研究问题 · 证据边界 · 可直接修改的英文

把占用历史的增量价值
写成一条清楚的论证

已有行人运动特征时，占用历史还能带来多少导航收益？围绕这个问题重写全文，保留现有实验，并让每项结论都有对应的证据。

3 篇参考论文全文分析6 份评审 + AE 意见2 轮独立审阅已返回

中文报告可编辑英文稿原稿 PDF

现有消融：差异落在成功、碰撞和超时

成功碰撞超时右列单位：%

仅运动上下文

87 / 12 / 1

仅占用历史

72 / 27 / 1

联合表示 · 直接 latent

95 / 5 / 0

联合表示 · 解码后再编码

75 / 9 / 16

数据来自原稿 Table II 和 latent 对照，没有新增实验。它们支持报告配置间的表现差异，尚不能单独证明收益机制；测试配置与统计口径仍需作者核对。

保留现有实验，重构面向 RA-L 首投的论文论证

核查日期：2026 年 10 月 14 日。原稿：Towards Safe Robot Crowd Navigation by Simultaneously Considering Occlusion and Interaction，IROS 2026 稿件 2076。依据：8 页原稿、AE 意见、6 份评审、指定聊天的全部用户需求，以及三篇指定参考论文全文。这里只讨论已提供的材料，没有运行新的导航实验，也没有替作者确认未提供的代码、日志或视频内容。

配套文件：英文全文改写。原稿及以前的报告均保留。本报告提出的是在现有实验约束下更有说服力的投稿版本，不把改写本身当成新实验或接收保证。

1. 我的核心建议：把文章写成一个具体的表示设计问题

建议采用的标题是：

Occupancy-History Conditioning for Crowd Navigation under Occlusion

中文含义：面向遮挡人群导航的占用历史条件化表示。这里的 conditioning 就是向策略提供额外特征，没有暗示新门控、新概率滤波或新优化器。更直观的备选标题是 Crowd Navigation under Occlusion with Occupancy History and Pedestrian Motion Context。

全文只围绕一个主问题展开：

当导航策略已经获得可见行人的运动特征时，再提供占用历史表示，能否改善遮挡条件下的导航结果？

这比“同时解决遮挡与复杂交互”更具体，也比“提出一种充分信念状态”更贴近现有实现。它把注意力分支当作已有技术基础，把占用历史加入策略的增量放到中心。现有最直接的证据是内部消融的 87%→95%，不是跨方法的 81%→95%。

经过两轮审阅，最终采用的组织方式是两个具体设计选择：第一，策略同时使用哪些表示；第二，占用表示经过什么接口进入策略。对应的证据分别是单分支/联合分支对比，以及 latent/解码后再编码对比。它们不构成两项新的普适原理，但比逐个介绍 VAE、attention、PPO 更能说明本文到底检验了什么。

还有一个值得在讨论中明确的观察：两组对照的失败构成不同。motion-only 为 12% 碰撞、1% 超时，decode-and-reencode 为 9% 碰撞、16% 超时，完整配置为 5% 碰撞、0% 超时。这支持分别报告碰撞和超时，而不支持把某个模块直接指定为“防碰撞模块”或“防停滞模块”。

可以用下面这段话向作者解释新故事：

我们研究机器人在看不全行人的情况下，如何组织已有感知信息。逐行人的运动表示保留当前检测对象的位置和预测轨迹；历史占用表示以空间栅格的形式组织过去的局部观测，并通过完整局部占用监督学习特征。我们让策略同时使用这两类表示，检验这种输入设计在规定遮挡环境中的作用。消融显示，组合配置优于各单分支；进一步的输入形式对照显示，直接使用 latent 的配置比解码后重新编码的配置有更少超时。

这里有三个层次，必须分开：

层次	本稿可写的内容	证据强度
设计动机	两种表示以不同方式组织重叠的观测信息，因此值得联合使用	由网络结构解释其合理性，不是机制证明
经验发现	当前组合配置在报告的测试中优于两个单分支；直接 latent 配置更好	原有表格支持，但配置与统计口径仍需核对
尚未建立的原理	收益一定源于隐藏行人推断、跨场景普遍互补、准确不确定性、最优融合	现有实验不支持

文章应聚焦“策略输入的设计及其经验收益”。 不宜再把 VAE、两层注意力和 PPO 分别列成三项算法创新，也不宜把论文改写成纯粹的“现有方法测试报告”。方法仍是主体，但方法的价值要由一个明确问题和对应实验来解释。

对 RA-L 的判断是：这个方向可以显著改善可读性、定位准确性和证据使用方式；系统增量是否足够新，仍是实质风险。我不会通过措辞把它变成已经成立的新理论。

2. 三篇参考论文值得学的深层逻辑

2.1 先核对它们是什么论文

文献	作者与发表信息	本次阅读版本	在本稿中的作用
EgoTraj-Bench: Towards Robust Trajectory Prediction Under Ego-view Noisy Observations	Jiayi Liu、Jiaming Zhou、Ke Ye、Kun-Yu Lin、Allan Wang、Junwei Liang；2025 年预印本，v2 更新于 2026-03-05。未从本次元数据确认正式发表 venue	v2 全文	学习如何从观测条件定义研究缺口，并写清输入与监督
HiCrowd: Hierarchical Crowd Flow Alignment for Dense Human Environments	Yufei Zhu、Shih-Min Yang、Martin Magnusson、Allan Wang；ICRA 2026，DOI	v3 全文，2026-06-15	学习如何把一种行为原则落实为模块职责和验证问题
Following Is All You Need: Robot Crowd Navigation Using People As Planners	Yuwen Liao、Xinhang Xu、Ruofei Bai、Yizhuo Yang、Muqing Cao、Shenghai Yuan、Lihua Xie；RA-L 10(10):9814–9821，2025，DOI	v2 全文，2025-08-07	学习如何用一个可执行的任务分解统一全文

三篇身份均已通过官方 arXiv 页面人工核对，后两篇的 venue 和 DOI 另经 Crossref 核对。技能配套自动核验程序未安装，其自动状态保留为 UNVERIFIED (helper unavailable)；这与人工取得并核对原文的状态分别记录，见 .aris/verify-papers/verified_papers.json。本次使用的是链接解析到的上述版本，不假定它们与更早投稿版本完全相同。

2.2 EgoTraj-Bench：先证明输入假设出了问题，再解释模型为什么这样设计

它的起点不是“我们有一个双流模型”，而是：机器人第一视角得到的轨迹历史有遮挡、ID 交换和定位漂移，常用的干净鸟瞰轨迹不能直接代表部署输入。论文首先改变问题定义：输入是真实感知得到的有噪历史，监督是对齐后的干净度量空间轨迹。

它的论证链条是：

理想历史与真实历史不同 → 建立成对数据与有效性标记 → 量化既有预测器在这些输入下的表现 → 联合历史重建与未来预测 → 用分支和组件对照检查设计。

深层逻辑在于，任务条件、数据构造、模型设计和指标使用的是同一种语言。“噪声鲁棒性”不是在讨论部分突然出现的形容词，而是从数据定义开始就可以被检查。其 III-A 明确写检测、跟踪、坐标投影、匹配、有效样本条件；Fig. 3 明确训练有干净监督，而推理只有有噪历史和 mask。

对本稿最有用的迁移有三点。

用观测缺口开头。 第一段从“当前没有检测到，不等于该位置不存在行人”切入；随后区分量程外缺失与量程内遮挡。删除大段“AI 发展迅速、机器人越来越普及”的铺垫。
把信息来源画清楚。 部分 OGM 是输入、完整局部 OGM 是训练监督、未来轨迹是预测器输出；三个东西不能混写成“真实状态”。这会直接改善 AE 对 VAE 不透明的评价。
让已有 Fig. 5 承担问题诊断。 它展示四种方法加遮挡后成功率下降，说明观测协议值得研究；随后再用内部消融回答本文的设计问题。

不能照搬的内容也很明确：本稿没有真实第一视角噪声数据集，不能据几何遮挡模拟声称解决 ID switch、传感器噪声或广泛 sim-to-real 鲁棒性；不能把这篇预测论文的 ADE/FDE 收益当作本稿闭环导航证据。BiFlow 推理时不用历史重建 decoder，能帮助解释辅助训练和部署接口的区别，但不能使本稿的直接 latent 设计获得新颖性，因为 PaS 更早已有这一路线。

值得借鉴的诚实写法：EgoTraj-Bench 的 V-C 明说与 MoFlow 的对照并非严格结构匹配，因此只说结果“suggest”。本稿也应明确内部消融未控制容量，不能由组合更好直接宣布普遍协同机制。

2.3 HiCrowd：一个原则对应一种决策接口，再给每个模块明确职责

HiCrowd 的核心是“沿合适的人流前进”。这句话在方法中有可检查的落点：高层 RL 输出 follow point，跟随奖励鼓励运动对齐，低层 MPC 追踪短时目标。它不是仅在文章中把普通速度策略称为“人流理解”。

它的论证链条是：

拥挤环境中机器人容易停滞 → 合适的人流提供前进方向 → 高层选引导点、低层执行 → 与直接朝终点的 MPC 对照 → 检查跟随奖励、成功/碰撞/超时及冻结频率。

方法内部的分工和实验内部的提问相互对应。其 IV-D 明确定义 freezing frequency；V-C 对跟随奖励做对照；IV-B 区分行人不响应机器人的 offline replay 与响应机器人的 online ORCA。这些并不是装饰性细节，它们限定了“连续前进”究竟在哪里得到支持。

本稿可以借的，是写出每一步计算承担的职责：

本稿步骤	应解释的职责	不应附加的能力
占用历史编码	从历史部分地图产生有完整局部占用监督的特征	精确定位所有隐藏行人
行人自注意力	为每个检测行人汇总其他行人的运动特征	识别真实行为因果
机器人查询聚合	把可变数量特征变成与机器人状态有关的摘要	估计碰撞概率或人的让路意图
拼接与 GRU	让策略共同使用两分支信息并保留循环状态	新的自适应风险融合

