会上可能听到：“预测先拿 CTRV 顶着。——顶得住几秒？变道收尾时它会怎么错？”
它到底是什么意思
CTRV 假设速度和转弯率都不变，车沿圆弧走，就是第 4 章里的定曲率模型；CTRA 再让速度匀变。CV、CA 是线性的，普通卡尔曼滤波就够；CTRV、CTRA 的方程里有 sin、cos，要用 EKF 这类变种。
死角各不相同。CV 在弯道沿切线冲出去。CTRV 的转弯率要从历史轨迹里拟合，噪声大，外推的弧线也不管道路结构。共同的死角是时间：约 3 秒以内还能用，8 秒以上必须引入意图。
机制图解
CV · 速度不变适合速度变化不大的场景；弯道里沿切线冲出去
CA · 加速度不变能描述起步和刹车；一时的加减速会被一直延续
CTRV · 速度和转弯率不变能跟弯道；转弯率从带噪历史里拟合，直路上也可能拟出假弯
CTRA · 转弯率不变、速度匀变弯道里的加减速也能描述；要估的量最多
容易搞混的地方
常见误解
模型越复杂，外推越准
正确理解
多出的每个量都要从带噪历史里估；转弯率估不准时，CTRV 画出的弧线可能比 CV 的直线还离谱
常见误解
有了学习式预测，运动学模型就过时了
正确理解
跟踪里卡尔曼滤波的预测一步仍然靠它；约 3 秒内的短时预测，它也还能用
看懂之后可以追问
- 外推到第几秒，就不再信运动学模型？约 3 秒是短时和长时的经验分界。超过它还在物理外推，远端误差会发散。
- 转弯率是怎么估的？直行时会不会被噪声带出一个假弯？定曲率模型在直线运动时会失准。直路上的假弯，会让预测线往邻车道偏。
沿着主线继续
接着看
- 卡尔曼滤波与 IMM——卡尔曼滤波按运动模型「先推一步、再拿观测修正」，连同不确定性一起估；IMM 并行跑几个运动模型、按概率混合，能较快跟上已经开始的机动。
- 意图预测——先把「对方想去哪」离散成几个候选：哪条车道、哪个出口，再给每个候选打分；轨迹等意图定了再补。