨慎且基本正确。** 稿件没有错误地声称 $q(z\mid\text{history})$ 因不显式条件于目标 $G$ 就不可能构成变分下界，而是把原稿可确认的内容写成 reconstruction-plus-KL 的操作性目标，并仅说明固定方差高斯解释所需的条件。它也没有从该损失推出 calibrated occupancy probability 或 calibrated uncertainty。这一处理保留了数学可能性，也避免虚构未确认的生成模型。

7. **latent 对照的结论已按可观察结果重写。** v1 把主要差异准确落在 timeout：direct latent 为 0%，decode-and-reencode 为 16%；它没有把 timeout 改名成 freezing，也没有声称 reconstruction 导致 freezing、latent 表示风险或不确定性更准确。当前的因果边界合适。

8. **三类 episode outcome 被同时保留。** branch comparison 不再只用 success rate 概括效果，而是同时报告 success/collision/timeout。`95/5/0`、`87/12/1`、`72/27/1` 让读者能看到内部对照的实际失败构成。

9. **统计语言已修正。** 稿件没有从整数百分比反推精确 episode 个数，没有从缺失信息推定单个训练 seed，也没有宣称统计显著性或跨 seed 方差。把结果称为所报告协议下的描述性结果是正确的。

10. **奖励与术语的过度解释已移除。** progress 项被称为 distance-difference shaping，而不是未经证明的 potential-based shaping；attention weight 被描述为网络内的 feature aggregation coefficient，而不是 collision probability、causal interaction 或社会响应；机器人不被 ORCA pedestrians 响应的事实也与“交互”叙述解耦。

11. **实机证据被降到 demonstration。** 当前稿只把实机部分作为 onboard perception/control stack 可运行的可行性展示，没有用未统计的录像推导成功率、安全性、遮挡恢复能力或 sim-to-real 泛化。

12. **新增相关工作的使用总体准确且克制。** EgoTraj-Bench 被用于说明真实第一视角历史还包含 ID switch、tracking drift 等当前仿真未覆盖的噪声；HiCrowd 和 *Following Is All You Need* 所支持的跟随/引导型方法描述与来源一致。没有发现把这三篇工作借来支持本文未验证能力的实质性误导。

### 1.2 仍然只是待核对，而非已经修复的部分

下表中的事项都必须回到现有实现、配置、原始结果表或录像。删除 `AUTHOR CHECK` 而不完成核对，会把诚实的工作稿变成不可验证的投稿稿。

| 类别 | 仍需从现有记录确认的事实 | 对投稿结论的影响 |
|---|---|---|
| P0 数值 | 机器人速度上限的含义、path 的距离范数、time 的步数换算、两列的 averaging population、表格转录 | 决定 Table I 是否物理和统计自洽；见第 2.1 节 |
| P0 内部对照 | 三个 branch 配置、两种 occupancy interface 配置、checkpoint、训练预算和 test cases 是否可比 | 决定 95/87/72 和 95/75 能否作为中心证据 |
| P0 baseline | 每个 baseline 的实现或 checkpoint 来源、是否重训、感知/遮挡输入、历史处理、reward、预算和 selection | 决定外部比较是否公平且可复现 |
| P0 Fig. 5 | 每行两个条件是同一 trained policy 的测试切换，还是分别训练的 policy | 决定该图是在测 evaluation sensitivity 还是两个训练条件下的结果 |
| P0 模型数据流 | occupancy encoder/decoder 的真实输入、latent 是 sample/mean/其他 feature、PPO 时 encoder 是否冻结、实际 gradient path | 决定方法描述和架构图是否正确 |
| P0 recurrence | motion branch 和 fused policy 到底有一个还是两个 GRU | 当前正文无法给出完整、唯一的网络定义 |
| P0 轨迹接口 | $K,M$、采样间隔、predictor checkpoint/data、缺失历史、新检测、ID change、重现和空检测集的处理 | 决定遮挡条件下 policy 实际看到了什么，也关系到是否意外使用 simulator ID/hidden state |
| P0 控制与 reward | signed $d_t^{\min}$ 是否含半径、goal/collision 同步发生时的优先级、action bounds、dt、horizon | 决定 reward、速度和 outcome 定义是否一致 |
| P1 decode 对照 | extra CNN 层、参数量、encoder/decoder 状态和优化设置 | 决定 20 个百分点差异能否被解释为 policy interface 比较，而非容量或训练差异 |
| P1 实机 | FAST-LIO/FAST-LIO2 名称、25.3 Hz 的计时边界、holonomic 到 differential-drive 的命令转换、限幅、安全干预、已有 trial 数及结果 | 决定 demonstration 能写到什么程度 |
| P1 相关工作 | i-AW-CL 的准确引用与协议 | 决定 baseline 身份与方法描述是否准确 |