另一点是把碰撞和超时分开。latent 对照的 16 个百分点超时差应当突出，而不是用“更准确地建模不确定性”直接解释。但 HiCrowd 有明确冻结频率，本稿只有 timeout，不能把 timeout 改名成 freezing。超过时间上限也可能来自绕路、速度低、震荡或其他原因。

不能借的还有层级控制和安全保证。本稿输出速度，没有 follow point→MPC 的结构，不能因为用了两层注意力就叫 hierarchical RL。HiCrowd 的 MPC 描述本身主要是优化代价，也不应从“用了 MPC”泛化出无条件避碰保证。参考论文中“optimal”等强措辞不是本稿照写的依据。

2.4 People as Planners：新颖性来自可执行的任务重分配

这篇 RA-L 论文把“行人也在解决路径规划问题”转成具体机制：按可达性、方向、速度和位置选择 leader，再为简单局部规划器给出容易到达的 subgoal。人少或没有合适 leader 时，系统有退回原目标的规则。

它的论证链条是：

周围人已经在作导航决策 → 机器人可利用其决策结果 → 选谁、怎么跟、何时切换、何时退回 → 同一简单底层规划器加入这套指导后表现变化 → 展示成功、切换和失败事件。

最值得学的并非标题大胆，而是它能回答“这句新观点在代码中改变了什么”。其 III-A/B 有可执行决策，IV-C/D 的事件分析又回到这些决策。普通 SF 与该框架的对照提供一个有用参照，但不应把它理解为对所有规则与调参因素的严格因果分离。

这给本稿两条现实启发：

论文可以建立在常见组件上，但必须让读者看见明确的设计选择及其价值。对本稿，就是在运动表示基础上加入占用历史，以及选择什么形式的占用特征作为策略输入。
把失败和退化情况写清楚会增强可理解性。没有检测行人时怎么办、某人首次出现时历史从哪里来、重现后 ID 如何处理，比再写一段“理解复杂交互”更有价值。

但本稿没有 leader selection、可达性筛选或 subgoal 接口，不能简单改名为“People as Context”就声称继承了这种创新。两者的深层区别是：People as Planners 提出了具体的导航决策重分配，本稿当前更多是已有表示的整合。

评价指标也不能跨论文混用。People as Planners 的 TCC 统计 30 Hz 仿真中的碰撞帧，碰撞后继续运行；本稿是回合终止式 collision rate。它的 100 次重复也不是本稿缺少的 100 个 RL 训练种子。

2.5 三篇共通的写法，在本稿里怎样落地

共通结构是：一个具体失效问题 → 一个清楚的设计选择 → 与该选择相对应的实验 → 有边界的结论。

本稿可形成如下论证：

量程内遮挡让检测集不完整（问题设定＋Fig. 3/5） → 在逐行人运动表示之外提供占用历史特征（方法） → 联合配置与单分支比较（Table II） → 再检查 latent 与 decode-and-reencode 这一输入选择（已有对照） → 在相同报告协议下展示整体结果与部署（Table I＋真实机器人）。

这是一条能被读者追踪的证据链。它还不是“已经解释清楚收益来源”的因果链，两者应在措辞上区别。

3. 原稿为什么容易被拒：不是只缺一个更吸引人的故事

AE 肯定系统完整和真实部署，要求首先解决四点：基线差异、HEIGHT、术语、VAE 细节。Reviewer 2/15/21 又重复提出增量有限、泛化不足、机制证据不够。换言之，审稿人已经理解系统的大致用途，问题在于主张、实际计算和可验证证据没有对齐。

原稿主张	审稿人实际能看到的证据	造成的落差
新的遮挡推断方法	历史 OGM、VAE、直接 latent，这些 PaS 已有先例	方法继承关系未交代清楚
理解复杂 HRI	机器人状态查询行人特征；仿真人不响应机器人	功能被解释成未经验证的行为能力
隐式不确定性帮助安全决策	成功、碰撞、超时等结果	没有不确定性校准或隐藏区域准确性证据
广泛优于已有方法	单一场地协议下的表格，且基线来源不透明	比较范围及公平性不清楚
真实世界遮挡鲁棒性	一次部署介绍和报告频率，视频被 AE 指出未展示关键遮挡事件	平台能运行与隐藏行人处理有效之间有距离

也不能把评审中的每一句话都当成事实。Reviewer 19 把本稿概括成 HRL，但原稿采用的是 PPO，并没有高低层动作策略；改写应纠正误读，不应为了迎合它添加不存在的层级机制。训练测试使用同一场地不等于已经证明过拟合，只能说没有提供跨几何证据。所有行人采用 ORCA 也不意味着行人之间没有相互避让；本稿限制的是行人对机器人的响应。

PaS、AttnGraph 和 HEIGHT 的原文已再次核对。不能通过歪曲前作来扩大空间：PaS 有历史、占用监督和 latent 导航；AttnGraph 有预测、注意力、记忆及有限感知；HEIGHT 有可见性 mask。应比较它们的表示形式、监督方式和评价范围，而不是笼统写成“过去都完整可观测”。

4. 修改前后，全文的重心如何改变

位置	修改前	修改后	为什么这样改
标题	同时考虑两个宽泛挑战	占用历史对遮挡导航策略的条件化	给审稿人一个可检查的焦点
摘要第一句	人群导航很重要且复杂	遮挡使当前行人观测不完整	开篇直接限定问题
动机	既有方法不懂复杂交互	两种表示以不同方式组织观测，联合使用值得检验	避免伪造前作缺陷
创新	新 VAE 模块＋新注意力模块＋新框架	组合表示设计＋对应的经验检验	不把成熟组件重复列为创新
方法组织	VAE、图、PPO 的模块介绍	每个输入来源、每步输出以及共同进入策略的方式	让设计理由连到真实计算
主结果	95% 比所有人高，所以方法全面更好	先回答内部增量，再描述基线结果及权衡	让结论有明确比较对象
latent 分析	uncertainty 更准确、避免重建噪声	记录碰撞与超时差；解释机制仍开放	不把现象升级为原因
真实实验	验证遮挡推断和广泛适用	展示感知—策略—控制可以在平台执行	将结论限定到已有材料
结论	全面安全、高效、适应复杂场景	指定协议中联合表示有收益，跨场景与机制仍待建立	避免开头收窄、结尾重新夸大

最关键的措辞替换不是把一个词换成另一个词，而是换掉论证结构。例如：

旧： “Since HRI differs from HHI, we employ two attention mechanisms.”

新： “We first contextualize each detected pedestrian's motion features, and then aggregate the contextualized features using a query derived from the robot state.”

第一句依赖一个本文未验证的行为分类；第二句说明计算为什么分成两步。它与原式 4–11 一致，又不声称注意力就是人的行为反应。

旧： “The latent better reflects occlusion-induced uncertainty.”

新： “Direct latent conditioning reports fewer timeouts than the tested decode-and-reencode alternative.”

新句没有回避实验，而是把 strongest evidence 放在正确位置：实际看到的是结果差异，尚未知道是哪一种内部机制导致差异。

5. 用现有数据，把实验重新写成五个问题

问题一：观测限制是否会影响这里的导航任务？

沿用 Fig. 5：SF 29→16、ORCA 69→63、DS-RNN 64→55、AttnGraph 89→81，单位均为成功率百分比。它支持在这些配置下加入遮挡后表现下降。

图中没有本文方法在无遮挡条件下的一行，不能说“本文在无遮挡下与基线接近、在有遮挡下优势更大”。也要核对两种条件使用同一 checkpoint 还是分别训练；前者更接近测试时观测变化，后者混合了训练条件变化。

问题二：联合表示是否优于两个单分支配置？

配置	成功率	碰撞率	超时率
仅行人运动上下文	87%	12%	1%
仅占用历史	72%	27%	1%
两者联合	95%	5%	0%

这应该是本稿的主证据。相对于 motion-only，变化为成功 +8、碰撞 −7、超时 −1 个百分点；相对于 occupancy-only，成功 +23 个百分点。这样写比把全部收益笼统归给“interaction”更准确。

允许写“结果支持当前配置中联合使用两种表示”；不写“证明两分支具有独立互补信息”“证明显著协同”“证明架构最优”。缺少容量匹配、更多控制条件和重复训练，不能作这些更强的因果结论。

问题三：策略接收什么形式的占用表示更合适？

输入接口	成功率	碰撞率	超时率
直接 latent	95%	5%	0%
decoder→重建地图→CNN	75%	9%	16%

20 个百分点成功率差由 4 个百分点碰撞差和 16 个百分点超时差构成。这里应集中讨论完成任务的表现，同时说明仅靠汇总率无法区分停滞、绕路、优化问题或表示损失。

这是对现有设计的经验支持，不是发现“重建不是导航目标”的首篇工作；PaS IV-A 已讨论重建损失与导航性能之间的冲突。两篇比较的具体变量不同：PaS 比较是否加入重建损失，本稿比较策略输入经过哪条计算路径。

问题四：在当前协议中，与其他方法相比有哪些收益和代价？

原 Table I 应保留全部结果，不只保留对自己有利的列。与最强表内基线 i-AW-CL 相比：成功率 92→95%，碰撞率 8→5%，导航时间 16.25→15.80 s，路径 21.60→22.05 m。与 AttnGraph 相比，本稿的报告时间和路径都更大。

因此应写“报告的成功和碰撞指标更好，同时存在效率指标上的权衡”。不写每个指标都更好，也不写统计显著。 时间和路径仅在成功回合上统计，各方法的成功集合可能不同，不能把均值差直接解释为同一路程上的速度或效率改进。

第二轮审查后的处理： 上述时间和路径目前只能作为原稿数值的转录；在第 7.1 节的一致性问题查清前，新英文稿暂停使用它们作效率结论，并明确标注 audit pending。查清后再根据真实定义决定保留哪些比较。

另外，AttnGraph 81% 与 motion-only 87% 相差 6 个百分点。这个差异尚未解释，不能将 81→95 的 14 个百分点全部归给占用模块。应保留各自身份并解释配置来源。

