会上可能听到：“意图模块说它大概率要切进来。——这个概率是在哪几个候选之间分的？”
它到底是什么意思
物理外推只会延长「现在」，长时预测必须先知道对方想去哪。意图预测把问题离散化：候选是有限几条车道、几个出口，模型只回答「去哪一个」，常见做法见下图。
意图定了，长时轨迹怎么来？一种做法是分工：意图借地图给出参考方向，短时预测给出近处的运动趋势，再用一个轻量的规划器或一条贝塞尔曲线，把两头接起来。
换成数据驱动，形态没变：EPSILON 的意图网络也是给候选车道打分再归一。变的是特征，从人手设计换成网络自己学，见第 4 章。
机制图解
SVM 换道分类横向距离、横向速度、实线虚线 → 去不去这条车道；标签打在真实换道之前一段
路口扇区按车头朝向切 12 个扇区，标出有出口车道的 → 12 分类
HMM历史轨迹当观测、意图当隐状态 → Viterbi 反推最可能的隐状态
手工特征 MLPApollo 5.0：62 维特征、4 层全连接 → 每条候选车道一个概率
容易搞混的地方
常见误解
意图预测就是轨迹预测
正确理解
它先回答去哪，是离散的车道或出口；轨迹是意图定了之后，结合短时趋势补出来的
常见误解
用了神经网络，就不算手工特征
正确理解
Apollo 5.0 的 MLP 吃的仍是 62 维手工特征；分界在特征由谁设计，不在用没用网络
看懂之后可以追问
- 候选意图是怎么生成的？地图上没有的走法，比如掉头、借道，进得了候选吗？意图预测只能在候选里挑。候选集漏掉的走法，概率永远是零，下游也就永远不会防它。
- 换道标签打在真实换道之前多久？提前量决定模型能提前多久看出来。标得太晚，模型学会的只是确认已经发生的换道。
沿着主线继续
先知道
- 运动学模型——假设某个运动量不变，按物理外推：CV 保速度，CA 保加速度，CTRV / CTRA 再保转弯率；短时好用，一长都失准。
对比着看
- 多模态轨迹——未来不是一个确定的点，而是一个分布：可以跟车、变道、让行、绕行，模型输出多条候选来表达这种不确定性。
接着看
- 边际预测与联合预测——边际预测给每辆车各自一组带概率的轨迹；联合预测把概率标在整个场景上，同一场景里各车的轨迹互相配套。
- MDP 与 POMDP——MDP 假设状态完全可测；POMDP 承认意图这类状态只能从观测里推，策略变成「置信 → 动作」——更贴近驾驶，但在真实规模上只能近似求解。