26 万参数的「小脑」，让机器人预判你要往哪走

移动机器人最尴尬的时刻，是在走廊里跟迎面走来的行人互相「礼貌礼让」，你退我进、你进我退地卡半天。病根在于机器人预判不了人下一步往哪走。10 月 24 日 arXiv 的一篇论文，专门冲着这个预判能力去，而且把模型做得小到能塞进机器人的机载设备。

一、发生了什么

论文提出一个轻量双向状态空间模型，从单个深度相机数据预测行人的短时未来轨迹。它瞄准的核心问题叫训练部署落差：训练数据用的是经过平滑的理想化轨迹标注，真机运行时喂给模型的却是姿态检测器和深度传感器给出的带噪估计——模型一上线就面对训练时从没见过的输入分布，误差由此放大。

作者的处理办法是让训练和部署走同一条处理链：人体姿态提取、深度反投影、平滑这几步在两个阶段完全对齐。模型结构上，用堆叠的双向 Mamba 模块编码一段短时间内髋部中心的速度序列，再用 GRU 头解码未来速度。

摘要给出的数字：在常用的行人轨迹基准上，平均位移误差 0.29 米、终点位移误差 0.51 米；模型只有 26.2 万参数，在普通硬件上就能实时运行，并且已经部署到一台真实的移动机器人上，机载算力用的是常见边缘计算设备。

对比一下背景就知道这个参数量有多小：主流行人预测模型多用循环网络或 transformer，前者抓不住短时依赖，后者算力开销大，真机部署普遍卡在算力与实时性上。这篇用状态空间模型换掉两者，主打的就是「够小、够快、还能上真机」。据 arXiv 页面信息，论文已被 11 月意大利的一个机电一体化方向会议接收。这是背景，不是论文结论。

二、跟你有什么关系

做服务机器人的人：真机预测精度差往往不是模型不够大，是训练部署的输入分布错位。对齐处理链这个做法可以直接借鉴。

选型边缘算力的工程师：26 万参数意味着预测模块不再决定硬件预算，主控芯片可以把算力留给规划与安全模块。

研究状态空间模型的人：这是 Mamba 在机器人感知管道里的又一个落地案例，长序列建模优势换成了实时性和小参数量。

三、怎么判断

1. 评估自家误差来源：先分清预测不准是模型问题还是传感器噪声问题，如果像这篇论文说的属于后者，先对齐处理链再加模型。
2. 用真机数据做验证集：拿平滑标注跑出来的分数会虚高，评测必须用检测器原始输出。
3. 算实时预算：把 0.29 米的平均误差放进你的规划器里推演，确认安全裕量能覆盖这个量级的预测偏差。

四、三个别信的说法

模型越大预测越准。 这篇的价值恰恰在于小模型加正确的数据管线，比单纯堆参数更能解决真机问题。

基准分数等于真机表现。 0.29 米是在公开基准上测的，换成拥挤商场的光照和遮挡条件，数字必然变化，真机验证数据论文只有部署事实没有量化成绩。

深度相机是唯一方案。 摘要只覆盖 RGB-D 路线，纯视觉或多传感器融合在特定场景可能更合适。这是背景，不是论文结论。

五、一句话结论

让机器人学会让路，先得让它算准你迈出下一步的位置。

信息来源

• RGB-D 行人轨迹预测论文摘要（arXiv），2026 年 10 月 24 日提交

功能与价格以官方公告为准。本文写于 2026 年 10 月 27 日。