С повече от 20 години опит ние променяме вашето цифрово присъствие. Специализирани сме в разработването на уебсайтове и електронни магазини, SEO и цифров маркетинг, ERP софтуер и интелигентна автоматизация, които извеждат бизнеса ви на следващото ниво.
Адрес:
Егнатия 154, Солун 546 36
Телефон:
+30 231 231 4095
Електронна поща:
hello@twodots.gr
Готови ли сте за следващата стъпка?;
Το SPARC συνδυάζει Bayesian last layer, structured covariance και conformal calibration για γρήγορη πρόβλεψη ανθρώπινης κίνησης με ελέγξιμα όρια.
Το SPARC δεν προσπαθεί απλώς να μαντέψει την επόμενη κίνηση ενός ανθρώπου· προσπαθεί να δείξει πόσο χώρο πρέπει να αφήσει ένα σύστημα για το ενδεχόμενο να κάνει λάθος. Συνδυάζει deterministic πρόβλεψη, δομημένη aleatoric covariance, αναλυτική epistemic κλιμάκωση και split conformal calibration σε ένα forward pass. Η πρακτική του αξία είναι ένα ελέγξιμο risk interface για ρομπότ και safety-aware AI, όχι ένας γενικός «δείκτης εμπιστοσύνης».
Η εργασία SPARC: Single-Pass Scaling for Motion Forecasting with Conformal Bayesian Last Layers των Sakif Hossain, Julian Teusch και Jörg P. Müller εξετάζει ένα δύσκολο κενό του human motion forecasting. Ένα μοντέλο μπορεί να δίνει ανταγωνιστικό μέσο σφάλμα και παρ’ όλα αυτά να είναι επικίνδυνα βέβαιο όταν συναντήσει κίνηση μακριά από το training support. Για ένα cobot, ένα σύστημα human-aware navigation ή ένα collision-avoidance layer, η αβεβαιότητα πρέπει να συνδέεται με τη μελλοντική τροχιά και με συγκεκριμένη πολιτική δράσης.
Στο human motion forecasting, το μοντέλο παρατηρεί ένα σύντομο ιστορικό από 3D στάσεις και προβλέπει τις επόμενες θέσεις των αρθρώσεων. Το MPJPE μετρά τη μέση απόσταση της πρόβλεψης από την πραγματική θέση. Είναι χρήσιμο metric ακρίβειας, αλλά δεν απαντά αν το σύστημα γνωρίζει πότε η πρόβλεψή του είναι ασταθής ούτε πόσο μεγάλο safety margin χρειάζεται γύρω της.
Η διαφορά είναι κρίσιμη σε shared workspaces. Μια απόκλιση λίγων εκατοστών σε προβλέψιμη κίνηση δεν έχει το ίδιο operational risk με την ίδια απόκλιση σε κίνηση που το μοντέλο δεν έχει καλά εκπροσωπήσει. Η πρακτική σύνδεση με ρομποτική και AI ως επιχειρησιακό εργαλείο αρχίζει ακριβώς εδώ: πριν συνδεθεί μια πρόβλεψη με actuator, ειδοποίηση ή fallback, η ομάδα χρειάζεται και ένα αξιόπιστο περίγραμμα αβεβαιότητας.
Η aleatoric αβεβαιότητα αφορά την εγγενή ασάφεια του μέλλοντος. Από το ίδιο observed prefix μπορεί να ακολουθούν πολλές εύλογες κινήσεις: ένας άνθρωπος ίσως συνεχίσει ευθεία, στρίψει ή σταματήσει. Αυτή η πολλαπλότητα δεν εξαφανίζεται ακόμη και με περισσότερα δεδομένα. Το μοντέλο πρέπει να διατηρεί τις χρονικές και σκελετικές συσχετίσεις, επειδή οι αρθρώσεις δεν κινούνται ως ανεξάρτητοι αριθμοί.
