博世与弗赖堡大学自动驾驶规划：INTERACT在高交互场景最高提升7.80分

龙哥导读

自动驾驶在空旷道路上只需沿车道前进，到了并线、无保护转弯和狭窄会车，问题会突然变成“我怎么走，会不会改变别人怎么走”。INTERACT没有把所有预测和规划塞进同一个网络，也没有只在固定候选轨迹里挑一个，而是先用少量锚点表达不同驾驶意图，分别预测周围车辆对这些意图的回应，再在可信的小范围内优化轨迹。论文最强结果集中在真正需要互动的闭环场景；普通基准并非全面第一，这恰好说明它解决的是一个明确问题，而不是所有驾驶难题。

一、真正困难的不是看见别人的车，而是预判别人会怎样回应你

自动驾驶规划常被画成一条整齐流水线：感知车辆和道路，预测其他交通参与者未来怎么走，规划本车轨迹，再交给控制器执行。这个顺序在很多普通场景中有效，但它暗含了一个过于安静的世界：周围车辆的未来先被预测出来，本车随后只能在这个已经固定的未来里做决定。现实交通却不是这样。你打灯并线，后车可能减速让行，也可能加速封住空隙；你在无保护左转处缓慢探出，直行车可能保持速度，也可能提前制动。别人未来的动作，与本车打算做什么互相耦合。

如果预测完全不看本车计划，系统会倾向于把其他车辆当作不会配合的移动障碍。最安全的做法就容易变成等待，甚至在本可以通过的间隙前长期停住，这就是机器人研究中常说的“冻结”现象。反过来，如果系统过度相信别人一定会让，也会产生冒险行为。因此，交互规划的关键不是简单地把预测做得更准，而是回答带条件的问题：当本车表达某种驾驶意图时，周围车辆最可能怎样回应？

INTERACT针对的正是这一缺口。它不要求预测器理解本车每一个细微控制变化，而是假设交通参与者主要回应高层意图，例如直行、向左并线、向右并线、绕开停车车辆或以更快速度通过。只要优化后的轨迹仍然保持同一种意图，最初针对该意图得到的反应预测就还有参考价值。这个假设让系统能在交互建模和计算成本之间找到一个可操作的折中。

二、现有两条路线为什么都不够理想

第一条路线是把预测和规划联合训练。博弈式交互预测规划方法（GameFormer）、可微树状策略规划方法（DTPP）等工作都尝试让模型同时考虑其他车辆未来和本车决策。好处是信息可以互相影响，坏处是两个任务可能争抢同一套模型能力：预测希望忠实描述交通参与者的多种可能，规划则希望输出对本车最有利、最安全的一条行动。训练数据又以普通跟车和车道保持为主，真正激烈的互动场景相对稀少，模型容易在总体损失上表现不错，却没有学会关键时刻的博弈。

第二条路线保留独立预测器，但为每条候选轨迹分别询问一次“如果我这样走，别人会怎样”。这种做法概念清楚，却容易受固定候选集合限制。系统只能在事先准备的轨迹中选最好的一条，最终结果永远不会超过候选集合本身的质量。想把候选做得更密，就要更多次调用预测模型，闭环运行成本随之增加。

INTERACT的区别是把候选轨迹降级为“锚点”。锚点不是最后答案，而是一个驾驶意图的代表。预测器只对每个锚点运行一次，得到与该意图一致的交通反应；随后优化器可以在锚点附近连续寻找更好的轨迹。这样既保留专用预测器，也让最终轨迹不再被初始候选点锁死。

三、第一步：从道路几何生成多样而可执行的锚点

锚点首先来自道路和路线几何。系统沿参考路线构造不同路径，并在适当位置加入横向偏移，用来表达直行、不同紧迫程度的变道等意图。同一个路径又搭配五种速度曲线，速度目标由当前道路限速的不同比例决定。路径决定“往哪里走”，速度曲线决定“多快完成”，两者组合形成多种候选。

