密集的车流不仅仅是车辆的移动，更是一场持续的无言对话。驾驶员通过车身的轻微偏移、加速和停顿来解读周围车辆的意图。自动驾驶要参与这种对话则更为困难：经典的神经网络擅长预测单独的轨迹，但很难解释为何选择了这样的行为。MPCFormer 方法试图将预测与安全性结合起来，让车辆不仅能猜测轨迹，还能理解道路上社交互动的逻辑。
为何在密集车流中常规模型不够用
当车辆紧贴行驶并频繁变道时，单个参与者的行为直接取决于其他参与者的行动。对这种互动评估的失误会导致两种极端：自动驾驶要么过于谨慎而阻碍车流，要么在不恰当的时机尝试执行操作。
纯学习的规划器能够从数据中模仿驾驶风格，但其内部逻辑往往仍是“黑匣子”。在常规情况下这尚可接受，但在高速出口密集车流中，不可预测决策的代价过高。相反，经典控制方法擅长理解运动物理，但未必总能考虑到其他驾驶员也有目标、会做出反应并主动让行。
物理与数据之间的折中
该方法的作者提出，不必在物理建模与机器学习之间二选一，而是将二者结合。MPCFormer 方法的核心是社交互动的耦合动力学：车辆状态并非单独描述，而是作为一个整体系统，其中某个参与者的行为会改变所有其他参与者的条件。
动力学建立在离散状态空间中，物理先验被嵌入模型中。由此，中间表示保持可解释性：专家可以追溯系统基于哪些约束做出决策。动力学系数并非手动指定，而是由 Transformer 编码器-解码器架构在自然驾驶记录上训练得出。
据研究人员称，这是首个显式建模多辆车联合动力学的方法，而非局限于独立预测。
为何选择 MPC
学习到的动力学使规划器能够生成多样化、类人的行为场景：自动驾驶可以根据情况表现得更加自信或更加礼让。但神经网络本身并不能保证安全性。
这时便引入了模型预测控制（MPC）。它检查生成的候选方案是否符合约束，并在危险选项进入执行之前将其拒绝。这降低了完全依赖神经网络输出的方法所固有的风险。
测试结果
开发者使用开放的 NGSIM 数据集评估了 MPCFormer，该数据集包含高速公路真实车流记录。在 5 秒预测时域下，平均轨迹预测误差为 0.86 米——这是在所考察的现代方法中的最佳结果。
另外还测试了高强度互动的闭环场景：车辆需要连续多次变道，以便及时驶入出口匝道。在此，混合模型也显示出相对于基于强化学习的规划器的显著优势：
- 94.67% —— 成功执行操作的比例；
- +15.75% —— 驾驶效率的提升；
- 0.5% —— 碰撞频率，而基础 RL 规划器为 21.25%。
事故率降低近 40 倍——这是最有说服力的论据，证明可解释的物理约束与学习到的社交模型相结合，能让自动驾驶更安全，其行为也更接近经验丰富的驾驶员。
