本文把对人类行为的提前预测定义为从部分观测的多模态片段中推断目标，并结构化预测剩余行为，而不是精确的运动预测。核心模型由两部分组成：一个冻结的神经符号识别编码器和一个紧凑的层次规划解码器（HPD）。HPD 在四个本体层级上同步生成：下一步动作、剩余活动、低层意图以及整段的高层意图（HLI）。训练时引入软神经符号正则化，结合转移一致性损失和层次连续性损失；推理时使用硬可达性掩码，强制输出满足本体约束。实验在基于 NTU RGB+D 120 特征构建的 15,002 条四层次组合基准上进行。结果显示，HPD 相比最强顺序基线的 Top‑5 准确率在预测步长 1 时提升 1.7 点，步长 3 时提升 7.3 点；在组合泛化设置下，步长 1 的提升扩大到 4.9 点。整体上，96.8% 的预测轨迹满足联合逻辑约束，高于基线的 88.1% 与真实下限的 73.9%。软逻辑项单独即可将 HLI 可达性违规降低 59.8%~71.1%，硬掩码进一步将违规完全消除。神经网络提供预测排序，符号约束保证逻辑有效，两者结合实现了层次一致的意图预测，同时也揭示了组合目标泛化和无序集合预测的挑战。
点评