花了一元从gitchat上下载的，分享给大家

关于 Apollo 5.0 障碍物行为预测技术分享的Q&A的PDF记载

• 问：现在对于车辆和行人预测的时间分别是多少，随着时间增长，轨迹预测的置信度会有怎么样的下降？比如说车辆在 2s 内的轨迹预测可信度较高，2s 后大概下降到 80% 等等。

答：现在对于车辆和行人的预测时间都是 8 秒。关于轨迹预测的置信度，对于车辆而言，目前我们给出的是行为层面的置信度：在普通直路场景，就是障碍车走某条车道的置信度，在路口，就是从某个出口出去的置信度。对于行人而言，轨迹预测置信度就是轨迹点层面的，我们通过模型学习得到每个轨迹点的方差值，然后用高斯分布来表示。

• 问：预测和规划都存在行为决策和轨迹规划的概念，那么预测中的意图预测和规划的行为决策如何复用？两者的轨迹规划又是如何去复用？还是说两者算法没有相同性独立开发？

答：行为层面，预测通过模型对障碍物的各种可能行为估计一个概率，而规划模块中，行为决策是确定的。轨迹层面，预测模块在轨迹生成方法上有借鉴一些规划算法的思想，比如交互式预测模型。两个模块在方法上有一些借鉴，但因为处理的问题不同，所以并没有直接复用。

• 问：目前 Apollo 对意图和轨迹预测的评价指标是什么？可以达到什么效果？

答：行为层面，直接用准确率来衡量，目前是可以达到 90% 以上的。轨迹点层面，我们用 1.5 米去召回一个真值，用平均每条预测轨迹的召回率来作为准确率，目前 Apollo 短期轨迹点的召准率均能达到 90%。

• 问：现在在什么场景会使用交互式预测，通常交互式预测比较微妙，你们是如何去标注 Ground Truth 的？

答： Apollo 5.0 版本中，交互式预测主要用在路口场景中。Ground Truth 用历史路测数据中的障碍物真实轨迹和主车的真实轨迹进行标注。

• 问：如何处理神经网络预测意图可能导致的错误？通过采集专门的场景数据还是仿真解决？

答：我们通过采集专门的场景数据来处理。

• 问：轨迹预测模型的在线处理速度（计算时间）可以达到 10hz 吗？通过历史数据可以准确预测到多到长时间的轨迹？

答： Apollo 的预测模块线上处理时间是 10hz。目前预测 8 秒轨迹。

• 问：文章中提到的对车道线进行编码，是否是指对车道的静态信息（比如高速/路口/车道位置）等进行编码？还是说会包括车道上的动态障碍物信息（比如说拥挤程度）？后者应该属于文中提到的“第三类输入特征”，但这个在后文“交通路口”才明确提到。

答：对车道线的编码指的是车道的静态信息。我们通过图像方式或者 Social Attention 模型对障碍物信息也有编码。

...

具体见PDF