这些参考轨迹不能只是画在地图上的线。论文使用线性二次调节控制器跟踪参考轨迹，再通过运动学自行车模型展开，从而获得满足车辆运动约束的控制序列和实际轨迹。换句话说，锚点从一开始就尽量接近车辆能够执行的方案，而不是先生成漂亮曲线，最后才发现方向盘和加速度做不到。

候选还会按规划评分排序，但最终锚点不是简单取分数最高的前几个。作者使用轨迹空间中的最远点采样，从高分候选开始，逐步挑选与已有锚点差异较大的方案。这样做是为了保留意图多样性，避免五个锚点其实都是几乎相同的直行轨迹。消融实验也显示，从一个锚点增加到五个，两个交互基准上的进度和总分明显提高；继续增加到八个或十个，收益很小，甚至会引入更冒险的选择。

四、第二步：让预测器分别回答多个“如果我这样走”

论文采用可扩展多智能体实时运动生成模型（SMART）作为预测基础。它把每辆车的未来运动表示为一串离散运动单元，并按时间顺序逐步预测。INTERACT没有重新设计一个庞大的预测网络，而是在解码时把本车未来单元替换为某个锚点对应的动作，让周围车辆后续预测自然以这个锚点为条件。

这个操作可以理解为给预测器一个明确前提：“假设本车将执行这条变道意图，请继续推演其他车辆。”对于直行锚点，后车可能保持速度；对于并线锚点，同一辆后车可能减速或改变间距。每个锚点得到一套独立的周围车辆未来，所有锚点可以并行处理。

值得注意的是，作者强调这种适配不需要改变SMART网络结构，也不需要重新训练。它利用自回归预测本身的因果顺序，在每一步固定本车动作，只读取非本车参与者的输出。这让预测模型仍然以预测为主要任务，避免与规划目标共同训练时可能出现的任务干扰。

图1：锚点生成、条件预测、局部优化和最终选择。根据论文方法与图注原创重绘。

五、第三步：为什么只能在锚点附近优化

得到条件预测后，最直接的想法是随意调整本车轨迹，直到评分最高。但这会破坏条件预测的前提。假设预测器看到的是“温和向左并线”，优化器却把轨迹改成突然右转，周围车辆原来的反应当然不再可信。INTERACT因此加入信任区域：轨迹可以改进，但偏离锚点会受到惩罚。

论文使用交叉熵方法搜索控制序列。每轮从当前分布采样多组加速度和转向变化，经过车辆模型变成轨迹，计算安全、道路合规、进度、舒适性等分数，再用表现最好的样本更新采样分布。连续几轮后，搜索会集中到更优控制附近。为了避免白噪声式的方向盘抖动，采样噪声在时间上相关，更偏向平滑控制。

目标函数由两部分组成：一部分评价轨迹本身，另一部分惩罚它与锚点的位置差异。信任区域权重为零时，优化器更敢向前冲，Test14困难集上的进度相对默认设置高4.0，但碰撞时间合规下降6.3，interPlan高难度变道子集下降6.7。权重过大时，轨迹几乎不能离开锚点，进度又会损失。论文默认0.1，在两个消融基准上取得较好平衡。

六、连续评分解决了“都一样好或都一样坏”的平台

很多规则式规划评分是离散的：没有碰撞得满分，一旦碰撞就归零；位于可行驶区域内得一分，越界则失分。它们适合明确判定是否违反规则，却不利于连续优化。两条轨迹只要都没有碰撞，系统可能看不出谁离危险更远；两条轨迹只要都发生碰撞，也可能无法区分轻微擦碰和严重重叠。

INTERACT把碰撞、可行驶区域、行驶方向、碰撞时间和路线进度改写为连续近似。离慢车越近，碰撞时间分数逐渐下降；车辆轮廓重叠越严重，碰撞分数越低；横向更接近目标车道、纵向更接近路线前方，进度评分平滑变化。优化器因此不是等到越过一条硬边界才收到信号，而是在危险逐步增加时就能感知方向。

