别再只让自动驾驶“看见世界”了，它还得懂物理
自动驾驶最难的地方，从来不只是识别红绿灯、车道线和行人。
真正难的是：
车看见了这个世界之后，能不能推演接下来会发生什么。
前车会不会变道？ 行人会不会横穿？ 路口车辆会不会突然左转？ 模型在一个城市训练好，换到另一个城市还能不能用？
这就是自动驾驶里的核心问题之一：
trajectory prediction，轨迹预测。
最近看到一篇 2026 年的工作，很适合放在“车辆 + AI4S + 机器学习”的交叉方向里看：
A Generalizable Physics-guided Causal Model for Trajectory Prediction in Autonomous Driving
论文提出了一个 Physics-guided Causal Model，PCM，目标不是单纯把轨迹预测误差刷低，而是解决一个更本质的问题：
自动驾驶模型怎么在没见过的新城市里继续做出合理预测？
1. 现在很多自动驾驶模型，最大问题不是不会学，而是太会“背题”
现在的自动驾驶轨迹预测模型，大多是典型机器学习路线。
给模型输入：
然后让模型预测未来几秒的轨迹。
这个路线看起来很合理。
但问题在于，纯数据驱动模型很容易学到数据集里的“表面规律”。
比如在城市 A 训练时，模型可能学到：
这个路口宽度是这样的。 这个车道布局是这样的。 这个转弯半径大概是这样的。 这个城市的车一般这样开。
然后换到城市 B，车道宽度、道路走向、交通密度、驾驶习惯都变了。
模型就开始失效。
这不是模型没有能力，而是它学到的东西不够本质。
它学到了“这个数据集里经常这样”，但没有真正理解：
车为什么会这样运动。
论文把这个问题说得很直接：纯数据驱动机器学习方法容易受到 spurious correlation，也就是虚假相关的影响，因此在 unseen domains 上泛化困难。
这句话放在自动驾驶里，其实很要命。
因为真实道路永远是 open world。
你不可能把所有城市、所有路口、所有交通状态都采一遍。
所以模型必须具备一种能力：
不是记住场景，而是提取跨场景不变的规律。
2. 这篇文章的核心想法：让模型同时学“因果不变性”和“车辆物理”
这篇论文的关键点不是简单加一个 Transformer，也不是把模型堆大。
它的核心是两个东西：
第一，domain-invariant scene representation。也就是提取跨城市、跨数据集仍然稳定的场景表示。
第二，vehicle kinematics。也就是车辆运动学规律。
简单说：
自动驾驶模型不应该只学“地图长什么样”，还应该学“车辆在物理上怎么动”。
比如一辆车转弯，不是随便画一条曲线就行。
它要受速度、航向角、转向角、加速度、轴距等因素约束。
如果模型预测出一条看起来误差不大，但物理上非常别扭的轨迹，那在真实自动驾驶系统里仍然危险。
所以 PCM 的核心思想可以概括成一句话：
用因果表示学习去过滤场景里的伪相关，用车辆运动学去约束轨迹预测的物理合理性。
这就是它和普通轨迹预测模型的区别。
普通模型更像是在回答：
根据历史数据，未来轨迹大概率是什么？
PCM 更像是在回答：
在这个场景中，哪些信息是跨域稳定的？在车辆运动学约束下，未来轨迹应该怎么演化？
这就开始有 AI4S 的味道了。
因为 AI4S 不是简单用 AI 做预测，而是把科学规律、物理约束、因果机制和机器学习结合起来。
3. PCM 的结构：一个解耦场景编码器，一个 CausalODE 解码器
论文里的 PCM 主要包含两个模块：
Disentangled Scene EncoderCausalODE Decoder
第一个模块负责“去伪相关”。
第二个模块负责“懂车辆物理”。
论文明确写到，PCM 由两个核心组件构成：Disentangled Scene Encoder 使用 intervention-based disentanglement 从场景中提取 domain-invariant features，CausalODE Decoder 使用 causal attention 把运动学模型和上下文信息融合起来。
4. Disentangled Scene Encoder：不要把城市特征当成通用规律
自动驾驶数据里有很多信息并不是通用规律。
比如：
这些东西可能在训练集里很有用。
但到了新城市，它们反而会误导模型。
所以论文做了一件事：
把场景特征拆成两部分。
一部分是 domain-invariant features，也就是跨城市稳定的信息。
另一部分是 domain-variant features，也就是和具体城市、具体数据集强相关的信息。
然后通过 intervention 的方式，模拟“移除域特定特征”之后模型还能不能预测稳定轨迹。
这背后其实是因果表示学习的思路。
模型不能只依赖训练环境里的偶然相关性，而要尽量学习对环境变化更稳定的因果因素。
对自动驾驶来说，这件事很关键。
因为现实部署不是在测试集上跑分，而是在没见过的道路上行驶。
5. CausalODE Decoder：轨迹不是画出来的，是被动力学推出来的
第二个模块更有意思。
论文没有只用一个普通 decoder 直接输出未来轨迹，而是引入了车辆运动学。
它使用的是 bicycle kinematic model，也就是常见的车辆自行车运动学模型。
车辆状态包含位置、航向角和速度等信息，同时转向角、加速度和轴距等因素影响车辆未来状态。论文把这种车辆运动学嵌入 neural ODE 中，用来学习车辆动力学，并把它作为 decoder 的 trajectory query 初始化。
这一步很关键。
因为普通深度模型预测轨迹，很多时候像是在“画线”。
而加入车辆运动学之后，它更像是在做：
[ x_{t+1}=f(x_t,u_t) ]