问题五：这个系统能否在实体平台执行？

保留现有硬件、检测定位方法和约 25.3 Hz 的描述，明确计时覆盖哪些步骤。没有试验次数和统计结果时，用 demonstration，不虚构真实成功率。没有“遮挡—重现—动作响应”的既有片段时，不能说视频验证了对隐藏行人的预判。

这个部分的任务是让读者看懂从传感器输出到控制命令的接口。特别需要说明仿真二维全向速度如何转换到四轮差速平台；算法输入和实机输入是不是同一种信息，应当可追踪。

6. 逐条回应审稿意见：首投不扩实验时能做到什么

这里区分“把论述写准确”和“补齐此前缺失的实证”。把强主张删除，有时可以让一项实验不再是当前论点必需，但不等于那项能力已经验证。

意见与来源	本轮如何修改	是否能在不做新实验时解决
术语与 ORCA 不响应机器人矛盾；AE、R15、R21	全文改为 motion context、context encoding、robot-state-guided pooling；明确仿真响应关系	术语问题可解决；不能据此获得真实行为响应建模能力
VAE 层数、latent、数据规模、损失缺失；AE、R15、R21	补一张来自实际配置的训练表；把训练监督与推理输入分开；解释 MSE	通常可查原配置解决；当前材料里没有的参数必须留待核实
i-AW-CL、AttnGraph 与原论文数字不同；AE、R21	原协议与本文协议并列表，列出重训/沿用 checkpoint、观测、奖励、预算与模型选择	只有找到真实配置才能解决；泛称“我们场景更难”不够
HEIGHT 缺失；AE	Related Work 明确其已有可见性处理；讨论本文与其监督和场景范围差异	AE 明确允许增加基线或解释范围；可以选择后一条，但不再宣称覆盖最强方法或胜过 HEIGHT
创新是 PaS＋AttnGraph 整合；R2、R15、R21	承认继承关系，围绕占用历史对运动表示策略的增量与输入形式组织贡献	可使增量清楚，不能仅靠写作保证达到新颖性门槛
没有跨几何、更多行为条件；R2、R15、R8、R36	“generalizes to diverse environments”改为规定场景内的 unseen episodes；限定结论	可删除没有证据的泛化主张；跨场景能力仍未验证
没有专门验证隐藏区域推断；AE 视频意见、R19、R21	重点改为导航表示与任务结果，删除准确推断/校准概率的断言	可以避免错误解释；隐藏占用机制仍不能被认定已证实
注意力缺少可视化；AE、R19	把注意力解释成特征聚合；如果已有权重输出则如实重绘	改文只能改善语义；没有已保存输出时，本轮仍未满足“增加可视化”的要求
遮挡导致历史断裂；R15	补输入有效性、ID、首次出现和丢失后的处理规则	属于实现披露；若实际用了隐藏状态补历史，就不是文案能修复的问题
奖励缺少分析；R21	说明奖励各项行为倾向；称 distance-difference shaping；不声称权重最优	解释可改善；敏感性和奖励因果作用仍未测试
推理开销与传感器噪声；R8	写清约 25.3 Hz 的测量范围、硬件和未建模噪声	可披露已有测量与配置；不能扩张为低算力平台和噪声鲁棒性验证
图和视频无法说明核心贡献；R2、AE、R19	框图按真实信息流重画；既有视频有相关事件时加标注，没有则收窄说明	图可改；关键遮挡事件若原来没发生，不能靠剪辑或示意图创造证据

对 HEIGHT 的推荐表述：

HEIGHT is closely related through its representation of heterogeneous scene elements and visibility handling. The present experiments study occupancy-history conditioning in an open crowd setting and do not establish comparative performance in constrained environments or superiority over HEIGHT.

这不是说 HEIGHT “不相关”，也不是说开放场地不能跑 HEIGHT，而是如实承认当前没有覆盖这个比较。AE 原文给了讨论范围的选项，但新的 RA-L 审稿人仍可能要求更直接的对照。这是选择保留现有实验后应接受的证据边界。

7. 本轮发现的技术与统计问题，应先于语言润色处理

7.1 路径、时间和最大速度的定义可能不一致

原稿 IV-A 声称最大速度 1 m/s，并说导航时间、路径长度都在成功回合上平均。若速度指欧氏速度上限，路径也按欧氏距离累计，则每一回合有

\[ L_i\le v_{\max}T_i, \quad\text{因此同一组成功回合上}\quad \overline L\le v_{\max}\overline T. \]

但 Table I 有：

方法	路径/时间	按 1 m/s 欧氏上限的解释
Social Force	34.79/30.16 ≈ 1.154 m/s	不满足上述约束
本文	22.05/15.80 ≈ 1.396 m/s	不满足上述约束
AttnGraph	19.93/14.32 ≈ 1.392 m/s	同样需核对
i-AW-CL	21.60/16.25 ≈ 1.329 m/s	同样需核对
DS-RNN	31.43/21.43 ≈ 1.467 m/s	同样需核对

共涉及五个方法行；Social Force 一行由第二轮独立核算补充。这不能直接证明数据错误；可能是逐分量限速、路径用了不同范数、时间换算或平均集合不同。但必须查清。若两个速度分量各限制为 1 m/s，欧氏速度上限应是 √2 m/s；这个解释本身仍不足以解释 DS-RNN 的比值。

处理方式： 检查已有动作缩放、限幅、步长、距离累计和统计脚本。若只是定义写错，改定义；若旧结果存在统计错误，用原始记录重新统计并透明更正。不要在没有证据时把表格数值改成“合理数字”，也不要为了保留原表而继续保留错误的单位或叙述。“保持实验”可以保持场景和模型，不要求保留已查明的报告错误。

若记录无法恢复，至少撤回无法验证的效率结论，并说明缺失；还需判断其原因是否影响其他结果和方法间的公平性。不能把删除两列当成整套实验已被核实。这是当前最需要先处理的投稿问题。

7.2 87% 的 motion-only 与 81% 的 AttnGraph 不是天然相同的对照

至少核对网络、reward、预测器、轨迹缺失处理、训练预算、种子与 checkpoint。哪怕原文表述近似，不能默认同一个实现。若只是训练随机性，也需要有记录支持，不能猜。

因此新版把 87→95 当作“报告的内部配置对比”，把 81→95 留在完整方法比较，避免把差异全部归于某一个模块。

7.3 VAE 的训练目标需要数学上与实现一致

原 Eq. 2 写条件生成分布，decoder 条件中有历史观测；Fig. 2 看起来主要是 latent→decoder。两者是不是一致，需要查实际连接。输入受限的变分分布本身不必然使下界无效，不能简单断言原公式“数学错误”。真正的问题是：论文是否如实描述所实现的概率模型及其输入。

现阶段最稳妥的写法是直接给出实际训练使用的“重建误差＋KL 正则”目标。MSE 并不天然与 likelihood 对立：在固定方差高斯观测模型下，它可对应负对数似然的一部分，但权重、求和/均值归一化、decoder 参数化要吻合。不要为了回应评审擅自把损失改为 BCE，进而把未重训的结果说成新目标的结果。

另外必须区分：$q(z|O)$ 是分布，$z$ 是样本/特征；策略究竟接收均值、采样值或均值方差拼接，当前未知。没有这层核对，不能声称策略“显式利用不确定性”。

7.4 地图值 0.5 是未知标记，不是校准过的 50% 占用概率

当前地图编码中的 0、0.5、1 是状态标记。即使 decoder 输出连续值，也不能仅凭 MSE＋KL 把它称为校准概率；同样，监督的是感知范围内完整局部占用，不能称为完整 global map。

7.5 两处 GRU、观测符号和策略条件要统一

III-D 末尾说有时间 GRU，III-E 又给融合后的 GRU，Fig. 2 则只画一个。不能替作者决定删哪一个，应先看代码。只有一个时，明确时间状态位于融合策略；有两个时分别定义 motion hidden state 和 policy hidden state。

原稿既把 $o_t$ 用作整体观测，又用作局部 OGM。改稿用 $O_t$ 表示地图、$w_t$ 表示机器人状态、$h_t$ 表示策略循环状态，避免混淆。带历史的策略应写为 $\pi(a_t|h_t)$ 或明确历史条件，而不是让 $\pi(a_t|o_t)$ 看起来只依赖当前观测。

第二轮还提出一个需明确核对的输入问题：III-A 的行人表示含历史位置，III-D 又说 motion MLP 拼接当前位置和预测未来。后者支持原先按“current＋future”转写公式，但尚不足以确认实现是否也直接拼接历史。新版注明公式依据 III-D 暂写，并要求查实际 tensor；不能默默替作者选择其中一种。

7.6 进度奖励不宜直接宣称经典 potential-based 不变性

原式为 $2(d_{t-1}-d_t)$，经典折扣势函数形式通常为 $\gamma\Phi(s_t)-\Phi(s_{t-1})$。本稿还是分段奖励，不能直接套用不改变最优策略的结论。保留原奖励，只把名称写成 distance-difference progress shaping，并解释接近目标的倾向即可。

同时核对 $d_t^{\min}$ 是否实际为扣除双方半径后的有符号间距；普通中心欧氏距离不会小于零。还要明确同一步到达目标又发生碰撞时，程序优先采用哪个终止判据。这里应根据原代码补充或纠正，不能只润色公式说明。

7.7 仿真全向动作到实机差速动作之间缺了接口说明

本稿仿真输出 $[v_x,v_y]$，实体平台是 differential drive。必须说明速度与角速度如何转换、饱和如何处理、控制周期是什么、有无底层保护或人工干预。这通常可以从现有部署代码和记录补充，不要求重跑一套实验。

7.8 500 个测试回合不是 500 次独立训练

文稿未给训练 seed 数和跨训练方差。可报告这批测试的汇总率，但不写 statistically significant、稳定跨种子提升或精确接收概率。表里保留两位小数的比例不应被反推成已经核实的整数成功次数。若作者保留逐回合记录，可以进一步核对配对比较和区间；本轮没有这些记录，也没有替作者算出一套虚假的统计检验。