另有一项已经具备来源、可直接完成的 related-work 写作修正，不属于作者记录核对：iCrowdNav 全文（arXiv:2606.26047v1）现已完成方法级核对。其 III-B1--3 使用多时刻 RGB-D 构造经 ego-motion 对齐的 spatio-temporal BEV feature，以当前 3D human pose 建模行人特征，再以 robot-state query 作 cross-attention；BEV、interaction 和 robot-state features 经 concatenation/MLP 后送入 PPO。因而“空间/占用相关场景表示 + 行人表示 + robot-conditioned aggregation + DRL policy”这一高层组合已经存在，不能作为本文首次提出的结构。

两者也并非同一方法：iCrowdNav 从 RGB-D 学习隐式 scene/occupancy feature，temporal encoder 预训练于 nuScenes，并使用 3D pose cues；本稿则从 partial OGM history 经 complete-local-OGM target 监督得到 latent，并使用 detected 2D tracks 的当前位置/预测轨迹。最终 related work 应准确写出这种接近关系和输入/监督差异。不同传感器、场景、训练和评测协议下不能作数值优劣比较；完成这一区分也不能单独证明全局新颖性，但它已经关闭了 v1 的“仅凭摘要、尚待全文核对”缺口。

### 1.3 固定实验约束下无法由文字或记录审计补出的证据

以下限制应继续诚实披露，不能把“没有记录”改写为正面结论：

- 没有多个训练 seed 或相应变异统计时，不能声称结果稳定或显著。
- 没有 capacity-matched、supervision-matched 和 temporal-information-matched controls 时，不能把 branch gain 唯一归因于 occupancy supervision、history、fusion 或特定表示。
- 没有按遮挡时长、遮挡比例或 visibility history 分层的结果时，不能证明收益专门来自解决遮挡。
- 单一开放场地、ORCA pedestrian family 和几何遮挡不能支持跨布局、静态障碍、异质行为模型或真实 detection/tracking error 的泛化。
- 实机 demonstration 没有明确 trial protocol 和统计结果时，只能支持“系统曾运行”，不能支持可靠性、安全性或实机性能。
- rounded percentages 与未知 seed 信息不能恢复精确样本计数、置信区间或训练方差。

## 2. 本轮发现的新问题与需要升级的问题

### 2.1 P0：路径长度、导航时间和速度上限存在多行不一致

原稿称机器人最大速度为 1 m/s，且 navigation time 与 path length 都在 successful episodes 上取平均。如果 1 m/s 是平面欧氏速度上限，path length 也由欧氏位移累加，并且两列使用同一批成功回合，则对每一回合有 $L_j\le v_{\max}T_j$，从而取均值后仍必须满足

\[
\bar L\le v_{\max}\bar T.
\]

按 v1 Table I 的数值独立重算：

| 方法 | path/time (m/s) | 与 1 m/s 欧氏上限的关系 |
|---|---:|---|
| ORCA | 19.74 / 22.47 = **0.8785** | 不冲突 |
| Social Force | 34.79 / 30.16 = **1.1535** | 冲突 |
| PaS-VAE | 16.92 / 18.99 = **0.8910** | 不冲突 |
| DS-RNN | 31.43 / 21.43 = **1.4666** | 冲突 |
| AttnGraph | 19.93 / 14.32 = **1.3918** | 冲突 |
| i-AW-CL | 21.60 / 16.25 = **1.3292** | 冲突 |
| Proposed | 22.05 / 15.80 = **1.3956** | 冲突 |

因此，当前英文稿第 194 行的 warning **漏掉了 Social Force**。需要核对的不是四行，而是五行。

若实现实际对二维速度的每个分量分别限制为 1 m/s，而 path 使用欧氏范数，则瞬时欧氏上限是 \(\sqrt{2}\approx1.4142\) m/s。这个解释可以让 Social Force、AttnGraph、i-AW-CL 和 Proposed 的比值落入上界，却仍不能解释 DS-RNN 的 **1.4666 m/s**。表格四舍五入不足以消除这一差距。

可能的原因包括：所谓 1 m/s 实际上不是这些控制器共同使用的欧氏上限；action 是逐分量裁剪；path 用了 L1 而非 L2；time 的 step-to-second 转换或首尾步计数不同；两列使用了不同 episode mask；或者原表存在转录/统计错误。现有材料不能判断是哪一种，稿件也不应替作者选择。

