NeMo-map: Neural Implicit Flow Fields for Spatio-Temporal Motion Mapping¶
会议: ICLR 2026
arXiv: 2510.14827
代码: 无
领域: 自动驾驶
关键词: 动态地图, 神经隐式表示, 半包裹高斯混合, 人类运动模式, 时空连续
一句话总结¶
提出 NeMo-map——基于神经隐式函数的连续时空动态地图，将空间-时间坐标直接映射为半包裹高斯混合模型（SWGMM）参数，消除传统方法的空间离散化和时间分段限制，在真实行人追踪数据上实现更低 NLL 和更平滑的速度分布。
研究背景与动机¶
领域现状：动态地图（MoD）通过编码环境中的统计运动模式帮助机器人在拥挤场景中导航。现有方法如 CLiFF-map 和 STeF-map 在离散网格上拟合局部运动分布。
现有痛点：网格离散化导致信息丢失和边界不连续；时间通常按小时分段，无法建模跨时段的平滑过渡；手动选择网格分辨率依赖环境。
核心矛盾：离散表示无法在任意空间-时间坐标上查询运动分布，且稀疏区域需要插值或填充。
本文目标：(a) 消除空间离散化；(b) 实现空间和时间的连续平滑查询；(c) 保持运动方向的多模态特性。
切入角度：用神经隐式表示将 \((x, y, t) \to\) SWGMM 参数的映射建模为连续函数。
核心 idea：用可学习空间特征网格 + SIREN 时间编码 + MLP 直接输出连续时空运动分布参数。
方法详解¶
整体框架¶
这篇论文要解决的是动态地图（MoD）被网格和时段切碎的问题：传统方法把环境拆成离散网格、把一天分成若干时段，分别拟合局部运动分布，结果是边界不连续、稀疏区域要靠插值、还得手调网格分辨率。NeMo-map 的思路是把整张动态地图当成一个连续函数 \(\Phi_\theta:(\mathbf{x}, t) \to\) SWGMM 参数来学，任意时空坐标都能直接查询。
整条管线这样转：查询坐标 \((\mathbf{x}, t)\) 进来后，空间分量 \(\mathbf{x}\) 在一张可学习特征网格上做双线性插值，取出连续的空间特征 \(\mathbf{f}_s(\mathbf{x})\)；时间分量 \(t\) 经过一个 SIREN 网络编码成 \(\mathbf{f}_t(t)\)；两段特征拼接后送进 MLP，输出 \(J\) 组半包裹高斯混合（SWGMM）参数 \(\{w_j, \bm{\mu}_j, \bm{\Sigma}_j\}\)，描述该时空点上速度-方向的多模态分布。
%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
Q["查询坐标 (x, y, t)"] --> X["空间坐标 x"]
Q --> T["时间 t"]
X -->|"特征网格<br/>双线性插值"| FS["可学习空间特征网格<br/>连续空间特征 f_s(x)"]
T -->|"周期正弦激活"| FT["SIREN 时间编码<br/>时间特征 f_t(t)"]
FS --> CAT["拼接 f_s ⊕ f_t"]
FT --> CAT
CAT -->|"MLP"| OUT["SWGMM 参数化输出<br/>{w_j, μ_j, Σ_j}"]
OUT --> DIST["速度-方向多模态分布<br/>p(v | x, t)"]关键设计¶
1. 可学习空间特征网格：让空间连续又不丢局部细节
直接把坐标 \(\mathbf{x}\) 喂给 MLP，很难表达局部运动模式的剧烈变化；而离散网格虽然能存局部信息，却在边界处断裂。NeMo-map 折中地维护一张特征网格 \(\mathbf{G}_s \in \mathbb{R}^{H \times W \times C_s}\)，在查询位置 \(\mathbf{x}\) 处对相邻格点特征做双线性插值，得到连续的空间特征 \(\mathbf{f}_s(\mathbf{x})\)。网格保留了"每个区域有自己的运动特征"这种局部性，双线性插值则保证了跨格点的平滑过渡——既比纯坐标 MLP 更能捕捉局部差异，又消除了硬网格的边界不连续。
