面向可部署且通用的自主性运动预测趋势：一次回顾与展望

运动预测，近年来作为世界模型流行，指对未来智能体状态或场景演化的预测，这源于人类认知，横跨感知与决策。它使智能系统（如机器人和自动驾驶汽车）能够在动态、涉及人类的环境中安全行动，并指导更广泛的时间序列推理挑战。随着方法、表征和数据集的进展，该领域取得了快速进展，基准结果不断更新。然而，当最先进的方法部署到实际场景时，往往难以推广至开放世界条件，未能达到部署标准。这揭示了研究基准（常为理想化或不恰当）与现实复杂度之间的鸿沟。为此，本综述重访运动预测模型的可部署性与可推广性，着重关注机器人、自动驾驶和人类运动的应用。我们首先提供运动预测方法的全面分类体系，涵盖表征、建模策略、应用领域和评估协议。随后，我们研究两个关键挑战：(1) 将运动预测模型推进至真实部署标准，运动预测不再孤立运行，而是闭环自主系统的一个模块——它接受定位与感知的输入，并为下游规划与控制提供信息。(2) 如何将运动预测模型从有限的已见场景/数据集推广至开放世界环境。全文中，我们突出关键性开放性挑战，以指引未来工作，力求校准社区的努力，培育既可衡量又对现实应用有意义的进展。项目网页可在此处找到 https://trends-in-motion-prediction-2025.github.io/。