行为预测与决策模块面试：交互预测、博弈论、POMDP、规则与学习融合、安全约束
本章聚焦自动驾驶决策规划中最核心的交互难题。面试官会考察你对多智能体不确定性建模的能力，以及如何平衡安全与效率。考点覆盖博弈论建模（Level‑K、Stackelberg）、POMDP 信念更新与近似求解、数据驱动交互预测（Social LSTM、MFP）、规则与学习的安全融合方案、责任敏感安全（RSS）等。下面用结构化表格提炼核心概念，再通过问答卡片和项目案例帮你构建实战回答框架。
| 核心概念 | 面试考察点 | 常用方法/工具 |
|---|---|---|
| 交互预测 | 多智能体联合推断、对称性、场景上下文 | Social LSTM、MFP、GNN、意图识别 |
| 博弈论 | Level‑K 递归推理、纳什均衡、Stackelberg 领导‑跟随 | Level‑K 博弈、次优响应、虚拟仿真 |
| POMDP | 部分可观测性、信念更新、求解效率 | DESPOT、POMCP、粒子滤波、MCTS |
| 规则与学习融合 | 安全约束嵌入、规则兜底、保守性与性能平衡 | CMDP、模拟学习 + 安全层、RSS 后处理 |
| 安全约束 | 责任安全模型、避碰距离、时间‑空间安全走廊 | RSS、SISF、控制屏障函数（CBF） |
Q1：如何处理多车交互下的行为预测？
面试官考察点：交互建模能力、博弈论理解、对联合推断与计算效率的把握。
- 明确问题：多智能体交互预测，需考虑双向影响。
- 方法对比：基于规则的意图推断（Intention‑aware） vs 数据驱动（Social LSTM、MFP）。
- 推荐混合方案：先用 Level‑K 博弈估计对方意图，再用神经网络生成轨迹，最后经安全约束修正。
- 强调实际验证：开源数据集或在环测试结果。
简短示例回答：“针对多车交互，我采用博弈论框架结合数据驱动方法。先使用 Level‑K 模型递归估计其他司机意图，再通过 MFP 网络生成多模态轨迹，最后基于 RSS 安全距离修正，在 nuScenes 上交互预测准确率提升 15%，且实时性满足 50ms 要求。”
可能追问：Level‑K 的 K 值如何自适应确定？如何保证多模态预测的覆盖性？
Q2：POMDP 在自动驾驶决策中如何应用？
面试官考察点：对部分可观测性的建模、信念更新和求解近似方法的掌握，是否了解实际部署瓶颈。
- 建模要素：状态（自车+他车隐藏意图）、动作、观测（传感器）、信念（粒子/高斯）、回报（安全+效率）。
- 典型场景：无保护左转、合流、变道。
- 求解：DESPOT / POMCP（MCTS）在线搜索，或离散化后离线策略。
- 信念更新：粒子滤波或卡尔曼滤波融合检测结果。
简短示例回答：“我们为无保护左转设计了 POMDP 决策器。将目标车辆‘是否会让行’作为隐状态，用粒子滤波实时更新信念，动作空间包括等待与启动。采用 DESPOT 在线搜索，在封闭场地测试中决策成功率从 70% 提升至 92%，平均等待时间减少 30%。”
可能追问：如何处理连续状态/动作空间？在线搜索的时间预算如何满足毫秒级要求？
Q3：规则与学习如何安全融合？
面试官考察点：对安全约束的理解、规则与模型各自优缺点、融合架构设计能力。
- 两种主流思路：①学习策略 → 规则安全层后校验（RE-ACT）；②将规则作为奖励/约束融入训练（CMDP）。
- 常见方案：模仿学习 + RSS 安全过滤器；约束马尔可夫决策过程（CMDP）训练。
- 重点讨论保守性与效率的 trade‑off：规则过于保守会降低通行效率，需要量化分析。
- 工程验证：仿真（安全率、效率指标）→ 封闭场地 → 开放道路。
简短示例回答：“我们采用两阶段融合：先用 IL 训练基础策略，再叠加规则安全层，在冲突时强制选择 RSS 安全动作。在路测中百万公里零责任事故，通行效率仅下降 5%，表明规则层解决了倒车、鬼探头等长尾场景。”
可能追问：规则层的误触率如何优化？如果规则过于保守，如何微调参数？
项目案例实战模板
| 业务背景 | 城市复杂交叉口无保护左转，自车需与对向直行车辆、行人、非机动车交互，存在大量遮挡和意图不确定场景。 |
| 规模指标 | 路口通过率（≥95%）、平均等待时间（≤8s）、碰撞率（≤0.01%）、决策延迟（≤50ms）。 |
| 技术栈 | C++ / Python；DESPOT（POMDP 求解器）；Level‑K 博弈库；RSS 安全模块；ROS2 仿真框架。 |
| 核心难点 | ①对方意图部分可观测导致信念空间大；②毫秒级在线搜索与实时性冲突；③安全约束与通行效率的 Pareto 最优。 |
| 面试高频追问 | 信念更新如何实现？（粒子滤波，1000 粒子，重采样）如何保证 50ms 决策？（DESPOT 剪枝、固定 horizon）如何处理多目标？（统一回报函数加权，利用 RSS 自动降权） |
| 可迁移回答话术 | “我们将问题分解为三层：意图推断层（Level‑K / 粒子滤波）、动作搜索层（POMDP 在线搜索）、安全校验层（RSS 规则）。每一层都有成熟的降复杂度手段，如信念粒子数自适应、搜索树剪枝。这种分层结构也适用于合流、变道等场景。” |