Η epistemic αβεβαιότητα αφορά όσα το μοντέλο δεν έχει μάθει καλά. Αυξάνεται όταν τα learned features μιας εισόδου απέχουν από τη στήριξη των training data. Η διάκριση θυμίζει το γιατί ένα benchmark χρειάζεται να μετρά τη δυσκολία του περιβάλλοντος και όχι μόνο το τελικό success rate: δύο παρόμοια outputs μπορεί να προέρχονται από εντελώς διαφορετική βεβαιότητα γνώσης.
Aleatoric αβεβαιότητα
Περιγράφει τις πολλές εύλογες μελλοντικές κινήσεις και τη δομημένη μεταβλητότητα μεταξύ χρόνου, αρθρώσεων και συντεταγμένων.
Epistemic αβεβαιότητα
Στο SPARC εκφράζεται ως feature-space leverage κ που διογκώνει το μέγεθος της covariance όταν η είσοδος έχει ασθενέστερη training support.
Conformal calibration
Μετατρέπει τα standardized residuals ενός held-out calibration set σε quantiles για 95% marginal prediction tubes υπό exchangeability.
Πρώτα, ένα siMLPe/DCT-style MLP προβλέπει τη μέση μελλοντική κίνηση. Οι είσοδοι μετασχηματίζονται σε συντελεστές discrete cosine transform και επιστρέφουν στον χρόνο μέσω inverse DCT. Ο feature extractor παραμένει deterministic, ώστε η βασική πρόβλεψη να μην απαιτεί ensemble ή επαναλαμβανόμενα stochastic passes.
Δεύτερον, ένα Gaussian head μοντελοποιεί τη δομημένη aleatoric covariance. Η matrix-normal παράμετρος αποτυπώνει temporal correlations, ενώ μια graph/GMRF κατασκευή συνδέει τις αρθρώσεις μέσα από sparse precision. Τρίτον, μια conjugate Bayesian last layer υπολογίζει αναλυτικά horizon-wise κ και διογκώνει την covariance χωρίς να αλλάζει το correlation pattern της. Στο τέλος, το split conformal βήμα βαθμονομεί τα prediction tubes.
Η αρχιτεκτονική ιδέα
Η structured covariance περιγράφει πώς συνδέονται χρόνος και σκελετός. Το κ περιγράφει πόσο πρέπει να διογκωθεί αυτή η δομή για μια συγκεκριμένη είσοδο. Το conformal quantile ελέγχει την εμπειρική κάλυψη. Αν μια υλοποίηση τα συμπτύξει σε ένα αδιαφανές confidence score, χάνει το βασικό deployment interface του SPARC.
Το κ υπολογίζεται από quadratic form πάνω στα learned features και σε inverse sufficient-statistics matrix που έχει προσαρμοστεί μία φορά offline. Με απλά λόγια, αυξάνεται όταν το feature vector έχει μεγάλη leverage σε σχέση με το training design. Στο inference, το σύστημα χρειάζεται το forward pass του δικτύου και κλειστού τύπου horizon-wise υπολογισμούς, όχι posterior sampling.
Αυτό δεν μετατρέπει το κ σε καθολικό out-of-distribution detector. Η ποιότητά του εξαρτάται από τη learned representation: αν τα features δεν αποτυπώνουν τι είναι πραγματικά «άγνωστο», το signal μπορεί να είναι αδύναμο. Το paper χρησιμοποιεί επίσης timewise shrinkage προς global sequence-level scale και monotone temperature για το trade-off NLL και interval width. Οι παράμετροι επιλέγονται σε held-out training windows και σταθεροποιούνται πριν από calibration και evaluation.
Η κύρια έξοδος δεν είναι ένας μοναδικός αριθμός confidence. Για κάθε μελλοντικό χρόνο, άρθρωση και 3D συντεταγμένη, το SPARC παράγει interval γύρω από την προβλεπόμενη μέση θέση. Η συλλογή αυτών των axis-aligned intervals σχηματίζει prediction tube. Το σύστημα μπορεί έτσι να συνδέσει ένα συγκεκριμένο envelope με collision checks, personal-space constraints ή conservative fallback.