8. 每一节应该怎样重写，而不是怎样“换词”

标题与摘要

标题只保留具体研究对象和核心设计。摘要按六件事展开：观测限制、研究问题、表示设计、训练/部署区别、内部消融结果、结论范围。不要在摘要中同时推销 VAE 新颖性、HRI、uncertainty、social compliance、全场景泛化和实时性。

建议摘要以 95/87/72 的内部对比为核心，latent 的超时对照为辅助。基线+3个百分点不是不能写，而是要先有可信协议；在当前配置不明时，不宜把“击败 SOTA”放成首要卖点。

引言

建议五段，各段承担不同任务：

描述机器人当前观测为什么不完整，不做泛泛行业背景。
对照占用历史与逐行人运动表示，承认 PaS/AttnGraph，提出本文要检验的增量。
说明方法如何把两类表示接入同一策略，特别说明拼接就是实际融合。
用三组现有结果概述贡献的证据，给出测试范围。
两条贡献：设计及其评价。不要用“运行了真实机器人”凑一个理论创新。

引言可以有吸引力，但吸引力来自读者马上知道“为什么这样设计、什么能证明有用”，而不是术语强度。

方法

按“输入是什么—学什么—策略拿到什么—训练时可用而部署不可用的是什么”写。缩短 VAE/PPO 通识介绍，把篇幅留给本稿真实接口。普通注意力 Q/K/V 不必逐式拆成长篇；重点解释 n×n 上下文化和 1×n 聚合分别输出什么。

建议命名：Occupancy History Encoder、Pedestrian Motion Context Encoder、Robot-State-Guided Attention Pooling、Recurrent Navigation Policy。作者正文不用原来的两类 interaction 模块名；别人论文的正式题名原样保留。

结果与讨论

把上一节的五个问题作为结果小节逻辑。每节使用“实验比较什么→报告什么→它支持什么→不能推导什么”的顺序。最后加一个短 Discussion，统一解释范围和剩余问题，避免每一句结果后都塞入长篇自我否定。

例如主结果段可以写得积极而克制：

The combined representation improves success from 87% to 95% relative to the motion-only configuration, with collision decreasing from 12% to 5%. These outcomes support occupancy-history conditioning alongside pedestrian motion context in the evaluated setting.

容量和机制边界可以在后面的 Discussion 集中说明。这样既不夸大，也不会把摘要和每一段都写成免责声明。

图表

Fig. 1 解释观测问题；Fig. 2 画真实训练/推理数据流；Fig. 3 保留部分与完整局部 OGM 的差别；Fig. 5 负责可见性条件诊断。把原 Table II 提到叙事中心，单独列出 latent 对照的三类结果。原 Table I 保留全部方法和指标，并核对定义。

如果从原视频里确实能找到对应片段，可标出“最后一次可见—当前不可见—再次出现—机器人动作”。若找不到，保留普通部署说明。概念示意可以画，但必须标为 illustration，不能伪装成一次实际成功事件。

结论

回到“组合表示在规定协议下带来收益”和“策略输入形式值得认真设计”两件事。未来工作指向仍未建立的适用范围和收益机制，不突然承诺换 diffusion model 就解决所有隐藏占用问题。

9. 保持实验不变的实际修改顺序

优先级	工作	需要的已有材料	新训练/新导航试验
P0	核对速度、路径、时间和统计集合	动作与统计代码、原始日志	不需要；若发现错误应更正统计
P0	说明各 baseline 来源及 81/87 差异	配置、checkpoint、训练记录	不需要；找不到记录时不能假称已解决
P0	确认历史缺失处理、训练与推理输入	观测构造及轨迹预测代码	不需要
P0	确认 VAE 目标、latent 用法、冻结情况、GRU 数量、实机动作映射	模型和部署配置	不需要
P1	采用新版主线，替换标题、摘要、引言和贡献	配套英文改写稿	不需要
P1	重组结果，保留全部数值及权衡，删除未支持的强结论	原表和原图	不需要
P1	补齐最接近前作，清楚讨论 HEIGHT 与最新相关工作	论文原文	不需要
P2	重画框图，整理已有视频、失败片段或权重图	已存在且可追溯的素材	素材存在时不需要；不存在则不编造
P2	对现有记录进行更清楚的汇总	逐回合结果、原始运行日志	不需要新训练，但属于新分析，须如实标明

当前文件夹只有稿件、评审和前次分析，没有作者训练实现、配置与原始运行记录，因此 P0 中涉及实现的项目前仍是 待作者核对。配套英文稿已把这些地方标成 AUTHOR CHECK；这使修改稿可以直接讨论，但不应当直接删除标记后投稿。

你给作者的最短材料清单可以是：各实验配置与 checkpoint 来源、逐回合统计或其生成脚本、VAE 配置/预训练规模、轨迹缺失处理、实机动作转换。这些是补齐原研究的事实，不是要求作者临时做一篇新论文。

10. 两轮审稿后，哪些已经改好，哪些仍不足

已完成两轮隔离上下文审阅：第一轮直接检查原稿及其证据，第二轮直接检查保存下来的 v1 英文全文和中文分析。主分析者另对公式、原 PDF 图表和最新相关工作作核对。第二轮意见已落实到当前 v2；本轮没有为了获得“接收”评价而继续重复审稿。

轮次	实际发现	已完成的修订
首轮独立审阅	原定位超过已有增量；VAE/注意力/安全/泛化主张过强；对照、公式、控制接口未闭合	统一成占用历史条件化问题；承认前作；内部消融与外部比较分开；重写术语与结果解释
第二轮针对 v1 审阅	认可叙事已实质改善；确认速度/路径/时间需核对并补出 SF 一行；提示 motion MLP 输入尚未确认	v2 标注五行统计问题，暂停效率解释；增加实际输入核对项；用两个设计选择组织摘要、引言与贡献
补充原文核对	iCrowdNav 已有 BEV/pose 双分支与拼接策略结构	补读全文并在相关工作明确本稿的输入和监督差异，不声称泛化的“双分支首次”

第二轮模拟评审的结论： 改写已经构成实质性的论证修正，可作为作者逐项核实的工作稿；仍不建议直接提交。首要剩余项是数值与协议一致性、内部对照与 baseline 来源，以及 VAE、GRU、轨迹输入和部署控制的准确说明。即使这些事实全部补齐，方法增量和实验覆盖范围仍可能成为 RA-L 审稿的主要争议。

我接受了审稿对失败构成、信息来源和作者核对项的建议，没有采用把所有范围限定都放进标题的超长版本：简洁标题保留，模拟遮挡范围在摘要和实验首段写清。对于 Fig. 5、变分分布和种子数，也没有机械照抄首轮建议，而是按原文纠正为有限量程内的观测切换、合法但需核对的变分表述，以及“种子数未报告”。

完整记录与修改响应见审稿与修订记录。审稿代理为独立上下文的同家族模型评阅，不是外部期刊意见，也不是跨模型家族验证。当前可直接完成的叙事修改已落实；下一步最有价值的工作是查原有事实材料，而不是继续包装标题或给同样证据添加更强的解释。

11. 证据入口与阅读边界

原稿：IROS262076MS.pdf，重点为 III-C/D/E、IV-A、Fig. 5、Table I/II。
编辑：CommentsToAuthor.txt。六份评审文件分别对应 R2、R8、R15、R19、R21、R36。
前次聊天：codex://threads/01a0e1f6-633f-7de2-a09d-82351cc54534?hostId=remote-ssh-discovered%3Aweixis-mac，标题“分析审稿意见与拒稿原因并提出修改建议”。本轮沿用其中最终的 motion-context 方向，不沿用已被前作核查推翻的 decision-sufficient-belief 定位。
三篇参考论文的原始 HTML、全文提取和元数据保存在 sources/；对应版本与 DOI 见第 2 节。
PaS：v3 原文，尤其 IV-A/B；AttnGraph：v3 原文；HEIGHT：v3 原文。本轮重新获取并核对关键部分。
i-AW-CL 的身份和摘要沿用前次核查；没有据此假定其具体训练协议。iCrowdNav 已补读 arXiv v1 全文，特别核对 III-B/C 的输入、编码和拼接机制；不据不同协议的结果进行排名。真实视频未包含在本轮可读文件中，关于视频不足的判断来自 AE/评审，未伪称重新观看。
本次没有对方法实现作复现验证，没有运行新的 benchmark，没有生成隐藏行人推断、噪声鲁棒性或统计显著性的额外结果。

这是一份完整的英文改写工作稿。AUTHOR CHECK 标记保留了原材料中无法确认的事实；解决这些问题后才能形成正式投稿稿件。

Occupancy-History Conditioning for Crowd Navigation under Occlusion

Editorial working draft v2 — revised after two review rounds for a first RA-L submission, 14 October 2026.

This draft preserves the experiments and numerical results reported in IROS26_2076_MS.pdf. It rewrites their interpretation; it does not report new experiments. Bracketed AUTHOR CHECK notes identify facts that cannot be established from the supplied manuscript. Resolve them from the implementation and existing records before submission. Reference keys are descriptive placeholders for the final bibliography. This is replacement manuscript text, not a submission-ready typeset paper.

Abstract

Occlusion makes crowd navigation depend on an incomplete set of pedestrian observations. We study two representation choices for this setting: combining occupancy history with detected pedestrian motion, and supplying occupancy features directly to the policy. A variational encoder is pretrained with complete local occupancy maps as supervision for sequences of partial maps. Its latent features are concatenated with pedestrian motion context and robot state, then supplied to a recurrent policy trained with proximal policy optimization. Under the reported simulation protocol with finite-range sensing and pedestrian occlusion, the combined configuration reports 95% success and 5% collision, compared with 87% success and 12% collision for the motion-only configuration. The occupancy-only configuration reports 72% success. A separate comparison reports 0% timeout with direct latent conditioning and 16% with decoded-and-reencoded occupancy features. A physical-robot demonstration illustrates execution with onboard perception. These results support the combined representation and direct latent interface in the evaluated architecture, while leaving the source and generality of the observed gains open.

