Resumen Técnico: Avances Recientes en la Predicción de Trayectorias Humanas Multi-Agente

1. Definición del Problema

La Predicción de Trayectorias Humanas (HTP) consiste en pronosticar los movimientos futuros de individuos o grupos basándose en observaciones pasadas y el contexto del entorno. El desafío central radica en la naturaleza multi-agente, donde el movimiento de un individuo no es independiente, sino que está intrínsecamente ligado a las interacciones sociales (evitación de colisiones, cooperación, formación de grupos) y a las restricciones del entorno (obstáculos estáticos y dinámicos).

El problema se formaliza matemáticamente como la generación de un conjunto de $K$ trayectorias plausibles para $N$ agentes durante un horizonte de tiempo futuro $T_{pred}$, minimizando el error respecto a las trayectorias reales (ground-truth).

2. Metodología de la Revisión

Los autores realizaron una revisión sistemática siguiendo la metodología PRISMA, filtrando la literatura publicada entre 2020 y 2025 en la base de datos Google Scholar. El enfoque se centró específicamente en:

• Modelos basados en datos (Deep Learning): Excluyendo enfoques puramente físicos o basados en reglas expertas.
• Escenarios Multi-agente: Con especial énfasis en modelos evaluados mediante el benchmark ETH/UCY.
• Taxonomía Estructurada: La revisión organiza el estado del arte en tres pilares: representación del contexto, arquitecturas de la red (backbone) y estrategias de generación/evaluación.

3. Contribuciones Clave y Clasificación Técnica

A. Representación del Contexto (Input)

El estudio categoriza cómo los modelos integran la información del entorno:

• Contexto Dinámico: Se analizan técnicas de pooling (agregación de vecinos), codificadores de secuencias y, predominantemente, el uso de Redes Neuronales de Grafos (GNN) para modelar interacciones relacionales explícitas.
• Contexto Estático: Se comparan las representaciones basadas en Ráster (mapas de ocupación procesados por CNN/ViT) frente a las representaciones Vectoriales (polilíneas y grafos de geometría vial), siendo estas últimas más ligeras y estructuradas.
• Fusión: Se destaca la transición de la "fusión tardía" (concatenación de vectores) hacia la fusión basada en atención cruzada y los Grafos Híbridos, donde agentes y elementos del mapa interactúan en un mismo marco de paso de mensajes.

B. Arquitecturas de la Red (Backbone)

Se identifican tres paradigmas dominantes en el procesamiento espaciotemporal:

1. Modelado de Secuencias: Evolución desde las RNN/LSTM (efectivas para corto plazo pero con cuellos de botella secuenciales) hacia los Transformers (capaces de modelar dependencias de largo alcance mediante auto-atención) y los emergentes Modelos de Espacio de Estados Selectivos (SSM/Mamba), que ofrecen complejidad lineal en lugar de cuadrática.
2. Modelado Generativo: Para abordar la incertidumbre y la multimodalidad (un humano puede ir hacia la izquierda o la derecha), se revisan:
   • GANs: Para generar trayectorias realistas mediante competencia adversarial.
   • (C)VAEs: Para mapear la incertidumbre en un espacio latente estocástico.
   • Modelos de Difusión: La tendencia más reciente, que utiliza procesos de eliminación de ruido para generar distribuciones de trayectoria altamente complejas y diversas.
   • LLMs: El uso de Modelos de Lenguaje para aportar razonamiento semántico y sentido común al proceso de predicción.

C. Estrategias de Predicción y Evaluación

• Estrategias: Se distinguen entre la predicción Directa (un solo paso), Auto-regresiva (paso a paso), Condicionada por metas (basada en destinos) y de Refinamiento (corrección de trayectorias iniciales).
• Métricas: Se critica la dependencia excesiva de las métricas de desplazamiento (ADE/FDE y sus variantes minADEK/minFDEK), argumentando que no miden la coherencia social ni la calidad de la distribución probabilística. Se proponen métricas de Probabilidad (NLL), Causalidad (ACE) y Consistencia de Escena (Métricas Conjuntas).

4. Resultados y Discusión Crítica

La revisión revela una "inercia académica" en el campo:

• Limitación de Benchmarks: La mayoría de los modelos se optimizan para datasets antiguos (ETH/UCY) que son de baja densidad y visión cenital, lo que dificulta la generalización a entornos reales, densos y con sensores móviles (como los de robots).
• Brecha Sim-to-Real: Existe una desconexión entre la precisión en "bucle abierto" (predecir una trayectoria aislada) y la utilidad en "bucle cerrado" (cómo esa predicción afecta la navegación segura de un robot).
• Necesidad de Hibridación: Los autores concluyen que el futuro no está en modelos puramente de datos, sino en modelos híbridos que combinen la potencia del Deep Learning con restricciones físicas y de teoría de juegos para garantizar la seguridad y la interpretabilidad.

5. Significancia

Este trabajo es fundamental para la comunidad de robótica y conducción autónoma, ya que proporciona una hoja de ruta para superar las limitaciones actuales. Establece que para lograr una navegación socialmente aceptable, la investigación debe moverse de la simple minimización del error de posición hacia la comprensión de la intención, la causalidad social y la robustez ante la incertidumbre del mundo real.