Ο κύριος στόχος είναι 95% marginal coverage για το induced score distribution, όχι εγγύηση ότι ολόκληρη η πλήρης τροχιά θα βρίσκεται ταυτόχρονα μέσα στο σύνολο. Το split conformal calibration χρησιμοποιεί standardized residuals και quantiles ανά horizon και άρθρωση, με pooling στις τρεις coordinates. Το paper εξετάζει επιπλέον Mondrian tubes ανά κ-bin και trajectory-level ellipsoids, αλλά αυτά είναι διαφορετικές έννοιες κάλυψης και δεν πρέπει να παρουσιάζονται ως το βασικό αποτέλεσμα.
Το Human3.6M είναι το κύριο benchmark. Η αξιολόγηση επεκτείνεται σε AMASS, LaFAN1, CMU-MoCap, 3DPW και στα HRI-style datasets CHICO, HA4M και AnDy, δημιουργώντας εννέα dataset/protocol blocks. Στα μη Human3.6M δεδομένα, εκτός αν δηλώνεται διαφορετικά, το μοντέλο παρατηρεί 50 frames και προβλέπει 25.
Το evaluation protocol χρησιμοποιεί deterministic permutation με seed 304. Τα πρώτα 512 windows χρησιμοποιούνται μόνο για split conformal calibration και τα επόμενα 1.024 αποκλειστικά για metrics, με στόχο α=0,05. Το training split προσαρμόζει backbone, covariance heads και conjugate statistics. Held-out training windows επιλέγουν πέντε uncertainty/calibration hyperparameters, ενώ το disjoint evaluation set χρησιμοποιείται μία φορά.
Επειδή οι μονάδες διαφέρουν μεταξύ datasets, η εργασία αναφέρει mean ranks. Το SPARC είχε rank 1,00 στο NLL και 2,69 στο συνδυασμένο MPJPE+NLL, τα καλύτερα αποτελέσματα μεταξύ των παρουσιαζόμενων μεθόδων. Στο point accuracy είχε MPJPE rank 4,39, άρα δεν ήταν καθολικός νικητής. Στο πλάτος των conformal 95% tubes είχε rank 2,50.
Το SPARC σε τέσσερις επαληθευμένες μετρικές
Οι αριθμοί είναι mean ranks στο συγκεκριμένο cross-dataset πρωτόκολλο· μικρότερο είναι καλύτερο και δεν αποτελούν ποσοστά επιτυχίας.
Στο Human3.6M, το υψηλότερο κ-decile είχε 1,79 φορές το μέσο MPJPE. Η αφαίρεση αυτού του decile μείωσε το MPJPE περίπου 9%. Οι thresholds είχαν ρυθμιστεί σε held-out data και οι συγγραφείς δηλώνουν ότι δεν υπάρχει formal guarantee για αυτό το monitoring αποτέλεσμα. Η σωστή ανάγνωση είναι risk ranking που αξίζει περαιτέρω validation, όχι πιστοποίηση ότι κάθε high-κ περίπτωση θα αποτύχει.
Το component ablation δείχνει ότι τα κέρδη δεν προέρχονται από έναν μόνο μηχανισμό. Μέσα στην FC-Out οικογένεια, το βασικό κ variant είχε MPJPE+NLL mean rank 5,28. Η hybrid matrix-normal δομή το βελτίωσε σε 3,94 και το GraphJ coupling σε 2,47. Το SPARC με time-coupled shrinkage είχε 3,17 σε αυτό το within-family metric.
Η time coupling δεν παρουσιάζεται ως καθαρή νίκη στο NLL. Είναι calibration-efficiency knob: θυσιάζει μέρος του NLL rank σε σχέση με το uncoupled hybrid MN-GraphJ, αλλά υποστηρίζει καλύτερο calibrated tube trade-off στο πλήρες benchmark. Όπως και στο behavioral testing των AI agents, η τελική επιλογή πρέπει να ακολουθεί το failure mode που έχει πραγματικό κόστος, όχι ένα συνολικό score χωρίς επιχειρησιακό πλαίσιο.