2. SIREN 时间编码：用周期激活对齐运动的日周期性
人流的运动模式天然带有一天之内的周期规律（早晚高峰、午休等），传统方法按小时把时间切成离散段，跨段之间没有平滑过渡。NeMo-map 把连续时间 \(t\) 送进一个以周期性正弦函数为激活的 SIREN 网络编码成 \(\mathbf{f}_t(t)\)。正弦激活本身就是周期函数，与"一天内运动模式循环往复"这一先验高度契合，因此能在任意时刻连续查询，而不再受时段切分的束缚。
3. SWGMM 参数化输出：建模速度-方向的多模态联合分布
行人在同一位置可能朝多个方向行进，且速度和方向相互关联，所以输出不能是单峰分布。MLP 为每个混合分量输出权重、均值与协方差，建模速度 \(\rho\) 和方向 \(\theta\) 的联合分布；方向维度按 \(2\pi\) 周期"半包裹"处理，引入卷绕数（winding number）\(k \in \{-1,0,1\}\) 来正确表达环形拓扑。这样既比 STeF-map 用离散方向直方图（如 8-bin）更精细、还顺带建模了速度，又比 VMGMM 假设速度与方向独立更灵活——速度-方向相关性被显式保留下来。
损失函数 / 训练策略¶
训练用负对数似然，让网络预测的 SWGMM 分布尽量贴合观测到的速度向量 \(\mathbf{v}_i\)：
整套是端到端训练，全天数据训练不到 20 分钟。
实验关键数据¶
主实验（ATC 购物中心数据集 NLL↓）¶
| 方法 | NLL↓ | vs NeMo NLL增量 |
|---|---|---|
| NeMo-map | 0.775 | — |
| Online CLiFF-map | 1.527 | +0.752 |
| CLiFF-map | 1.964 | +1.189 |
| STeF-map | 5.576 | +4.801 |
ETH/UCY 数据集对比¶
| 场景 | NeMo NLL | CLiFF NLL | 提升 |
|---|---|---|---|
| ETH | -0.384 | 0.112 | +0.496 |
| HOTEL | -0.838 | 0.701 | +1.539 |
| UNIV | 0.404 | 0.518 | +0.114 |
| ZARA | -0.342 | 0.068 | +0.410 |
训练效率：NeMo-map 全天数据训练不到 20 分钟。
关键发现¶
- NeMo 在所有数据集和场景上均显著优于基线（p<0.001）
- 在稀疏区域 NeMo 产生更平滑的速度分布，避免了离散方法的不连续性
- 模型在轨迹预测下游任务中也表现更好
亮点与洞察¶
- 连续时空查询的能力消除了 MoD 的核心限制：不再需要预定义网格分辨率，不再有时间分段的不连续性。
- SWGMM 的圆柱体可视化（方向包裹在圆上，速度沿圆柱轴）非常直观，有助于理解多模态运动模式。
局限与展望¶
- 仅在行人场景验证，未测试车辆或自行车等其他动态物体
- 可学习空间网格的分辨率仍需手动设定
- 未与基于深度学习的轨迹预测模型进行全面对比
相关工作与启发¶
- vs CLiFF-map: CLiFF 离散化空间+离线批处理，NeMo 连续空间+端到端训练
- vs STeF-map: STeF 离散化方向（8-bin）且不建模速度，NeMo 连续方向+速度联合建模
评分¶
- 新颖性: ⭐⭐⭐⭐ 将神经隐式表示引入动态地图是自然但有效的创新
- 实验充分度: ⭐⭐⭐ 两个数据集，有统计显著性检验，但场景类型有限
- 写作质量: ⭐⭐⭐⭐ 清晰简洁，SWGMM 的数学描述严谨
- 价值: ⭐⭐⭐⭐ 对机器人导航中的运动建模有实用贡献