会上可能听到：“决策层用的是 MPDM 那一套。——候选策略有几种？他车在仿真里怎么动？”
它到底是什么意思
MPDM 预定义车道保持、左右变道、停车等语义策略，假设自己和周围每辆车都在执行其中一种。对自车每个候选策略做闭环前向仿真，再按到终点的距离、车道偏好、最大角速度等加权打分。
EPSILON 先用 POMDP 把问题形式化，再从两侧砍。动作侧用 DCP-Tree：一个决策周期里最多换一次动作，反复的行为交给下一个重规划周期。观测侧只给有风险的车展开意图，并用前向仿真代替完整的置信更新。
推到头有三条天花板：意图组合会爆炸；他车模型终究是手写假设；没见过的场景组合给不出新答案。这三条就是端到端的动机。
机制图解
- 2015MPDM：有限策略 + 前向仿真语义策略逐个仿真，加权打分选优
- 2021EPSILON：先形式化，再两侧砍动作树一个周期最多换一次动作；只给有风险的车展开意图；仿真里嵌 RSS 兜底
- 后继MARC：场景树 + CVaR共享段对所有分支留余地，再放大最坏尾部的安全代价
容易搞混的地方
常见误解
一个周期最多换一次动作，车会反应迟钝
正确理解
砍掉的是同一周期里「变道、取消、再变道」的组合；需要反复的行为，交给下一个重规划周期
常见误解
前向仿真能还原他车对我的真实反应
正确理解
他车用基于模型的简单控制器，终究是手写的假设；复杂交互正是这条路线的天花板
看懂之后可以追问
- 候选策略集里有哪些策略？有没有场景是集合里根本没有对应策略的？有限集合是可解的前提，也是边界：集合外的行为，打分再准也选不出来。
- 车多、交互密的时候，意图组合怎么截断？组合爆炸是第一条天花板。「只给有风险的车展开意图」就是一种截断，「有风险」怎么判定值得评审。
沿着主线继续
先知道
- MDP 与 POMDP——MDP 假设状态完全可测；POMDP 承认意图这类状态只能从观测里推，策略变成「置信 → 动作」——更贴近驾驶，但在真实规模上只能近似求解。
- 意图预测——先把「对方想去哪」离散成几个候选：哪条车道、哪个出口，再给每个候选打分；轨迹等意图定了再补。
对比着看
- 端到端——让模型更直接地从传感器输入学到驾驶输出，减少中间环节的信息损失，但不等于取消工程约束。
接着看
- CVaR：尾部风险——期望值会拿大概率的顺畅稀释小概率的灾难；CVaR 放大最坏那部分尾巴的安全代价，α 决定尾巴取多宽，是风险容忍度的旋钮。
- 时空语义走廊 SSC——沿决策层前向仿真的状态，在 s-l-t 空间里修一串相连的无碰撞立方体，再在这条走廊里铺轨迹——决策和规划在这里合龙。