这一问题不会自动推翻 success/collision/timeout 三列，但它可能暴露单位、时间基准、动作限幅或统计集合的错误，因此会削弱整个 evaluation protocol 的可信度。**提交前必须从现有代码和逐回合记录重算。** 在查清前不得保留任何 efficiency claim。若现有 raw logs 已无法恢复，就应删除 path/time 两列及相关比较，而不是保留无法解释的物理冲突。

### 2.2 暂定 P0：motion encoder 的输入被改写稿过早定死

v1 第 52 行和式 (80) 明确断言 trajectory predictor 使用历史，而 motion MLP 只接收当前行人位置和预测未来位置。原稿的 preliminaries 对 human representation 的定义包含过去 $K$ 个位置，但后续方法叙述又像是 current + predicted future。也就是说，原稿自身不一致，现有文字证据不足以替实现做决定。

这里应新增一个明确的 author check：核对实际送入 MLP 的 tensor。若历史位置也进入 motion encoder，式 (80) 必须补上；若历史只进入 predictor，应在正文清楚区分 predictor input 与 policy motion-feature input。当前式 (80) 不应在未看实现时被当成已经确认的架构事实。

### 2.3 两处中文报告的成品性错误

1. `RAL_REVISION_REPORT_ZH_v1.md` 第 5 行链接到不存在的 `RAL_REWRITE_EN.md`，实际快照名是 `RAL_REWRITE_EN_v1.md`。
2. 第 370 行仍说另一个审稿代理“正在”审查并承诺稍后补齐。这是已经过期的过程文字，最终报告应改为已完成的审查结论或直接删除。

这两项不改变科学判断，但会让交付包显得未完成，应在形成最终报告时修正。

### 2.4 没有发现的错误

- 没有发现 v1 对 $q(z\mid\text{history})$ 作出“数学上无效”的错误断言。
- 没有发现从 rounded percentages 杜撰精确 episode count 或 seed count。
- 没有发现把 Fig. 5 的无遮挡条件错误写成无限感知或完整全局状态。
- 没有发现 EgoTraj-Bench、HiCrowd、*Following Is All You Need* 的关键结论被实质性误引；iCrowdNav 的全文对照也支持将其列为高层结构接近、输入与监督不同的近期工作。
- 除上述 motion-input 暂定问题外，没有发现改写稿新引入的明确数学公式错误；其余公式仍依赖列出的实现核对。

## 3. 摘要、引言与贡献部分的 6 项精确修改

### 3.1 让标题明确证据来自模拟遮挡

可将标题改为：

> **Occupancy-History Conditioning with Pedestrian Motion Context for Crowd Navigation under Simulated Pedestrian Occlusion**

`Simulated` 能立即约束证据边界；`with Pedestrian Motion Context` 则比当前标题更直接地说出本文真正评估的增量。

### 3.2 摘要把中心数字写成“所报告的内部比较”，在核实前避免因果动词

当前摘要的 `the combined model achieves ... compared with ...` 已比原稿谨慎，但可进一步写成：

> In the reported internal branch comparison, the combined configuration reports 95% success, 5% collision, and 0% timeout, versus 87%, 12%, and 1% for the motion-only configuration and 72%, 27%, and 1% for the occupancy-only configuration.

这样既保留最强结果，也让读者看到 gain 主要对应何种 failure outcome。等作者确认配置、checkpoint 和 evaluation set 后，才决定是否把 `reports` 改成更强的 `improves`。

### 3.3 引言应把两分支的真实信息来源写清，而不只说“组织观测的方式不同”

建议把核心区别明确成：motion branch 建立在 **detected tracks** 及其预测轨迹上；occupancy branch 在预训练阶段用 **privileged complete-local-occupancy target** 监督 partial-map histories，而推理时只接收 partial histories。这比“两种表示以不同方式组织重叠观测”更具体，也更能说明为何联合输入值得检验，同时不会声称 occupancy latent 一定恢复了隐藏行人。

### 3.4 在引言中一次说清训练顺序、融合方式和可见信息

建议用一个紧凑句子交代：occupancy encoder 和 trajectory predictor 如何得到或预训练，推理时哪些模块只看可用观测，motion feature、occupancy latent 与 robot state **通过 concatenation** 进入 recurrent PPO policy。encoder 是否在 PPO 阶段冻结必须等实现核实后填写。这样可避免读者从目前的连续叙述误读为整个系统 end-to-end joint training。

### 3.5 用“两项被检验的设计选择”组织贡献，但只能作描述性组织

这一组织方式比把所有结果压成一个“联合表示有效”更清楚：

1. **表示什么：** 比较 motion-only、occupancy-only 与 combined inputs，报告 `87/12/1`、`72/27/1`、`95/5/0` 的 success/collision/timeout profile。
2. **occupancy 信息如何进入 policy：** 比较 direct latent 与 decode-and-reencode，报告 `95/5/0` 与 `75/9/16`，指出后一个差值主要出现在 timeout。

