雷达目标分类实验：堆点比换序列模型有用 40 倍
bruno_pinto90 · reddit · 2026-10-01
作者在 RadarScenes 数据集上把单帧雷达目标分类器扩展为跨时序累积观测的分类器，核心发现是：时序带来的收益绝大部分来自「点更多」而非「序列模型更强」。
背景与方法
- RadarScenes 单个目标实例平均仅约 2.9 个雷达点，极度稀疏；单帧无法捕捉 RCS 与 micro-Doppler 的时序特征（行人肢体运动的 micro-Doppler、不同类别随姿态角变化的 RCS 波动）。
- 基线：DeepReflecs 编码器（RadarConf 2021，PointNet 风格）单帧分类，5 类目标 macro F1 = 0.7370。
- 利用数据集的 trackid 构建 N=20、因果、stride=1 的滑动窗口缓冲：里程计校正后按目标质心重定坐标，4 个传感器共写同一缓冲，每帧单次编码并缓存；融合头将因果 GRU 隐状态与顺序无关的池化嵌入拼接。
结果（N=20，全部 4 传感器）
- 20 帧点池化：0.8613（+0.1243）
- 因果 GRU：0.8895（再 +0.0282）
- GRU + 池化融合：0.8897，融合几乎无增益
- 消融：更大 GRU、Transformer、状态空间模型、点级自注意力全部落在 0.86–0.89 区间；端到端微调冻结编码器反而略降（约 -0.002）。
结论：池化本身（完全不建模顺序）拿走了 4–40 倍于其他改进的增益；固定单帧表征后，任何序列模型只能再提升 ≤0.003。这说明稀疏性仍是主要瓶颈，改进单帧/点级表征比继续搜序列架构更有前途。完整报告、全部消融与混淆矩阵已开源在 GitHub。
「具身」频道最新
- Dyna Robotics 机器人 Taku 首入陌生机房，少量示范即完成服务器搬运 — JasonMa2020 · 2026-10-01
- Figure 把机器人扔进熔岩做测试,机器人研究者公开质疑其合理性 — MarwaEldiwiny · 2026-10-01
- 机器人部署公司多不赚钱，创始人缺自动化经验是主因 — ATTlKA · 2026-10-01
- Pollen Robotics：10950 台 Microduck 将于 12 月 10 日起分批发货 — andimarafioti · 2026-10-01
- OpenAI 与 Meta 转向「先软件后硬件」策略推出 AI 挂件设备 — haydenfield · 2026-10-01
- Runway 发布开源权重世界动作模型 Praxis-1，用视频预训练驱动机器人 — runwayml · 2026-10-01