Query 与候选轨迹

它到底是什么意思

在 transformer planner 里，query 是一组可学习向量，通过 attention 从场景特征里取信息；读完信息后由解码头输出的才是 proposal，可能是轨迹、意图或目标。多个 proposal 组成候选集，用于排序、筛选、refine 或 RL 的 reward 比较。

这个区分在读方案和论文时很实用：说「增加 query 数量」和说「增加候选轨迹数量」不是一回事，前者是模型容量，后者是输出多样性。

机制图解

容易搞混的地方

看懂之后可以追问

1. 候选集是怎么排序和筛选的？打分依据是什么？生成多个候选不等于选得对。打分和筛选逻辑往往是量产表现的真正决定因素。
2. query 数量增加带来的是模型容量提升，还是输出多样性提升？两者常被混为一谈。前者影响算力和训练成本，后者影响分叉场景表现，排期上要分开看。

沿着主线继续

先知道

• 潜空间——模型内部的压缩工作台：信息比结构化标签丰富，但人读不懂，所以出错难归因。

接着看

• 多模态轨迹——未来不是一个确定的点，而是一个分布：可以跟车、变道、让行、绕行，模型输出多条候选来表达这种不确定性。