本文提出一种自监督表征学习框架，基于“相邻时间段行为特征相对稳定”的假设，利用时间邻近性作为监督信号，从自由活动大鼠的短时运动轨迹直接学习紧凑表征。实验表明，1 秒长度的轨迹即可编码个体身份和学习进度信息。自我中心姿态动力学对身份预测贡献更大，外部坐标系的运动对学习相关变化更敏感，且在交替任务的决策节点处两类信号最强。进一步，基于学习到的表征构建条件扩散模型，可可视化不同身份和学习阶段对应的运动模式。相较于传统手工特征或任务表现指标，本文方法在身份识别和学习进度预测上均取得显著提升，并为行为科学提供了新的分析工具。代码已公开：https://github.com/pizhn/TRAIL。
点评