I. Introduction

When pedestrians occlude one another, a robot's current detections provide an incomplete description of the surrounding space. A pedestrian absent from the current observation may still affect the robot's next action. Finite sensing range and obstruction within that range produce different sources of missing observations, both of which matter when navigating toward a goal. This work focuses on navigation under a specified model of finite-range sensing and pedestrian occlusion.

Existing approaches offer two relevant ways to represent the available observations. Occupancy-based methods organize local observations spatially and can learn features from partial map histories; PaS already incorporates such latent features into a navigation policy [PaS]. Pedestrian-based methods retain individual motion information and aggregate it according to the robot state; AttnGraph combines trajectory prediction, attention, and recurrent policy learning [AttnGraph]. In our design, the motion branch uses detected pedestrian tracks and their predicted motion, while the occupancy branch learns from partial map histories using complete current local occupancy as a training target. At execution, both branches depend on partial observations. This difference in representation and supervision motivates our question: does adding occupancy-history conditioning improve navigation outcomes when a policy already receives contextualized pedestrian motion features?

We investigate this question with a policy that combines the two representations. An occupancy history encoder is pretrained to reconstruct complete local maps from sequences of partial maps. A pretrained trajectory predictor supplies motion estimates for detected pedestrians; a motion encoder contextualizes pedestrian features and aggregates them using a query derived from the robot state. The occupancy latent, motion features, and robot state are concatenated and processed by a recurrent policy. We also examine a second design choice within this architecture: whether the occupancy information is supplied as an encoder latent or through a decoded map followed by a CNN. The approach builds on occupancy-based and attention-based navigation; neither concatenation nor direct latent navigation is claimed as a new general principle.

The experiments examine the effect of visibility, the use of individual feature branches, and the representation supplied to the policy. The combined configuration reports 95% success, compared with 87% for the motion-only configuration and 75% for the decoded-and-reencoded configuration. These comparisons have different outcome profiles: the motion-only configuration reports 12% collision and 1% timeout, while the decoded-and-reencoded configuration reports 9% collision and 16% timeout; the combined direct-latent configuration reports 5% collision and 0% timeout. These observations motivate reporting collision and timeout separately, without assigning them to a unique causal mechanism. We also compare existing navigation methods and demonstrate execution on a physical robot. The evaluation concerns randomly sampled test episodes from the specified simulation setting; it does not establish performance across unseen scene geometries or arbitrary sensor failures.

Our contributions are:

A recurrent navigation architecture that combines occupancy-supervised features of partial map histories, contextualized pedestrian motion, and robot state under finite-range sensing and simulated pedestrian occlusion.
An evaluation of two design choices within this architecture: combining occupancy and motion representations, and supplying occupancy features as a direct latent rather than through the tested decode-and-reencode interface. We report success, collision, and timeout separately, alongside baseline comparisons and a physical-robot demonstration.

AUTHOR CHECK — INTRODUCTION: Confirm the ablation configurations and their evaluation sets before retaining the quantitative comparison as the central empirical claim. Do not describe the motion-only variant as a reproduction of AttnGraph unless their implementations and training protocols are shown to match.

II. Related Work

A. Occupancy Representations under Partial Observation

PaS learns navigation-relevant features from partial occupancy histories using complete occupancy information during training, and supplies latent features directly to a recurrent policy [PaS]. Its training uses a complete-map teacher representation and a latent matching objective; our manuscript describes direct reconstruction pretraining from partial histories. PaS also observes that optimizing map reconstruction can conflict with navigation performance. Thus, neither occupancy-history encoding nor direct latent conditioning is introduced here as a new principle. SCOPE studies stochastic prediction of future occupancy and its use in navigation [SCOPE], whereas the supervision target in this work is the current complete local occupancy map. We study the joint use of occupancy-history features and an explicit pedestrian motion representation.

B. Pedestrian Motion Representations for Navigation

DS-RNN and AttnGraph use recurrent representations of surrounding pedestrians for navigation [DSRNN, AttnGraph]. AttnGraph incorporates future trajectory predictions and attention-based aggregation. HEIGHT extends the representation to heterogeneous scene elements, including static obstacles, and handles visibility through masking [HEIGHT]. These methods should not be characterized as uniformly assuming complete observations. Our motion branch follows the established sequence of per-pedestrian context encoding and robot-conditioned aggregation. We examine the additional use of an occupancy-supervised history representation in an open crowd setting. HEIGHT remains a closely related method; the present evaluation does not compare performance in its constrained environments or establish superiority over it.

EgoTraj-Bench identifies trajectory-history corruption arising from first-person perception, including occlusion, identity switches, and tracking drift [EgoTraj]. Its paired noisy-history and clean-trajectory evaluation distinguishes realistic perception errors from idealized missing observations. Our simulator models visibility loss geometrically; it does not reproduce the full set of perception artifacts studied by that benchmark. The interface between detection, track history, and trajectory prediction must therefore be specified explicitly.

More recently, iCrowdNav combines temporal BEV features from RGB-D images with pose-derived pedestrian features for policy learning [iCrowdNav]. Its architecture also concatenates scene and pedestrian representations. Our occupancy branch instead uses complete current local occupancy as supervision for partial map histories, while our pedestrian branch encodes current and predicted planar positions. These are differences in inputs and training formulation; the generic combination of scene and pedestrian features is not claimed as a new principle here.

C. Navigation Guided by Pedestrian Motion

People as Planners selects suitable pedestrians and local subgoals so that a base planner can use their movement as navigation guidance [PeoplePlanners]. HiCrowd learns a follow point for crowd-flow alignment and executes it with model predictive control [HiCrowd]. These methods make pedestrian motion useful through explicit guidance decisions. Our method instead supplies occupancy-history and pedestrian-motion features to a velocity policy. The present experiments evaluate navigation outcomes; they do not demonstrate leader selection, crowd-flow alignment, or a formal safety guarantee.

AUTHOR CHECK — RELATED WORK: Integrate the original i-AW-CL citation and describe only verified method details. Its full experimental protocol was not available in the supplied material. The iCrowdNav comparison above was checked against Sections III-B and III-C of its arXiv v1; it does not imply a common evaluation protocol or a performance comparison.

III. Method

A. Observations and Policy Inputs

The robot navigates among pedestrians using its proprioceptive state and partial observations. Let $w_t$ denote its position, velocity, goal, heading, maximum-speed parameter, and radius. Let $\mathcal D_t$ be the set of detected pedestrians at time $t$, with $n_t=|\mathcal D_t|$. The complete simulator state is used for training supervision and reward calculation, while the policy receives features computed from the available observations.

For each detected pedestrian $i$, a pretrained trajectory predictor [Predictor] uses its available historical positions to obtain future position estimates $\hat x_i^{t+1:t+M}$. These estimates are model outputs, not ground-truth future observations. The motion-encoder input below follows the current-position-plus-prediction description in the original Section III-D, subject to the implementation check below. We use $O_t$ for a partial occupancy grid, reserving separate notation for the complete observation and for recurrent hidden states.

AUTHOR CHECK — OBSERVATION INTERFACE: Report $K$, $M$, sampling interval, predictor checkpoint and training data. Verify the actual tensor entering the motion MLP: the original Section III-A includes historical positions in the pedestrian representation, while Section III-D describes current positions and predicted futures. Confirm whether history feeds only the predictor or also the motion encoder, and align the equation, text, and diagram accordingly. Specify the implemented treatment of missing track samples, newly detected pedestrians, identity changes, reappearing tracks, and an empty detection set. Do not insert an interpolation, identity-recovery, or masking rule that was not used in the reported experiments. Check that simulator IDs and hidden positions are not used to populate unavailable history samples.

B. Occupancy History Encoding

Each partial local map encodes free, occluded, and occupied cells using values 0, 0.5, and 1, respectively. Here 0.5 is an encoding for unobserved space, not an empirically calibrated occupancy probability. The complete local target map $G_t$ contains the occupancy of observed and occluded pedestrians within the specified local sensing region. It is not a global map of the environment.

The encoder takes the history $O_{t-\tau+1:t}$ and produces a latent distribution $q_\phi(z\mid O_{t-\tau+1:t})$. Writing the reconstruction objective in operational form, the loss reported in the original manuscript is

\[ \mathcal L_{\mathrm{rep}} =\mathbb E_{z\sim q_\phi}\! \left[\lVert G_t-\hat G_t\rVert_2^2\right] +D_{\mathrm{KL}}\!\left(q_\phi(z\mid O_{t-\tau+1:t})\,\|\,\mathcal N(0,I)\right). \]

The reconstruction term encourages the representation to retain information useful for predicting the complete local occupancy target, and the KL term regularizes the latent distribution. A squared reconstruction loss can be related to a fixed-variance Gaussian observation model, subject to its scaling and the decoder parameterization. This interpretation does not establish calibrated occupancy probabilities or a calibrated uncertainty representation for the policy.

During navigation, the policy receives an encoder-derived latent feature $z_t$, without using a decoded map as its navigation input. This follows the direct-latent design used in prior occupancy-based navigation [PaS]. Our representation comparison evaluates it against decoding and reencoding the occupancy output within the present architecture.

AUTHOR CHECK — OCCUPANCY ENCODER: Supply the grid size and resolution, coordinate frame and history alignment, $\tau$, network layers, latent dimension, pretraining dataset size and split, optimizer, and actual loss normalization/weights. Confirm whether the decoder also receives the observation history; the original conditional generative equation and the diagram do not settle this. State whether the policy uses a latent sample, a mean, or another feature, and whether the encoder is frozen or updated during PPO. Do not describe the entire pipeline as end-to-end without verifying the gradient paths.

