自动驾驶笔记（三）

1. 预测简介

无人车在许多物体间穿梭行驶，有时这些物体本身也在运动，例如：行人、车辆。
无人车需要预测这些物体的行为，这样才能保证我们的无人车做出最佳决策。
我们通过生成一条路径 来预测一个物体的行为。

这节课中，我们学习 Apollo如何根据 其他移动物体的状态，以及 无人车的位置 去预测这些移动物体的路径。

预测路径的要求：

• 实时性：指 我们算法的延迟越短越好。
  一辆 60km/h 的汽车，每（0.25）秒 移动约 （5米）20米。
  所以我们要保证在前方5米 没有障碍物可以安全穿行。
  
• 准确性：
  如果我们预测邻近车道的车辆想要并道，我们应该减速；
  如果我们预测它会保持在它的车道上行驶，我们可以保持当前速度。
  我们想要预测足够准确，这样才能帮助无人车做出很好的决策。
  
• 预测模块也要有学习新行为的能力：
  路况是非常复杂的，想要开发出每种场景的静态模型几乎是不可能的。
  一旦预测模块具有学习能力，算法就能够随着时间的推移提升预测能力。

2. Sebastian介绍预测

预测也是决策的核心之一，因为只要你知道该期待什么，你就会做出更好的决策。
Once you know what to expect, you will make much much better decisions.

3. 不同的预测方式

两种预测方式：

1. 基于模型的预测
   假设无人车来到一个 T 形路口，看到一辆车从左面驶来，
   此刻我们不确定这辆车 直行还是右转。
   基于模型的方法：我们为此场景构建了两个候选模型，