这确实能提高叙事质量，因为两组比较回答不同问题，并呈现不同失败构成。但应称为 **two evaluated design choices in this architecture**，不能称为两个新的一般原理；也不能据此写成“occupancy branch 降低 collision”或“direct latent 防止 timeout”。单一聚合结果、未知容量差异和未完全确认的训练配置不支持这种模块级因果归因。

贡献条目可收敛为：

> 1. We study a recurrent crowd-navigation policy that concatenates occupancy-history features, contextualized predicted motion from detected pedestrian tracks, and robot state under finite-range simulated occlusion.
> 2. Using internal comparisons, we evaluate two design choices in this architecture: combining the two observation representations and supplying occupancy information as a direct latent rather than through the tested decode-and-reencode interface, reporting success, collision, and timeout separately.

实机内容留在 evaluation/feasibility demonstration，不必作为独立算法贡献。

### 3.6 在保留式 (80) 前确认 motion tensor

摘要和引言目前都说 motion encoder 使用 current positions + predicted futures。作者应先查实际 tensor，再让摘要、引言、方法式 (80) 和架构图统一。若 history 只用于 predictor，建议明确写成 `historical tracks are consumed by the pretrained predictor; the navigation motion encoder receives ...`；若 history 也进入 encoder，则所有相应描述都要补齐。

## 4. 模拟 RA-L 评审

### 4.1 可评审的进步

这版稿件已从一个概念范围过大的叙述，转为一个可以被同行具体质询的系统/经验问题。方法数据流比原稿清楚，最接近的 PaS、AttnGraph 和 HEIGHT 被承认，内部 branch ablation、latent-interface comparison 与外部 baseline comparison 不再混为一谈，讨论部分也正确列出 capacity、causal source 和 generalization 的限制。尤其是把 collision 与 timeout 分开，显著提高了现有结果的信息量。

相关工作定位目前没有明显的宣传性失真。iCrowdNav 全文进一步确认它是必须明确讨论的接近工作：双路 scene/pedestrian representation、robot-conditioned attention、concatenation 和 PPO 的高层模式已有先例，而本文的可区分点在 complete-local-OGM supervision、partial OGM history 和 predicted 2D tracks。v1 没有作“first”主张，这种克制是必要的；最终稿还应把已经核实的差异实际写进去。

### 4.2 尚未达到投稿就绪的原因

1. **Table I 的数值一致性是明确的 P0 blocker。** 五行在 1 m/s 欧氏上限解释下不成立，其中 DS-RNN 连逐分量 1 m/s 的 \(\sqrt2\) 上限也超过。没有解决这一点，reviewer 无法信任 efficiency metrics 的定义。
2. **中心内部比较的可比性尚未由事实建立。** 95/87/72 和 95/75 是论文最重要的现有证据，但训练配置、checkpoint selection、test set 和 decode variant 的容量/优化仍未知。
3. **方法仍不是可复现的最终描述。** 一个还是两个 GRU、latent 的取值和冻结方式、decoder condition、track 缺失处理、motion tensor、action/time definitions 都会改变实际算法。
4. **外部 baseline provenance 仍不足。** 在来源和接口表补齐前，95% 对 92% 或 81% 只能被视为“原稿报告的数字”，不能支撑公平优势。
5. **固定实验本身留下明显证据上限。** 没有多 seed、真实 perception-error protocol、场景/行为模型变化或量化实机试验。即便事实核对全部通过，稿件仍应以有限范围的 empirical/system contribution 投稿，不能恢复原来的广泛主张。

### 4.3 模拟结论

**对当前 v1：不建议直接提交；需要一次以事实与数值为中心的 major revision。** 这不是要求再做一轮大规模文字重写，也不是要求在固定实验约束外新增实验。作者应先完成以下有界审计：

1. 从代码与逐回合记录重算 action limit、time、path 和 episode masks，并修正或删除不可信的 efficiency metrics。
2. 固化 branch、latent-interface、Fig. 5 和 baseline 的配置/数据来源表。
3. 用实现统一 motion input、VAE/decoder、latent/freeze、GRU、reward/control 与实机命令链。
4. 将已完成的 iCrowdNav 方法级对照写入 related work，并修正中文报告的坏链接和过期过程文字。

完成这些后进行一次终审即可。终审主要检查所有 `AUTHOR CHECK` 是否被证据替换、数值是否闭合、摘要和贡献是否仍严格落在已有证据内。若现有记录无法回答 P0 项，则相应主张或指标必须删减；不能用更谨慎的措辞替代事实核验。