意图推理（Intent Inference）是自动驾驶系统中用于预测和解读道路参与者行为意图的核心技术。它通过对周边车辆、行人等动态目标的运动轨迹、姿态、历史行为等多元信息进行实时分析，结合环境上下文与交通规则，构建概率模型来推断其未来可能采取的行动。不同于简单的轨迹预测，意图推理更强调对行为动机的深层理解，例如判断相邻车道车辆是否意图变道，或行人是否有横穿马路的倾向。
在实际产品开发中，意图推理模块的准确性直接关系到决策规划的安全性。早期系统多采用基于规则的方法，如今则普遍融合深度学习与概率图模型，如使用长短时记忆网络（LSTM）建模时间序列特征，或通过条件随机场（CRF）捕捉多目标间的交互关系。值得关注的是，特斯拉2023年技术报告中提到的「交互搜索算法」（Interaction Search Algorithm）便是一种典型的意图推理实现，其通过模拟周围车辆可能的行为树来优化自车策略。