C. Pedestrian Motion Context

For each detected pedestrian, an MLP embeds its current position and predicted future positions:

\[ e_i^t=\mathrm{MLP}\big([x_i^t,\hat x_i^{t+1:t+M}]\big), \qquad E_t=[e_1^t;\ldots;e_{n_t}^t]. \]

A self-attention operation contextualizes these embeddings:

\[ Q_c=\Phi_Q(E_t),\quad K_c=\Phi_K(E_t),\quad V_c=\Phi_V(E_t), \qquad C_t=\operatorname{softmax}\left(\frac{Q_cK_c^\top}{\sqrt{d_c}}\right)V_c. \]

It produces one context feature per pedestrian. A second operation aggregates these features using a query derived from the robot state:

\[ q_p=\Psi_Q(w_t),\quad K_p=\Psi_K(C_t),\quad V_p=\Psi_V(C_t), \qquad c_t=\operatorname{softmax}\left(\frac{q_pK_p^\top}{\sqrt{d_p}}\right)V_p. \]

The first operation produces $n_t$ contextualized features; the second produces one robot-state-conditioned summary. The attention coefficients specify feature aggregation within the network. They are not treated as measured collision probabilities or estimates of pedestrians' causal responses to the robot.

Let $f_t^{\mathrm{motion}}$ denote the motion branch output supplied to the policy. AUTHOR CHECK — RECURRENCE: The original Section III-D describes a temporal GRU, while Section III-E and Figure 2 describe recurrence after fusion. Confirm whether there is one GRU or two. If only the fused-policy GRU exists, set $f_t^{\mathrm{motion}}=c_t$ and remove the earlier temporal-GRU statement. If a separate motion GRU exists, add its actual update equation and show both hidden states in the figure. This draft deliberately leaves that implementation choice unresolved.

D. Recurrent Navigation Policy

The policy combines the robot state, motion features, and occupancy latent by concatenation:

\[ h_t=\mathrm{GRU}\big(h_{t-1},[w_t,f_t^{\mathrm{motion}},z_t]\big), \qquad a_t\sim\pi_\theta(\cdot\mid h_t). \]

The actor produces a planar velocity command and the critic estimates the return. PPO [PPO] is used to optimize the policy. The complete local occupancy map is a training target; it is not a deployment input. The recurrent feature is a learned policy representation, without a claim of Bayesian filtering or decision sufficiency.

We retain the original piecewise reward:

\[ r_t=\begin{cases} 10,&d_t^{\mathrm{goal}}<r_{\mathrm{robot}},\\ -20,&d_t^{\min}<0,\\ 2.5(d_t^{\min}-0.25),&0\le d_t^{\min}<0.25,\\ 2(d_{t-1}^{\mathrm{goal}}-d_t^{\mathrm{goal}}),&\text{otherwise}. \end{cases} \]

The terms reward arrival, penalize collisions and close proximity, and encourage goal progress in the remaining cases. The simulator uses complete pedestrian states to calculate the distance-based training reward, including distances to occluded pedestrians. No online reward calculation is needed to execute the trained policy. The progress term is described as distance-difference shaping; no policy-invariance property is claimed.

AUTHOR CHECK — CONTROL: Define $d_t^{\min}$ precisely, including agent radii, and state collision/goal precedence. Specify the action bounds, simulation time step, episode horizon, and the mapping from holonomic velocity outputs to the differential-drive platform. Verify metric consistency before retaining the navigation-time and path-length interpretation below.

IV. Experimental Evaluation

A. Evaluation Protocol

The reported simulator uses a $12\,\mathrm m\times12\,\mathrm m$ open area, a sensing radius of 5 m, and up to 20 pedestrians. Pedestrians can be hidden by other pedestrians within the sensing range. Initial positions, goals, pedestrian speed limits, and radii are randomized as described in the original protocol. Pedestrian maximum speeds are sampled from [0.5, 1.5] m/s and radii from [0.3, 0.5] m. Pedestrians use ORCA, respond to other pedestrians, and do not respond to the robot. These variations do not constitute evaluation across different behavior-model families or scene geometries.

The manuscript reports evaluation on 500 randomly selected unseen test cases. Success, collision, and timeout describe the episode outcome. Navigation time and path length are reported over successful episodes. Since each method may succeed on a different subset, these efficiency summaries should be interpreted together with the outcome rates.

The reported policy training uses $2\times10^7$ time steps, PPO, Adam with learning rate $4\times10^{-5}$, 16 parallel environments with 30 rollout steps each, five optimization epochs per update, and two minibatches. AUTHOR CHECK: Confirm which baselines and ablations used this configuration, how checkpoints were selected, and whether the same test cases were used throughout. The number of training seeds is not stated; these tables therefore must not be described as estimates of variation across training runs.

The baseline set comprises ORCA and Social Force, occupancy-based PaS, recurrent DS-RNN, and the attention-based AttnGraph and i-AW-CL methods. Their reported results are reproduced below. Their original publications use differing protocols; cross-paper numerical differences cannot by themselves establish either reproduction failure or a method advantage.

AUTHOR CHECK — BASELINE PROVENANCE: Add a compact table identifying each implementation/checkpoint, retraining status, sensing and occlusion interface, prediction history handling, reward, training budget, and checkpoint selection. Explain the 81% AttnGraph result and the 87% motion-only result separately. Preserve any genuine method-specific settings and disclose them, rather than claiming uniformity without records.

B. Effect of the Visibility Setting

The visibility comparison reports the following success rates. The two conditions differ in whether the robot receives states of pedestrians occluded by others within sensing range; finite-range sensing remains part of the setting.

Method	Without within-range occlusion	With within-range occlusion
Social Force	29%	16%
ORCA	69%	63%
DS-RNN	64%	55%
AttnGraph	89%	81%

All four tested methods have lower success under the occlusion condition. This motivates evaluating representations under that observation restriction. The comparison does not include the proposed method in both conditions and therefore does not measure its relative robustness to adding occlusion.

AUTHOR CHECK: State whether each row uses the same trained policy in both visibility conditions or separately trained policies. This determines whether the figure measures sensitivity at evaluation or outcomes after training under each setting.

C. Occupancy-History Conditioning and Motion Features

Policy inputs	Success	Collision	Timeout
Motion context only	87%	12%	1%
Occupancy history only	72%	27%	1%
Occupancy history + motion context	95%	5%	0%

The combined representation reports the highest success among these variants. Relative to motion context alone, success increases by 8 percentage points, collision decreases by 7 points, and timeout decreases by 1 point. Relative to occupancy history alone, success increases by 23 points. The branch comparison supports using both representations in the evaluated configuration. It does not determine whether the benefit is attributable to occupancy supervision, temporal information, increased capacity, or their combination; nor does it establish an optimal fusion architecture.

The motion-only variant is an internal ablation, while AttnGraph is a separately reported baseline. The 14-point difference between AttnGraph and the full method should not be attributed entirely to occupancy-history conditioning without resolving the configuration differences.

D. Direct Latent Conditioning versus Decode-and-Reencode

Occupancy input supplied to the policy	Success	Collision	Timeout
Direct encoder latent	95%	5%	0%
Decoded occupancy followed by CNN encoding	75%	9%	16%

Direct latent conditioning reports a 20-point higher success rate in this comparison. The difference comprises 4 points in collision and 16 points in timeout. Thus, the largest observed outcome difference concerns reaching the goal within the allotted time. This supports direct latent conditioning as a design choice in the reported architecture. It does not identify the cause of the timeout difference, which could involve representation loss, optimization, model capacity, or navigation behavior. Timeout frequency alone is not a direct measurement of freezing, and the comparison does not demonstrate uncertainty calibration.

AUTHOR CHECK: Report the extra CNN architecture, parameter counts, training status of the decoder and encoder, and optimization settings of this existing variant. Retain the original numerical results unless an audit of the existing records identifies a reporting error.

E. Comparison with Navigation Baselines

The table below preserves the original numbers for author review. The time and path columns are pending a consistency audit and must not be used to support an efficiency claim before the issue below is resolved.

Method	Success	Collision	Timeout	Navigation time (s; audit pending)	Path length (m; audit pending)
ORCA	63%	34%	3%	22.47	19.74
Social Force	16%	20%	64%	30.16	34.79
PaS-VAE	71%	29%	0%	18.99	16.92
DS-RNN	55%	41%	4%	21.43	31.43
AttnGraph	81%	19%	0%	14.32	19.93
i-AW-CL	92%	8%	0%	16.25	21.60
Proposed	95%	5%	0%	15.80	22.05

The proposed model reports the highest success and lowest collision rates among the evaluated entries. Relative to i-AW-CL, the difference is 3 percentage points in both success and collision. These are descriptive outcomes from the reported implementations; they do not establish statistical significance or superiority over methods absent from the comparison. The navigation-time and path-length entries are not interpreted as efficiency evidence until their definitions and consistency have been verified.

AUTHOR CHECK — IMPORTANT NUMERICAL CONSISTENCY: The original setup states a maximum robot speed of 1 m/s. If this bounds the Euclidean speed and both efficiency metrics use the same successful episodes, their means must satisfy $\bar L\le v_{\max}\bar T$. The proposed row gives $22.05/15.80\approx1.396$ m/s. Social Force, AttnGraph, i-AW-CL, and DS-RNN also require checking: five rows in total. Verify vector versus component action bounds, distance norm, time conversion, and averaging population against existing code and logs. Per-component clipping alone would not explain the DS-RNN ratio of approximately 1.467 m/s if both components are bounded by 1 m/s. This table is a faithful transcription, not a validation of the figures. If a reporting error is found, correct it from the original records and assess whether it also affects the outcome rates or baseline comparability; deleting efficiency claims alone does not establish that the rest of the protocol is sound.

F. Physical-Robot Demonstration

The simulator-trained policy was deployed on a four-wheel differential-drive robot equipped with a ZED depth camera, a Livox 360 LiDAR, and a laptop with an NVIDIA RTX 2060 GPU. Pedestrian detection uses LV-DOT [LVDOT], and pose estimation uses the cited FAST-LIO2 system [FASTLIO2]. The manuscript reports an average execution frequency of approximately 25.3 Hz. This demonstration illustrates execution with a physical sensing and control stack.