这不是说连续评分天然更安全，而是它提供了更细的搜索地形。消融中移除连续评分后，Test14困难集总分下降2.19，interPlan高难度变道子集下降3.07；碰撞时间指标分别下降3.31和6.67。说明在这套搜索框架中，连续评分确实帮助优化器区分了表面上满足同一条规则、实际风险和效率不同的轨迹。

七、主结果：真正有优势的是高交互场景

论文在nuPlan闭环仿真及interPlan交互场景上比较多类规划器。INTERACT在Test14困难集、Dynamic-10动态交互集、interPlan高难度变道子集和interPlan完整集上的闭环分数分别为85.28、94.65、89.07和79.11。相对各项中作者选取的强竞争方法，提升分别为2.28、3.15、4.54和7.80分。

这些分组都有明确含义。Test14困难集从常规场景类型中挑出规则规划器表现较差的样本；Dynamic-10集中包含需要与周围交通参与者互动的动态类型；interPlan高难度变道子集专门看复杂变道；interPlan完整集包含335个手工设计的分布外交互场景。交互越强，知道“别人会怎样回应我”越可能带来收益。

但不能把结果写成全面第一。Val14验证集上INTERACT为93.18，自博弈策略方法为94.19；Test14随机集上INTERACT为92.48，也不是表中绝对最高。常规场景里，强规则方法或大规模策略学习已经可以表现很好。INTERACT的贡献更像补上一块短板：当本车行为会明显改变周围车辆反应时，条件预测和局部优化开始体现价值。

图2：四个高交互闭环基准上的分数与强基线比较。根据论文表1公开数字原创重绘。

八、消融实验说明：锚点不是装饰，而是结构基础

移除锚点是最严重的破坏。Test14困难集总分下降13.35，interPlan高难度变道子集下降12.19。没有锚点约束，优化器可能找到局部平滑、甚至更舒适的动作，却失去对合理驾驶意图的结构先验，也更容易越出原预测可信范围。结果是在碰撞责任、碰撞时间、道路合规和路线进度上出现综合退化。

去掉局部优化，系统只能直接从锚点中选择。Test14困难集总分下降2.92，interPlan高难度变道子集下降4.95；后者路线进度下降6.60，舒适性下降13.33。这说明锚点本身偏保守，能提供安全的意图起点，但还需要连续调整来适应具体车辆间距和时机。

去掉连续评分的损失小于去掉锚点，却在两个基准上稳定出现。三组结果共同说明，INTERACT不是靠一个复杂模块包打天下：锚点负责多模态意图，条件预测负责互动一致性，信任区域限制预测失效，连续评分和交叉熵搜索负责在局部把轨迹做得更好。

图3：移除锚点、局部优化或连续评分后的总分变化。根据论文表2公开数字原创重绘。

九、条件预测什么时候真正有用

在Test14-hard上，把条件预测换成不看本车锚点的学习式预测，总分反而微升0.14，差异很小。这提醒我们，很多困难场景的核心仍然是准确描述周围车辆，而不一定每一帧都需要显式互动推理。只要其他车辆未来预测足够好，规划器就能得到强结果。

到了interPlan高难度变道子集，情况明显变化。不带条件的预测让总分下降4.36，路线进度下降6.12；简单恒速预测让总分下降3.79，碰撞时间合规下降3.33。变道场景中，本车是否向目标车道推进，会直接影响后车是否减速、前车间隙是否扩大。忽略这种依赖，就容易过于保守或选择错误时机。

因此，交互预测不应被理解为所有道路上的固定昂贵配置。更合理的产品策略，是先识别哪些场景存在强耦合，再投入更多预测与规划计算。普通跟车和稳定车道保持可以走轻量路径，并线、汇入、无保护转弯、行人穿越和绕行障碍时再启用更强交互推理。

十、速度与部署：并行友好不等于已经达到车规实时

论文报告每个锚点的平均运行时间：锚点生成32.6毫秒，SMART预测17.2毫秒，轨迹优化31.8毫秒。由于不同锚点之间从预测到优化都可以并行，理论上不必把五个锚点的时间简单相加。最终只在方案选择时同步。