也就是从当前状态出发，按照车辆运动规律推演未来状态。
当然，真实驾驶环境非常复杂，不可能只靠一个简化物理模型解决所有问题。
所以 PCM 没有完全依赖物理模型，而是把物理模型和神经网络结合起来。
这就是典型的 physics-guided ML：
物理模型负责提供稳定先验，神经网络负责学习复杂场景中的未知项。
这比纯物理模型更灵活，也比纯神经网络更可靠。
6. 为什么这篇文章适合AI4S？
很多人理解 AI4S，容易只想到蛋白质、材料、天气、流体。
但车辆其实也是非常典型的科学智能系统。
车辆里面有：
自动驾驶轨迹预测，本质上不是普通时间序列预测。
它涉及：
物理约束下的多智能体未来状态推演。
所以这篇文章有几个明显的 AI4S 特征：
第一，它不是只看数据相关性，而是强调物理规律。
第二，它不是只追求单数据集精度，而是关注跨域泛化。
第三，它不是只做黑盒预测，而是加入车辆运动学机制。
第四，它把因果表示学习和物理建模结合起来。
这几个点加在一起，就比“我换了一个更强的 Transformer backbone”更有研究价值。
7. 实验怎么做？它看的是 zero-shot 泛化
这篇文章的实验设置也比较对味。
它不是只在一个数据集里 train/test split，然后报告 ADE、FDE。
论文做了 zero-shot cross-domain evaluation。
包括：
- 在 nuPlan 上训练，在 nuScenes 上测试
- 在 Waymo Open Motion Dataset 上训练，在 nuPlan 上测试
也就是说，模型在训练时没有见过目标域，直接去新数据集测试。
这比普通同域测试更接近真实部署。
因为真实自动驾驶系统不可能只在训练城市里工作。
一个模型如果只是在单一数据集上高分，但换个城市就崩，那工程意义有限。
论文结果显示，PCM 在 zero-shot setting 下优于多个竞争性 baseline。作者认为性能提升来自两个关键知识：physics knowledge 和 domain-invariant features。
这也说明一个问题：
物理规律和因果不变性，可能是自动驾驶泛化能力的重要来源。
8. 这篇文章最值得借鉴的，不是模型本身，而是选题叙事
如果只是复现 PCM，价值有限。
真正值得学的是它的选题逻辑。
它不是说：
我提出一个新模块，让 ADE 降了多少。
而是说：
现有自动驾驶轨迹预测模型存在跨域泛化不足的问题。 这个问题来自纯数据驱动模型对虚假相关的依赖。 车辆运动学是跨场景稳定的物理知识。 因果表示可以帮助模型提取 domain-invariant features。 所以我们构建一个 physics-guided causal model。
这个叙事就非常清楚。
问题不是“缺一个模块”。
问题是“自动驾驶模型缺少跨域稳定的科学规律”。
这就是 AI4S 和普通深度学习论文的区别。
普通深度学习论文经常是：
我设计了一个模块，所以效果更好。
AI4S 导向论文更应该是：
这个科学系统存在某种机制性约束，现有 AI 模型没有利用它，所以泛化和可靠性不足。
这也是后续想冲 AAAI、IJCAI、NeurIPS workshop 或者自动驾驶方向顶会时更应该采用的写法。
9. 如果继续往顶会导向改，可以怎么做？
比如可以做：
Physics-Grounded Causal World Model for Autonomous Driving
不只是预测一条轨迹，而是学习一个更完整的 world model。
输入当前场景，模型不只输出未来轨迹，还能回答：
如果前车突然刹车会怎样？ 如果路面摩擦系数降低会怎样？ 如果当前车辆速度提高 20% 会怎样？ 如果左侧车辆强行并线，ego vehicle 应该如何反应？
这就从 trajectory prediction 走向了 counterfactual driving reasoning。
这会更接近 AAAI 关心的问题：
也可以把评价指标从 ADE/FDE 扩展到：
- counterfactual consistency
- domain generalization gap
- safety-aware planning performance
这样就不只是自动驾驶预测论文，而是更像“物理因果世界模型”论文。
10. 这篇文章也有局限
当然，这篇工作也不是完美的。
论文自己也提到，目前实现依赖 simplified bicycle model，可能无法完全刻画真实车辆复杂动力学，未来可以引入更复杂的运动学模型来提高 physical fidelity。
这个局限反而给了后续研究空间。
比如：
- 从 prediction 扩展到 planning 和 control
如果目标是做车辆 + AI4S，这些方向都比单纯换网络结构更有价值。
11. 总结：自动驾驶不是只需要更大的模型，而是需要更懂物理的模型
这篇 PCM 给我的最大启发是：
自动驾驶轨迹预测不能只依赖数据拟合。
模型要想真正泛化到没见过的城市和道路环境，必须学到更稳定的规律。
这些规律可能来自三个层面：
第一，物理规律。车辆不能随便运动，它要满足运动学和动力学约束。
第二，因果规律。模型不能被城市、地图、数据集偏差中的伪相关带偏。
第三，场景规律。道路拓扑、交通规则、多智能体交互中存在跨域稳定结构。
所以未来自动驾驶模型的发展，不只是“更大规模的数据 + 更大的 Transformer”。
更关键的是：
让模型知道什么是相关性，什么是因果性，什么是物理上不可能。
这正是车辆方向和 AI4S 结合的核心价值。
一句话概括这篇文章：
它不是让自动驾驶模型多看几个城市，而是让模型学会哪些规律换一个城市也不会变。
这才是自动驾驶真正需要的泛化能力。