AUTHOR CHECK — DEPLOYMENT: Confirm the FAST-LIO/FAST-LIO2 implementation name, the modules included in the 25.3 Hz measurement, command conversion and actuator limits, safety interventions, and the number and outcomes of any recorded trials. If the existing video does not show a pedestrian becoming occluded and subsequently reappearing, do not describe it as validation of anticipation of hidden pedestrians. No new trial count or success rate is inferred here.

V. Discussion and Limitations

The central empirical result is the improvement obtained when occupancy-history features and pedestrian motion context are used together in the reported setting. The two branches encode overlapping observations in different forms. Their joint use is supported by the branch comparison, while the causal source and generality of the gain remain unresolved. In particular, the evaluation does not include a capacity-matched control or comparisons stratified by occlusion duration and visibility history.

The latent comparison also informs the policy interface. A decoder suitable for a reconstruction objective need not yield the most useful downstream representation, consistent with prior observations in PaS. Our experiment tests a particular decode-and-reencode alternative, rather than comparing all possible map-based planners. Its timeout outcome should not be interpreted as proof that reconstruction causes freezing or that the latent encodes calibrated risk.

The simulation tests unseen episodes in an open environment, with randomized parameters within an ORCA pedestrian model. It does not establish generalization to unseen layouts, static-obstacle configurations, heterogeneous behavior models, or realistic mixtures of detection and tracking errors. The physical demonstration does not replace a quantitative evaluation of those conditions. These limitations define the scope of the reported findings.

VI. Conclusion

We investigated occupancy-history conditioning for crowd navigation with pedestrian motion context under finite-range sensing and occlusion. The architecture combines occupancy-supervised latent features with contextualized motion features in a recurrent policy. In the reported setting, the combined model improves navigation outcomes over its individual feature branches, and direct latent conditioning produces fewer timeouts than the tested decode-and-reencode alternative. A physical-robot demonstration illustrates deployment with onboard perception. The evidence supports these representation choices within the evaluated protocol; identifying the source of the gains and their transfer across observation and scene conditions remains an open question.

Figure and Table Editing Notes

Opening figure: show the current visible pedestrian set, the history of partial occupancy, and the robot's navigation objective. Label unobserved space explicitly. Any conceptual illustration must be labelled as such; do not invent a successful hidden-pedestrian avoidance episode.
Architecture: show occupancy and motion branches in parallel, converging by concatenation. Mark complete-map supervision and the decoder as training components. Show the actual number of GRUs after checking code. Do not draw a learned uncertainty gate or a connection from the occupancy latent into pedestrian attention unless implemented.
Visibility figure: retain the four original method pairs and make finite-range visibility versus within-range occlusion explicit. Do not add a proposed-method pair without existing results.
Branch and interface comparisons: use the two three-outcome tables above, so collision and timeout changes remain visible. These are rearrangements of existing results.
Baseline results: retain all reported outcomes and resolve the efficiency-metric inconsistency before submission. No efficiency claim should rely on unresolved definitions.
Deployment illustration: annotate existing material only. Event sequences, attention maps, or failure trajectories may be added if genuinely recoverable from the original recordings or saved outputs, and must be identified as such.

Reference-Key Map

The three newly requested papers were read in their latest unversioned-link resolutions on 14 October 2026; the links below pin those versions. Existing reference numbers refer to the original manuscript, not final numbering.

Key	Source
PaS	Mun et al., Occlusion-Aware Crowd Navigation Using People as Sensors, ICRA 2023; original [9]. Full text.
AttnGraph	Liu et al., Intention Aware Robot Crowd Navigation with Attention-Based Interaction Graph, ICRA 2023; original [20]. Full text.
DSRNN	Liu et al., Decentralized Structural-RNN for Robot Crowd Navigation with Deep Reinforcement Learning, ICRA 2021; original [7].
HEIGHT	Liu et al., HEIGHT: Heterogeneous Interaction Graph Transformer for Robot Navigation in Crowded and Constrained Environments, T-ASE 2026. Full text.
SCOPE	Xie and Dames, SCOPE: Stochastic Cartographic Occupancy Prediction Engine for Uncertainty-Aware Dynamic Navigation, T-RO 2025; original [25].
EgoTraj	Jiayi Liu, Jiaming Zhou, Ke Ye, Kun-Yu Lin, Allan Wang, Junwei Liang. EgoTraj-Bench: Towards Robust Trajectory Prediction Under Ego-view Noisy Observations. arXiv preprint 2025, v2 2026. Full text.
HiCrowd	Yufei Zhu, Shih-Min Yang, Martin Magnusson, Allan Wang. HiCrowd: Hierarchical Crowd Flow Alignment for Dense Human Environments. ICRA 2026. Full text; DOI.
PeoplePlanners	Yuwen Liao, Xinhang Xu, Ruofei Bai, Yizhuo Yang, Muqing Cao, Shenghai Yuan, Lihua Xie. Following Is All You Need: Robot Crowd Navigation Using People As Planners. RA-L 10(10):9814–9821, 2025. Full text; DOI.
iCrowdNav	Bao et al., Learning Robot Visual Navigation in Crowds via Intention-Aware Scene Representations, RA-L 11(5):6186–6193, 2026. Full text v1; DOI. Venue confirmed through Crossref; full arXiv text checked, especially Sections III-B/C. No cross-paper performance ranking is made.
Predictor	Huang et al., Learning Sparse Interaction Graphs of Partially Detected Pedestrians for Trajectory Prediction, RA-L 2022; original [26].
PPO	Schulman et al., Proximal Policy Optimization Algorithms, 2017; original [27].
LVDOT	Xu et al., LV-DOT: LiDAR-Visual Dynamic Obstacle Detection and Tracking for Autonomous Robot Navigation, 2025; original [29].
FASTLIO2	Xu et al., FAST-LIO2: Fast Direct LiDAR-Inertial Odometry, T-RO 2022; original [30].

Restore all cited baseline entries from the original bibliography when integrating this draft. Keep published titles unchanged even where the authors' own module terminology has been revised.

审稿与修订记录

日期：2026-10-14。约束：首投 RA-L 保留原实验，不新增训练或导航评测，不编造参数、日志、可视化或审稿结论。

本轮包含主分析者的直接核查，以及一个隔离上下文审稿代理的连续两轮评阅。后者按 research-review 技能请求使用 gpt-5.6-sol、ultra；工具没有另外报告实际模型身份，因此元数据中的 reported identity 留空。两者属于同一模型家族，这不是跨家族验证、外部专家背书或真实期刊审稿。

版本轨迹

版本	内容	文件
原稿	同时考虑遮挡和交互的三模块叙事	原始 PDF
v1	收窄为 occupancy-history conditioning，重写摘要、引言、方法、结果与结论，标出作者核对项	v1 英文快照
v2 当前工作稿	吸收第二轮意见；重组为两个设计选择；补齐数值、输入和相关工作核对	英文全文、中文分析

第一轮：直接审查原稿

审稿代理在本轮没有阅读主分析者的新英文稿，直接核对原稿、AE/评审、三篇参考文献和最接近前作。

完整记录：请求、审稿原文。

批评或建议	修订响应	状态
方法创新表述超过 PaS/AttnGraph 的实际差异	明确继承关系，把问题集中在占用历史对运动表示策略的增量	论述已改；新颖性充足性仍开放
HRI、uncertainty、collision-free、广泛泛化未被验证	以实际计算命名模块，结论限定到原协议	过强表述已改；对应能力仍未验证
81% AttnGraph 与 87% motion-only 归因混淆	分开报告，要求查配置，不把14个百分点全部归给占用历史	文字已改；实现差异待确认
没有两个分支均关闭的消融及容量控制	不再宣布超加性协同、必要性或最优性	已收窄主张；控制实验未新增
latent 对照没有证明不确定性机制	拆出碰撞4个百分点、超时16个百分点	解释已改；原因仍未知
VAE 概率模型、GRU、reward、轨迹历史不清楚	给出操作性损失，修正奖励名称，保留明确核对项	部分文字已修；实现事实未确认
实机输入和动作转换不足	增加控制与计时接口核对项，定位为部署演示	定位已改；现有部署记录待提供

对首轮意见作了三处审慎修正：

Fig. 5 不改成全环境 full-state。 原文仍保留 5 m 感知范围，仅改变是否提供量程内被行人遮挡者的信息，因此使用 without/with within-range occlusion。
不因 q(z|history) 没有 target 输入，就断言它不可能构成变分下界。 受限变分族仍可能合法；需要核对的是生成模型、decoder 条件和实际训练目标是否一致。
不从缺少种子说明推定只有一个 seed，也不从四舍五入后的百分数推定精确 episode 计数。 工作稿写“未报告种子数／汇总结果”，等原始记录确认。

主分析者另发现路径/时间与最大速度的条件性矛盾，并核对了 PDF 表格原图。该问题已独立交给第二轮审稿检查，而非将其当成既定的数据造假或错误结论。

第二轮：审查具体改写稿

审稿对象为保存下来的 v1 英文全文和中文报告，原始资料仍可交叉核对。请求明确要求区分“删掉了过度主张”“补上了作者核对提示”和“实际解决了证据缺口”。

完整记录：请求、审稿原文。

第二轮确认，v1 已在贡献边界、前作定位、内部/外部对照、失败构成、统计措辞和实机证据范围上完成实质修正。它没有把待核对标记视为已解决的问题，最终判断为：可供作者逐项核实的工作稿，尚不适合直接投稿；应先完成一次针对现有代码、配置和日志的事实审计。

