2.8 运动预测 (Motion Prediction)

2.8 运动预测 (Motion Prediction)

本节摘要：光知道目标在哪不够，还要预测它要去哪。本节讲运动/行为预测——自动驾驶安全决策的关键。

学习目标

阅读完本节，你应当能够：

1. 理解预测的必要性
2. 知道轨迹和意图预测
3. 了解代表模型

概念脉络

为什么需要预测

自动驾驶决策要考虑未来：前车会不会变道？行人会不会过马路？仅靠当前检测不够，需预测他车未来行为，提前规划。

预测类型

图 2-8 运动预测

轨迹预测

轨迹预测用历史轨迹推未来 N 秒位置：

• 输入：历史轨迹（跟踪输出）+ 当前视觉
• 输出：未来 3-5 秒轨迹（多模态，多种可能）
• 模型：LSTM、Transformer、图神经网络

# 简化轨迹预测
trajectory = LSTM(history_trajectory)  # 历史推未来
future_positions = trajectory.predict(steps=30)  # 未来30帧
​

意图识别

意图识别比轨迹预测更进一步，理解行为原因：

• 车辆意图：变道（看转向灯）、转弯、停车
• 行人意图：过马路（看头部朝向、姿态）
• 输入：视觉特征（转向灯、姿态）+ 轨迹
• 输出：意图类别

意图识别帮助更准预测（知道要变道，轨迹预测更准）。

多模态预测

人类行为不确定，未来有多种可能。多模态预测输出多条可能轨迹 + 概率：

• 车辆可能直行（0.6）或变道（0.4）
• 行人可能过马路（0.3）或停留（0.7）

决策考虑多种可能，更安全。

代表模型

挑战

• 不确定性：人类行为随机
• 长尾：罕见危险行为数据少
• 多交互：多目标互相影响
• 实时：30Hz 预测

预测与决策

预测输出给决策规划：

• 预测他车轨迹 → 规划避让
• 预测行人过马路 → 减速
• 多模态预测 → 考虑最坏情况

⚠️ 预测不确定性：人类行为不确定，预测不可能 100% 准。用多模态预测+概率，决策考虑最坏情况，留安全余量。

💡 关键直觉：预测他车未来行为，是安全决策关键。轨迹预测（历史推未来，LSTM/Transformer），意图识别（理解行为原因）。多模态预测输出多种可能+概率。挑战不确定性/长尾/交互。决策考虑最坏情况留余量。

本节速览

• 必要性：预测他车未来，提前规划避让。
• 类型：轨迹预测（历史推未来）、意图识别（行为原因）。
• 轨迹预测：LSTM/Transformer/图网络，输出未来 N 秒位置。
• 意图识别：转向灯/姿态/头部朝向，变道/穿越/停止。
• 多模态：多种可能轨迹+概率，应对不确定性。
• 模型：Social-LSTM、Social-GAN、VectorNet、LaneGCN。
• 挑战：不确定性、长尾、多交互、实时。
• 决策：预测→规划避让，考虑最坏情况留余量。

下一节讲姿态估计。

预测的输入与输出表示

轨迹预测的输入通常包含三部分：目标的历史轨迹（过去 2-3 秒，由跟踪提供）、目标周围的语义环境（车道拓扑、红绿灯状态、其他车的位置）、目标自身意图信号（转向灯、是否在车道中间）。输出是未来 3-8 秒的多条候选轨迹，每条带一个概率。这里的核心矛盾是"多模态"——同一个历史，未来有多种合理走法（直行或变道），模型要一次性输出所有候选并给出合理置信度，而不是取平均（取平均会把"左转和右转"平滑成"直行"，是预测的大忌）。

历史轨迹 + 车道图 + 交互目标
   -> 编码器(Transformer/图网络)
   -> 多模态解码器 -> K 条候选轨迹 + 概率
   -> 场景解码器(碰撞检查/换道意图) -> 最终评分
​

交互建模与评估

自车决策最大的不确定性来自其他车对自车动作的反应——两车抢道时，对方的动作依赖自车的动作。图神经网络把场景建成"节点是车或车道、边是相对关系"的图，用消息传递建模交互，是处理这类问题的常用框架。评估预测不能只看平均位移误差（ADE），还要看最终位移误差（FDE）和最差候选命中率；规划端更关心"预测是否覆盖了真实轨迹"以及"概率最高的那条是否安全"。一套好的预测系统，最终目标不是猜中一切，而是让规划在任何候选出现时都有安全预案。