不过，这些数字不能直接当成整车端到端时延。论文统计来自十个交互场景，预测跨度默认十个运动单元，对应约五秒未来，其中规划轨迹覆盖四秒，额外一秒用于评估末端碰撞时间。感知、地图、数据传输、控制器、硬件并发和最坏场景尾延迟都没有被一张运行时间表完全覆盖。

作者也承认计算主要受预测模型支配，可以通过更快预测器或缩短预测长度降低成本，但这可能损失表现。工程上还要处理预测器输出不稳定、并行资源抢占、时间预算超限和安全降级。论文证明的是一种可并行的结构，而不是已经完成量产车实时认证。

图4：单个锚点各阶段平均时间。不同锚点可以并行，数字不代表完整整车端到端时延。

十一、与GameFormer、DTPP相比，INTERACT改变了什么

博弈式交互预测规划方法用分层博弈和Transformer联合建模多主体预测与规划，强调不同交通参与者在多层交互中逐步形成行为。可微树状策略规划方法则把本车条件预测、成本评估和树状策略规划放在可微框架内。两者都说明，规划不能把预测当作与本车动作无关的静态背景。

INTERACT的取舍更模块化。它保留专门预测模型，不要求预测器与规划器共享全部训练目标；也不在很深的策略树里反复展开，而是用少数意图锚点覆盖主要模式。每个锚点只查询一次预测，之后依靠信任区域保证局部调整仍与这次预测相容。

这种设计的优势是职责清楚，预测器、锚点生成和优化器可以分别改进；代价是核心假设必须成立：同一意图附近的小变化不会显著改变其他参与者反应。如果某个场景中几十厘米横向位移或几百毫秒时序差就会触发完全不同反应，固定预测可能迅速失效。未来工作需要让信任区域随预测敏感度自动变化。

从系统维护角度看，这种拆分也便于替换组件：预测器升级后可以重新校准信任区域，评分规则调整后可以单独做闭环回归，不必每次从头训练整套驾驶网络。

十二、哪些数字最值得记住，哪些不能被过度外推

最值得记住的不是单一最高分，而是优势随交互强度扩大：Dynamic-10动态交互集比强基线高3.15，interPlan高难度变道子集高4.54，interPlan完整集高7.80。它支持论文的核心判断——把周围车辆反应与本车意图联系起来，在交互场景中更重要。

第二组关键证据来自消融。移除锚点造成约12至13分下降；移除优化造成约3至5分下降；移除连续评分造成约2至3分下降。这个层次说明系统不是只靠更强预测模型，也不是只靠搜索次数，而是结构先验、条件预测和局部优化共同作用。

不能外推的部分也很清楚。结果来自闭环仿真，不等同于真实道路安全表现；interPlan是手工设计的挑战集，不代表全部城市分布；论文代码尚未核验公开，复现难度和配置敏感性仍未知；默认arXiv授权也不等于论文图片可自由再发布，因此本文配图均依据公开数据原创重绘。

理解闭环分数还要注意，它不是单纯比较预测误差。规划器做出的动作会改变后续场景，仿真器继续推进车辆，再评估碰撞责任、碰撞时间、道路合规、是否持续前进、沿路线进度和舒适性等多个维度。一个方法可能预测更准，却因为动作过于保守而失去进度；也可能进度很高，却在碰撞时间或责任事故上付出代价。总分的意义在于综合权衡，但也会掩盖不同错误类型。

例如信任区域权重为零时，进度提升并不代表系统整体更好。它恰恰展示了优化器可能利用预测中的漏洞：在固定反应预测下更激进地前进，却没有重新询问周围车辆是否仍会按原方式行动。真实部署应把“优化后偏离锚点多少”“周围车辆预测对本车轨迹多敏感”“不同锚点给出的反应是否冲突”作为在线监控量。

另一个容易忽略的问题是锚点覆盖。五个锚点在论文设置中表现最好，不代表五这个数字可以搬到所有道路。复杂路口可能需要更多语义不同的行动，简单直路则可能一个或两个就够。合理系统应根据道路拓扑、可行动作和风险动态决定锚点，而不是固定复制实验超参数。