第二轮批评或建议	v2 实际修改	当前状态
以“表示什么”和“怎样接入策略”组织贡献	摘要、引言和贡献明确为两个被检验的设计选择：联合表示与占用表示接口	文字已改；不称为两个新的一般原理
描述占用分支与运动分支的具体信息来源	引言写清 detected tracks、预测运动、partial OGM history，以及训练期 complete-current-local-OGM supervision	已改；冻结状态等实现事实仍需核对
数值一致性警示漏掉 Social Force	列出 SF、DS-RNN、AttnGraph、i-AW-CL、Proposed 共五行；补充逐分量限速仍不能解释 DS-RNN 的说明	问题范围已补全；原始统计未核实
路径和时间不能继续支持效率结论	英文原表保留原始数值并标注 audit pending，暂停效率解释；要求检查是否连带影响结果比例和公平性	论述已改；不能据此宣称协议问题已解决
motion MLP 的输入被过早定为 current + future	注明公式暂据原 III-D 转写，新增实际 tensor 核对项，要求与 III-A、图示和实现统一	歧义已公开；实际输入仍待确认
iCrowdNav 尚缺方法级对照	补读全文 III-B/C；在相关工作区分 RGB-D/BEV/3D pose 与本稿 OGM 监督/预测二维轨迹	原文核对与写作已完成；不跨协议比较成绩
将所有范围限定放进标题	保留简洁标题，在摘要、贡献和实验说明有限量程与模拟行人遮挡	部分采纳；避免标题过长，范围限制仍保留
中文稿有过期过程文字与快照相对链接问题	当前报告已改为完成两轮评阅，并指向有效的当前文件	正式交付入口已修正；冻结快照保留原样供审计

其中，路径/时间问题是一个条件性矛盾：若 1 m/s 为平面欧氏速度上限，路径是欧氏位移累计，且时间与路径均在同一批成功回合取均值，则必须满足 $\bar L\le v_{\max}\bar T$。本稿 proposed 行为 $22.05/15.80\approx1.396$ m/s。仅凭这张表不能判断究竟是动作限幅、距离范数、时间换算、统计集合还是转录错误；也不能直接断言数据造假。应查已有记录，必要时更正原统计。“保留现有实验”不意味着保留已确认的报告错误。

当前仍未解决的事项

以下事项没有被文字修订解决，英文中的 AUTHOR CHECK 应由真实材料逐项替换：

统计与控制定义： 速度上限、路径范数、时间换算、成功回合集合，以及五行数值的一致性。
中心证据的可比性： 分支消融、decode-and-reencode 对照的训练配置、checkpoint 和测试集合；容量与优化差异只能按已有记录披露。
外部比较来源： 各 baseline 的实现、重训、输入、reward 和预算，尤其外部 AttnGraph 81% 与内部 motion-only 87% 的区别。
可复现的数据流： motion tensor、历史缺失/重现/ID 处理、VAE decoder 条件、latent 的取值、冻结状态、GRU 数量，以及奖励和实机动作映射。
现有证据的上限： 没有新增多种子、场景变化、真实感知误差或量化实机实验；记录核对也不能替代这些缺失证据，不恢复相应强主张。

本轮可读取材料没有训练实现、配置和原始运行日志，因此以上实现与统计问题保持待核对，未声称修复。已有图表重新组织的结论仍是描述性的：combined 与 motion-only 的报告成功率为 95% 与 87%；direct latent 与 decode-and-reencode 的报告超时率为 0% 与 16%。不能把差值唯一归因于隐藏占用推断、风险校准或特定模块的因果作用。

本轮最终判断

当前最值得保留的论文主线是：在已有行人运动表示的策略中，评估占用历史的增量，以及占用表示进入策略的接口。 这比宣称一个普适交互或不确定性框架更贴近现有实验，也能让两组消融分别回答明确问题。

第二轮独立评阅针对冻结的 v1；主分析者随后把其可执行意见落实到 v2，并核查对应文字和数值转录。没有额外声称 v2 已获得独立“接收”评价。下一次终审应以已有事实材料为输入，检查数值是否闭合、方法是否唯一明确、对照是否可解释，以及摘要和结论是否仍落在证据范围内。即使核对全部通过，方法增量与实验覆盖仍可能成为 RA-L 评审的主要争议，叙事改善不能保证接收。

停止迭代的原则

叙事和措辞能够修复的问题应当修改到清楚、准确；需要原作者代码、配置、日志才能判断的事项必须保留为待核对；需要新实证的问题按当前范围如实限定。不通过重复请求审稿直到得到接收评价来制造“审过即通过”。

展开第 1 轮完整审稿意见

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：

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”。
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】。
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：

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。
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：

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。
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。
“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。
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。
$z$ 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

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。
$2(d_{t-1}^{goal}-d_t^{goal})$ 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

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】。
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。
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。
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】。
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。
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】。
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。
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

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。
Eq. 2 的 decoder 是否条件在 $o$ 上；Eq. 3 是否真是实现目标。
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。
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。
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。
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。
$d_t^{min}$ 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。
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。
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。
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

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】。
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。
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。
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】。
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】。
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。
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。
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。
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：

现有 relation policy 在可见行人轨迹不完整时会损失信息；
本稿只研究其中的 simulated pedestrian-to-pedestrian occlusion；
partial OGM history 与 simulator full OGM target 构成受控训练对；
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；
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

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。
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。
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。
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。
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：

Reactive and predictive crowd navigation；
Visible-pedestrian relational policies（AttnGraph、HEIGHT、i-AW-CL）；
Navigation under occlusion / occupancy inference（PaS、SCOPE 等）；
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

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。
定义 partial OGM 生成和历史窗口；说明其只模拟 pedestrian line-of-sight occlusion。
给出准确的 encoder/loss；若实现不是严格 CVAE，就不要强行称 ELBO。
将原“interaction module”改为 visible-pedestrian relation encoder；说明轨迹缺失、mask、ID 和 prediction。
给出 fusion/recurrent policy 数据流，明确哪些网络冻结、哪些联合更新。
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

Protocol and implementation provenance table；
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；
Table I：当前协议中的 descriptive comparison，给 count/uncertainty，避免跨论文数字排名；
Table II：仅称 configuration comparison，删除“明确互补/必要性”；
latent vs reconstruction variant：只报告观察与可能解释，把机制解释标成假设；
real-robot feasibility：系统链路、runtime 定义、现有 trial/失败信息；
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

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。
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。
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。
核对并修正 Eq. 2–3、Eq. 13、POMDP policy/value 定义、GRU 数量和 Fig. 2 数据流。
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。
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。
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

VAE、OGM、trajectory predictor、mask/ID、PPO 与终止条件的全部复现参数。
训练/验证/测试数据来源和隔离，确认 VAE pretraining 未使用 test episode。
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。
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

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”。
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。
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。

展开第 2 轮完整审稿意见

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

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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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 $Lj\le v{\max}T_j$，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

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。
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：

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。
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：

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.

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

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。
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。
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。
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。
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：

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。
固化 branch、latent-interface、Fig. 5 和 baseline 的配置/数据来源表。
用实现统一 motion input、VAE/decoder、latent/freeze、GRU、reward/control 与实机命令链。
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。

把占用历史的增量价值写成一条清楚的论证

现有消融：差异落在成功、碰撞和超时

保留现有实验，重构面向 RA-L 首投的论文论证

1. 我的核心建议：把文章写成一个具体的表示设计问题

2. 三篇参考论文值得学的深层逻辑

2.1 先核对它们是什么论文

2.2 EgoTraj-Bench：先证明输入假设出了问题，再解释模型为什么这样设计

2.3 HiCrowd：一个原则对应一种决策接口，再给每个模块明确职责

2.4 People as Planners：新颖性来自可执行的任务重分配

2.5 三篇共通的写法，在本稿里怎样落地

3. 原稿为什么容易被拒：不是只缺一个更吸引人的故事

4. 修改前后，全文的重心如何改变

5. 用现有数据，把实验重新写成五个问题

问题一：观测限制是否会影响这里的导航任务？

问题二：联合表示是否优于两个单分支配置？

问题三：策略接收什么形式的占用表示更合适？

问题四：在当前协议中，与其他方法相比有哪些收益和代价？

问题五：这个系统能否在实体平台执行？

6. 逐条回应审稿意见：首投不扩实验时能做到什么

7. 本轮发现的技术与统计问题，应先于语言润色处理

7.1 路径、时间和最大速度的定义可能不一致

7.2 87% 的 motion-only 与 81% 的 AttnGraph 不是天然相同的对照

7.3 VAE 的训练目标需要数学上与实现一致

7.4 地图值 0.5 是未知标记，不是校准过的 50% 占用概率

7.5 两处 GRU、观测符号和策略条件要统一

7.6 进度奖励不宜直接宣称经典 potential-based 不变性

7.7 仿真全向动作到实机差速动作之间缺了接口说明

7.8 500 个测试回合不是 500 次独立训练

8. 每一节应该怎样重写，而不是怎样“换词”

标题与摘要

引言

相关工作

方法

结果与讨论

图表

结论

9. 保持实验不变的实际修改顺序

10. 两轮审稿后，哪些已经改好，哪些仍不足

11. 证据入口与阅读边界

Occupancy-History Conditioning for Crowd Navigation under Occlusion

Abstract

I. Introduction

II. Related Work

A. Occupancy Representations under Partial Observation

B. Pedestrian Motion Representations for Navigation

C. Navigation Guided by Pedestrian Motion

III. Method

A. Observations and Policy Inputs

B. Occupancy History Encoding

C. Pedestrian Motion Context

D. Recurrent Navigation Policy

IV. Experimental Evaluation

A. Evaluation Protocol

B. Effect of the Visibility Setting

C. Occupancy-History Conditioning and Motion Features

D. Direct Latent Conditioning versus Decode-and-Reencode

E. Comparison with Navigation Baselines

F. Physical-Robot Demonstration

V. Discussion and Limitations

VI. Conclusion

Figure and Table Editing Notes

Reference-Key Map

审稿与修订记录

版本轨迹

第一轮：直接审查原稿

第二轮：审查具体改写稿

当前仍未解决的事项

本轮最终判断

停止迭代的原则

RA-L 首轮独立证据与叙事审查

审查范围与结论边界

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

1.2 可辩护的贡献表述

1.3 建议标题与一句话主张

1.4 现有证据不支持的替代主张

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

2.2 Figure 5：目前不能完成因果隔离

2.3 Table II：消融结论超出了设计

把占用历史的增量价值
写成一条清楚的论证