Trajectory

轨迹信息，一般都会发布未来5-10秒的trajactory信息。

Trajectory flicker

轨迹抖动

Nudge

道内避障。在维持车道不变的情况下，横向偏离车道中心以绕开obstacle/agent。

Xlane Nudge

借道避障。借用对向车道或自行车道以绕开obstacle/agent。这个behavior在不同公司有不同的叫法。

Geometric paddings

• 为了保持与障碍物合理的横向距离，为障碍物单独增加一些buffer，形成padding形状，自车不应该与这个padding发生碰撞。
• Safety Padding代表安全距离
• Soft Padding代表舒适距离。

Pullover/Pull in & Pull out

Pullover/Pull in: 泊入
Pull out: 泊出。

occlusion

遮挡区域。

pinch/ juke

$$pinch=\frac{dk}{ds}$$
$k$为曲率，$s$为纵向位移，也叫弧长。pinch就是曲率的一阶导数，注意不是对时间t求导。

juke是 曲率二阶导。
$$juke=d(dk/ds)ds=d(pinch)/ds$$
注意是对弧长求导。

一般用于衡量横向的急加减速。

Ray casting

射线投射（Ray Casting）是一种常用的算法，用于检测车辆周围的环境和障碍物。它模拟了光线从车辆发出并与周围环境相交的过程。

纵向决策

纵向决策一般包括：停止stop、减速避让yield、跟车follow、超车overtake、忽略ignore
纵向决策的安全优先级：stop > yield >= follow > overtake > ignore

自车(ego)表示类型

disk：用几个圆包裹自车

box：矩形包裹自车

cut-in

指的是前后方别车切入ego车道的行为。

Attractor&repeller

是在动力系统和控制理论中使用的概念，同样有在自动驾驶中使用。

• Attractor（吸引子）：在动力系统中，吸引子是指系统的一种稳定状态或轨迹，使得系统在其附近的初始条件下趋向于该状态或轨迹。它可以是一个点、一条曲线、一个平面或更复杂的结构。当系统接近吸引子时，它将在时间上逐渐趋于该状态或轨迹，最终停留在该位置。
  例如，考虑一个摆钟。当你将摆钟摆动一定次数后，摆钟会逐渐停下来，最终停在垂直向下的平衡位置。这个垂直向下的平衡位置就是摆钟的吸引子。

  在控制系统中，吸引子常用于描述系统的稳定行为或期望状态。通过设计控制策略，我们可以使系统的状态或轨迹趋向于吸引子，实现稳定的控制效果。

• Repeller（排斥子）：与吸引子相反，排斥子是指系统的一种不稳定状态或轨迹，使得系统在其附近的初始条件下趋向于远离该状态或轨迹。当系统接近排斥子时，它将在时间上远离该状态或轨迹，而不是趋向于它。
  在控制系统中，排斥子通常用于描述系统中的不稳定行为或不良状态。通过采取控制措施，我们可以避免系统进入排斥子，从而确保系统的稳定性和良好的控制性能。

安全衡量指标

• Miles Per Intervention (MPI)——常用

  • MPI = (Total Autonomous Miles) / (Total Interventions)
  • 在自动驾驶领域中，“MPI” 指的是 “Miles Per Intervention”，即每次干预行驶的里程数。这是一种度量自动驾驶系统在一定行驶距离内需要人类干预的频率的指标。
  • MPI 是用于评估自动驾驶系统可靠性和安全性的重要指标之一。它表示了在自动驾驶模式下，系统在多长距离内需要人类驾驶员介入或干预。通常情况下，较低的 MPI 值表示自动驾驶系统的性能更好，因为它意味着系统能够在更长的距离上自主地完成任务而不需要人为干预。
  • 衡量 MPI 的方式可以根据不同的研究、测试或开发设置而有所不同。通常，自动驾驶系统会记录每次干预的发生，如何发生以及距离上一次干预的里程数。然后，通过计算每次干预之间的平均里程数，就可以得出 MPI 值。

• Miles Per Critical Intervention (MPCI)——常用

  • MPCI = (Total Autonomous Miles) / (Total Critical Interventions)
  • 由于安全员在事故发生之前就介入了自动驾驶车辆的运行，在记入该指标(Critical)前，需要重新仿真判断事故是否会如安全员预料那样发生，仿真成立才能记入该指标。

• Miles Per System Fault Intervention (MPFI)
  MPFI = (Total Autonomous Miles) / (Total System Fault Interventions)

• Miles Per Malfunction Intervention (MPMI)
  MPMI = (Total Autonomous Miles) / (Total Malfunction Interventions)

• Miles Per Unsupported Intervention (MPUI)
  MPUI = (Total Autonomous Miles) / (Total Unsupported Interventions)

• Miles Per Experience Intervention (MPEI)
  MPEI = (Total Autonomous Miles) / (Total Experience Interventions)

• Miles Per Remote Intervention (MPRI)
  MPRI = (Total Autonomous Miles) / (Total Remote Interventions)

• Miles Per Disengagement (MPD)
  MPD = (Total Autonomous Miles) / (Total Disengagements)

CE

在自动驾驶中，“CE问题"是指"交通场景复现问题”（Contextual Escalation Problem）。

CE问题是指当自动驾驶系统在某种特定交通场景或情境下无法正确处理或适应时，会导致一系列意外或不适当的行为。这种情况可能会导致事故、违规行为或与其他道路用户的冲突。

CE问题的出现主要是由于自动驾驶系统在处理复杂交通环境时遇到困难或无法准确判断如何行驶。这些问题可能源于系统对于某些特定情况的认知不足、决策算法的缺陷、传感器数据的不准确或有限性等因素。

解决CE问题对于实现安全可靠的自动驾驶系统至关重要。这需要综合考虑系统的感知能力、决策能力和控制能力，并对各种交通场景进行充分的测试和验证。通过不断改进算法、增强感知能力、提高系统鲁棒性和进行大量的场景仿真和道路测试，可以逐步解决CE问题，并提高自动驾驶系统的性能和安全性。

Gap align

在自动驾驶中，“gap align” 用于描述和调整车辆在进行车道变换、合流或堆叠等操作时与周围车辆之间的间距和对齐关系。它确保在进行这些操作时，车辆与其他车辆之间的间隙合适，以确保安全和顺畅的行车。

具体而言，“gap align” 是指通过在速度求解器中使用约束条件或算法，使车辆在执行车道变换等操作时，与周围车辆保持适当的间隙，并调整速度和路径，以确保车辆能够平稳地进入新的车道或与其他车辆进行合流或堆叠操作。

通过"gap align" 技术，自动驾驶系统可以在执行车道变换等操作时考虑安全性和流畅性，并自动调整车辆的行为，以与周围交通保持合适的间距和对齐，以提高行车的安全性和效率。

Roundabout

环形交叉路口，车辆在其中绕着中央岛屿顺时针行驶。

semantic behavior

语义层面的行为就是指lane change、nudge等这些驾驶行为。

ops

路测人员

---

---

未完待续maybe。。