复现时还应逐项核对评测场景版本、地图、预测模型、规划时域、控制边界、采样数量、迭代次数和并行硬件。如果只复现最终总分，却没有报告各项安全指标和运行时间分布，就很难判断收益来自交互建模、更多计算，还是配置差异。论文给出了清楚方向，但完整公平复现仍需要代码和统一环境。

十三、龙哥点评：这是一个务实的中间层，而不是自动驾驶终局

龙哥认为，INTERACT最有价值的地方是拒绝两个极端：一边是假装本车不会影响别人，另一边是为每个微小轨迹变化重新预测整个世界。它承认互动很重要，也承认计算预算有限，于是用“意图相同，局部反应近似稳定”搭起一个中间层。

这个思路很适合工程拆分。预测团队可以继续提升多智能体模型，规划团队可以调整评分和搜索，地图与规则模块可以提供锚点。系统出现问题时，也比较容易追问：是锚点没覆盖正确意图，是周围车辆预测错了，是信任区域过大，还是评分偏好让优化器走向危险动作。

但模块化不自动等于安全。最危险的情况可能不是分数低，而是预测器对一个锚点非常自信，优化器又在信任边界附近找到高分轨迹，真实车辆却对细微时机高度敏感。部署时需要监控预测不确定性、锚点间分歧和优化幅度，并准备退回保守规划器，而不能只相信最终总分。

从研究方向看，下一步值得关注三件事：让信任区域根据周围车辆反应敏感度自适应；把端到端驾驶模型输出当作锚点再做安全修正；在真实道路或高保真闭环中检验交互收益是否能抵消系统复杂度。论文已经把问题拆得很漂亮，剩下的是最难的工程和安全验证。

十四、龙迷三问

第一问：INTERACT是不是每次都要预测很多遍，所以一定很慢？
它对每个锚点预测一次，但锚点可并行，优化期间不再反复调用预测器。论文报告单锚点三个阶段分别约32.6、17.2和31.8毫秒。不过这不是完整整车时延，不能直接推断已经满足量产实时要求。

第二问：为什么不直接生成成千上万条轨迹再选？
固定候选越多，若每条都需要条件预测，成本会迅速增长；若只共享一个预测，又会忽略不同本车意图引起的不同反应。INTERACT用少量锚点代表不同意图，再在每个锚点附近连续优化。

第三问：论文是否证明真实道路上更安全？
没有直接证明。论文给出nuPlan和interPlan闭环仿真结果，说明在这些评测条件下交互规划表现更好。真实道路仍需独立复现、封闭场地测试、长尾场景覆盖、故障降级和法规安全验证。

十五、总结：从“选一条现成轨迹”走向“先理解意图，再局部改好”

INTERACT把交互规划分成四步：从道路几何生成多样锚点；让多智能体预测器分别推演周围车辆对每种本车意图的反应；在信任区域内用交叉熵方法优化控制；最后比较经过优化的方案。它的关键不是增加一个更大的端到端模型，而是重新安排预测和规划之间的关系。

实验中，它在Test14困难集、Dynamic-10动态交互集、interPlan高难度变道子集和interPlan完整集取得85.28、94.65、89.07和79.11，优势主要集中在互动更强的场景。Val14验证集等普通基准并非全面第一，说明方法针对的是明确短板。锚点、局部优化和连续评分的消融下降，则支持各部件确实承担不同作用。

对自动驾驶从业者而言，这项工作提供了一种可解释的折中：不是假设别人永远不回应，也不是每移动一点就重新模拟整个交通世界，而是先判断本车准备表达什么意图，再在这个意图可信的小范围内寻找更好的动作。真正值得关注的，是它把互动从一句抽象口号，落成了可预测、可优化、也可被逐项检查的规划流程。

本文基于龙哥读论文PaperDaily数据库及PaperMiner的MCP进行汇总整理。本文为论文解读与个人学习笔记，不构成任何论文审核意见，及对产品能力、安全性或商业可用性的保证。