Όλα τα structured heads της εργασίας, συμπεριλαμβανομένου του SPARC, χρειάζονται ένα forward pass στο inference. Το κ προσθέτει horizon-wise quadratic forms και αποφεύγει Monte Carlo sampling ή ensembles. Η προσαρμογή του inverse sufficient-statistics matrix γίνεται offline, ενώ το conformal calibration χρησιμοποιεί τα 512 held-out windows.
Το «single-pass» περιγράφει το inference pattern, όχι ολόκληρο το lifecycle. Παραμένουν το κόστος εκπαίδευσης του forecaster, το fitting των covariance heads, η αποθήκευση και έκδοση των statistics, η συντήρηση calibration sets και η παρακολούθηση drift. Η διακυβέρνηση ως μέρος της αρχιτεκτονικής είναι σημαντική ακριβώς επειδή αυτά τα artifacts πρέπει να είναι αναπαραγώγιμα και ελέγξιμα.
Η split conformal prediction δίνει finite-sample marginal validity όταν calibration και evaluation παραδείγματα είναι exchangeable. Σε πραγματικές χρονικές ροές, αλλαγές συμπεριφοράς, νέα καθήκοντα, διαφορετικά σώματα ή distribution shift μπορούν να παραβιάσουν αυτή την υπόθεση. Το ίδιο το paper ζητά τότε η calibration να διαβάζεται εμπειρικά και όχι ως unconditional guarantee.
Υπάρχουν και άλλοι περιορισμοί. Η ποιότητα του κ εξαρτάται από learned features. Πλουσιότερες συσχετίσεις μπορεί να απαιτούν πυκνότερα coordinate models και επιπλέον compute. Τα αποτελέσματα ισχύουν για τα datasets, τα splits και τις μετρικές της μελέτης. Οι split-seed, fit-seed και repeated-HPO diagnostics ενισχύουν την αξιολόγηση, αλλά δεν αντικαθιστούν validation στο πραγματικό περιβάλλον.
Η άμεση εφαρμογή του SPARC είναι η πρόβλεψη ανθρώπινης κίνησης για HRI, human-aware navigation και safety filters. Δεν αποδεικνύει ότι η ίδια αρχιτεκτονική πρέπει να μεταφερθεί αυτούσια σε demand forecasting, marketing attribution ή recommendations. Προσφέρει όμως ένα ελέγξιμο design principle: πριν ένα confidence signal οδηγήσει σε δράση, πρέπει να είναι σαφές τι μετρά, σε ποια δεδομένα βαθμονομήθηκε και ποια policy ενεργοποιεί.
Η διάκριση αυτή έχει αξία και στα επιχειρησιακά AI workflows. Το rationale ενός AI agent μπορεί να αλλάζει την απόφασή του, ενώ οι λειτουργικές αστοχίες στην παραγωγή συχνά βρίσκονται έξω από το ίδιο το μοντέλο. Ένα risk interface πρέπει επομένως να συνδέεται με observable state, thresholds, human escalation, safe mode και action logs.
Το SPARC κάνει την αβεβαιότητα πιο συγκεκριμένη, αλλά δεν αποφασίζει μόνο του πώς θα χρησιμοποιηθεί. Η παρακάτω ακολουθία μετατρέπει τα ερευνητικά ευρήματα σε πρακτικό pilot plan χωρίς να επεκτείνει τους ισχυρισμούς της μελέτης.
Από το prediction tube σε ασφαλή επιχειρησιακή πολιτική
Ξεχωρίστε point error, υπερβολική βεβαιότητα, πολύ πλατύ interval και καθυστερημένο fallback. Η μετρική πρέπει να ακολουθεί τη ζημιά που μπορεί να προκαλέσει η απόφαση.
Αποφασίστε αν χρειάζεστε marginal intervals, joint-wise κάλυψη ή trajectory-level set. Το 95% marginal coverage του βασικού SPARC δεν είναι εγγύηση για ολόκληρη τροχιά.
Τεκμηριώστε εκδόσεις, χρονικά παράθυρα και χρήση κάθε split. Μην επιτρέψετε στο calibration ή το τελικό evaluation να γίνει κρυφό tuning set.
