自动驾驶真正要做的，并不是判断当前画面，而是根据当前道路状态决定下一步动作。但当前状态本身并不会包含足够的信息。比如一辆车当前正在减速。它可能只是短暂减速，也可能已经连续减速了几秒；它可能很快恢复正常行驶，也可能因为前方拥堵停车。这些情况在某一个瞬间可能非常相似，但对应的未来完全不同。所以，自动驾驶预测未来时，需要的不只是当前的空间状态，还需要知道状态正在朝哪个方向变化。这也是时间信息进入自动驾驶模型的重要原因。图片源自：网络CVPR 2025的研究《Bridging Past and Future: End-to-End Autonomous Driving with Historical Prediction and Planning》就专门讨论了历史信息与未来预测、规划之间的关系。该研究通过历史信息增强感知与运动规划，并在nuScenes的开放环和闭环测试中验证了这种时序建模方法。该研究指出，传统方法要么在运动规划中丢失历史信息，要么未能与规划的多步性质对齐；历史信息需要根据规划的时间步结构，在感知和规划的不同阶段分别注入。这背后逻辑可以理解为，过去发生了什么，决定了当前状态是怎样形成的；当前状态和变化趋势，又决定了未来可能出现什么。因此，自动驾驶模型记住过去，并不是把过去当成一个单独的信息库，而是把与当前驾驶相关的历史状态变成预测未来的一部分。