---
title: "軌跡預測（Trajectory Prediction）"
slug: trajectory-prediction
language: zh-TW
source: https://aiterms.tw/terms/trajectory-prediction
updated_at: 2026-06-26
tags: [時序分析, 機器學習, 深度學習, AI應用]
ipas_term: false
---

# 軌跡預測（Trajectory Prediction）

軌跡預測是基於實體歷史移動數據，推斷其未來路徑的技術，常見於自動駕駛、機器人導航等時序分析應用。

## 完整說明

軌跡預測是一種分析實體過去移動數據和環境資訊，以推斷其未來可能路徑的技術。它能夠幫助系統預判動態目標行為，做出更安全有效的決策。常見應用包括自動駕駛中的行人與車輛行為預測、機器人導航及智慧監控。

## 常見問題

### 軌跡預測的準確性主要受哪些因素影響？

軌跡預測的準確性受多方面因素影響。首先是歷史數據的質量與數量，數據越豐富、越精確，模型學習到的模式越可靠。其次是預測時長，預測時間越長，不確定性累積越多，準確性通常會下降。模型的選擇與複雜度也至關重要，需能有效捕捉非線性與多模態行為。此外，環境的動態性、周圍實體的互動複雜度，以及感測器數據的雜訊程度，都會對預測結果產生顯著影響。

### 軌跡預測如何處理多模態（Multiple Futures）問題？

軌跡預測中的多模態問題是指，在給定歷史數據和環境下，實體未來可能有多種合理的行動路徑。為解決此問題，現代深度學習方法如生成對抗網路（GANs）、變分自編碼器（VAEs）及其變體，能夠生成多個未來軌跡樣本，並為每個樣本估計其發生的概率。這使得模型不僅能預測「最可能」的路徑，還能呈現所有「可能」的路徑及其不確定性，為決策系統提供更全面的資訊。

### 軌跡預測在自動駕駛中扮演什麼關鍵角色？

在自動駕駛中，軌跡預測扮演著核心角色。它能實時預測周圍行人、車輛、自行車等交通參與者的未來移動軌跡，為自動駕駛系統提供關鍵的動態環境資訊。基於這些預測，車輛能夠提前判斷潛在的碰撞風險，規劃安全的避障路徑，並做出如加速、減速或變道等決策。這對於確保行車安全、提升駕駛舒適性以及實現高效的交通流動至關重要，是實現L3及以上自動駕駛等級的基礎技術之一。

---

來源：https://aiterms.tw/terms/trajectory-prediction
快查頁：https://aiterms.tw/terms/trajectory-prediction
最後更新：2026/06/26
深度解說：https://aiterms.tw/learning/what-is-trajectory-prediction