Μετρήστε high-κ failure concentration ανά χώρο, κίνηση και υποομάδα. Το 1,79× του Human3.6M δεν μεταφέρεται αυτόματα στη δική σας ροή.
Για κάθε risk band ορίστε επιβράδυνση, μεγαλύτερο safety margin, abstention ή ανθρώπινη παρέμβαση. Η πολιτική χρειάζεται δοκιμή υπό latency και capacity constraints.
Ένα interval μπορεί να διατηρεί coverage επειδή έγινε υπερβολικά πλατύ. Παρακολουθήστε ταυτόχρονα empirical coverage, mean width, MPJPE, κ distribution και αλλαγές πληθυσμού.
Αποθηκεύστε model, covariance head, sufficient statistics, calibration quantiles, thresholds και action outcome. Η αξία του robot learning από ανθρώπινη κίνηση μεγαλώνει όταν η ομάδα μπορεί να ανακατασκευάσει γιατί το σύστημα άφησε ή περιόρισε μια ενέργεια.
Η σημαντικότερη συνεισφορά του SPARC δεν είναι ότι κερδίζει παντού στην ακρίβεια της κεντρικής πρόβλεψης. Είναι ότι συνδέει deterministic forecaster, structured aleatoric covariance, αναλυτικό epistemic scale και conformal calibration σε ένα συνεκτικό interface. Στο συγκεκριμένο benchmark είχε την καλύτερη κατάταξη NLL και combined MPJPE+NLL, ανταγωνιστικό point error και αποδοτικά calibrated tubes.
Ταυτόχρονα, η εργασία κρατά καθαρά τα όριά της: όχι uniform MPJPE win, όχι strong conditional guarantee, όχι universal OOD detector και όχι formal guarantee για την κ-based selective policy. Αυτή η ακρίβεια είναι κομμάτι της αξίας της. Σε safety-sensitive AI, αξιοπιστία δεν είναι μόνο να ξέρεις τι προβλέπει το μοντέλο. Είναι να ξέρεις πόσο χώρο πρέπει να αφήσεις για όσα δεν γνωρίζει.
Από το confidence score σε ελεγχόμενη ροή
Η TWO DOTS χαρτογραφεί risk signals, human approvals, monitoring, action logs και fallback paths ώστε ένα AI workflow να παραμένει χρήσιμο χωρίς να κρύβει τα όρια της πρόβλεψής του.
Често задавани въпроси
Single-Pass Adaptive Risk Calibration. Είναι uncertainty layer για human motion forecasting που συνδυάζει Bayesian last-layer scaling, structured Gaussian covariance και split conformal calibration.
Όχι. Χρησιμοποιεί ένα forward pass και κλειστού τύπου quadratic-form υπολογισμούς για το κ, χωρίς Monte Carlo sampling ή ensemble inference.
Μετρά feature-space leverage σε σχέση με το training design και λειτουργεί ως epistemic inflation scale. Η αξιοπιστία του εξαρτάται από τα learned features και δεν είναι καθολικός OOD detector.
Finite-sample marginal validity για το conformal score distribution υπό exchangeability. Δεν εγγυώνται αυτόματα conditional coverage σε κάθε υποομάδα ούτε ότι ολόκληρη η τροχιά καλύπτεται ταυτόχρονα.
Σε Human3.6M, AMASS, LaFAN1, CMU-MoCap, 3DPW, CHICO, HA4M και AnDy, οργανωμένα σε εννέα dataset/protocol blocks.
Όχι. Είχε mean rank 1,00 στο NLL και 2,69 στο combined MPJPE+NLL, αλλά mean rank 4,39 στο MPJPE, άρα δεν ήταν uniform point-accuracy winner.
Μπορεί να χρησιμοποιηθεί ως lightweight risk-ranking signal με thresholds από held-out data. Η μελέτη δεν δίνει formal guarantee ότι κάθε high-κ περίπτωση θα αποτύχει.
Η conformal εγγύηση βασίζεται στην exchangeability και το epistemic signal στη learned representation. Distribution shift, temporal dependence και κακώς ευθυγραμμισμένα features απαιτούν νέα εμπειρική επικύρωση.
