会上可能听到：“这个策略在仿真里平均分最高。——最坏的那些分支长什么样？”
它到底是什么意思
危险轨迹概率 p、惩罚 r，对期望只贡献 −p·r：惩罚远小于 1/p，学习器看不见它；远大于 1/p，方差又大到没法稳定估计。只调奖励的数值，治不了本。
设想一个汇入口：「直接汇入」在 90% 的分支里顺畅、10% 的分支里撞上记 −100，期望把灾难稀释得看起来「还行」。CVaR 不再平等地看所有分支，而是放大最坏那部分尾巴的安全代价；α 越大尾巴越窄，取到 0.9 以上，盯住的就是那 10% 的碰撞。
MARC 把它和场景树一起用。消融实验放在一个加塞场景里：自车只保持车道、旁车强行切入，每种做法随机初始化跑 100 次。动态分支再加上风险感知，成功率从 96% 升到 100%，平均最大减速度从 1.63 降到 1.14 m/s²。
机制图解
「直接汇入」：90% 顺畅，10% 撞上记 −100
看期望0.9 × 收益 + 0.1 × (−100) · 灾难被平均稀释，看起来「还行」
看 CVaR，α 取 0.9 以上只看最坏那 10% · 盯住的就是碰撞本身
容易搞混的地方
常见误解
碰撞惩罚调得足够大，期望就能管住尾部
正确理解
惩罚远小于 1/p 会被忽略，远大于 1/p 方差失控，只调奖励的数值治不了本。CVaR 用在规划这一侧：分支和概率已经摆出来，它放大最坏那部分的安全代价
常见误解
CVaR 就是只看最坏的那一个分支
正确理解
它看的是最坏那部分尾巴，尾巴取多宽由 α 决定：α 越大尾巴越窄
看懂之后可以追问
- 评审时我们看的是期望分数，还是最坏那部分分支的表现？期望会拿大概率的顺畅稀释小概率的碰撞。只报平均分，那次碰撞在会上看不见。
- 风险容忍度 α 取多少？依据是什么？α 把「保守还是激进」写成了一个数。说不出依据，风险偏好就只是调参时顺手定的。
沿着主线继续
先知道
- MPDM 与 EPSILON——预定义一小撮语义策略，对每个候选做闭环前向仿真、打分选优——把不可解的 POMDP 砍成「在有限集合里挑一个」。
对比着看
- 奖励函数——把安全、效率、舒适、法规、人类偏好折算成一个可优化的数值信号，并用 KL 约束拴住策略别跑偏。
接着看
- 边际预测与联合预测——边际预测给每辆车各自一组带概率的轨迹；联合预测把概率标在整个场景上，同一场景里各车的轨迹互相配套。