將自動駕駛技術分為
感知、決策、執行
三個環節。
感知
：駕駛員的眼耳鼻等各個感測器，在接收著外界的資訊，承擔著
感知
的功能；
決策
：駕駛員的大腦根據感知的資訊，決定進行加減速、轉向等操作，承擔著
決策
的功能；
執行
：駕駛員的神經、四肢，以
油門剎車與方向盤
作為人車互動的兩大媒介，與整個汽車系統一起承擔著
執行
的功能。
可以看到，
有人認為“感知”最核心，有人認為“決策”最核心，究竟哪方更有道理呢
？
看下來之後，兩方的主要分歧在於對“感知”這個概念的定義不同。
狹義的感知
：鐳射雷達、毫米波雷達、攝像頭、超聲波雷達、定位系統測量到的“0”、“1”資料傳輸給大腦。
廣義的感知
：不僅測量，而且將測量到的“0”“1”翻譯成對決策有意義的語言，比如“前方有行人”、“前方有模糊一片的東西，有30%的可能是障礙物”。
當我們看到桌子上“有一個蘋果”，這不僅是眼睛的功勞，我們的大腦也在一瞬間完成了大量的運算工作。
只不過，我們一般還是把“感知到有一個蘋果”歸功於眼睛，因此我們還是採用廣義的感知概念
。
這樣的話，我的觀點如下：
最核心的是
感知
。
提升決策能力，有助於降低感知需求
。
一、核心是感知
其實這和咱們開車的道理是一樣的，在頭腦清醒、不疲勞駕駛、開車穩當的情況下，
大部分交通事故都來源於駕駛員的感知出了問題
。例如進出隧道的光線變化、夜晚雨天的能見度下降、團霧帶來的能見度突變等。
對自動駕駛來說，它在決策與執行時從來都是“頭腦清醒、不疲勞駕駛、開車穩當”的。所以，只要感知不出問題，自動駕駛不一定能幫你把車開得多快、多好，但起碼不會出問題。
或者說，如果感知的資訊是全面的、確信的，那再去做決策與執行策略，就太簡單了。我發現有朋友在討論夾塞情況下的博弈問題：
有人就敢賭你怕刮蹭去維修，而AI不敢，因而AI肯定是必輸的
。
這是一個很好的觀點，但並不全面。
的確，AI在博弈的時候底牌要弱於強勢的人類駕駛員，但自動駕駛的反射弧時間要遠強於人類駕駛員
。
所以，將來AI實裝了博弈策略之後，我們人類駕駛員不應太自信 ——
AI的博弈策略可能會非常地“兇殘且狡猾”，而且省去了反射弧的時間，人類駕駛員恐怕沒有勝算
。人類駕駛員的唯一勝算可能只是“底牌大”—— 人類駕駛員可以爭一口氣而讓事故發生，AI不敢、沒權利這麼做。
二、提升決策能力有助於降低對感知的需求
前一段，試駕小鵬P5的城市NGP。眾所周知，它在側前方的感知非常靈敏，因為有2顆鐳射雷達：
所以，當它重點感知側前方的物體來做決策時，就會顯得非常果斷。例如下面的躲避腳踏車並果斷加速透過的動圖：
試乘的十幾公里的6次接管中，大部分情況都是
“主動夾塞”
失敗！ 也就是說，當側前方的車輛向前移動時，P5可以實現靈敏地跟車並夾塞變道；但是，如果這時候側後方車輛跟進博弈，搶佔有利位置時，P5就會束手束腳。
我能明顯感覺到：
P5側後方的“視力”遠不如側前方的“視力”——所以在夾塞變道時就不敢非常激進，從而導致失敗。
第一種思路就是像威馬M7一樣，側後方也加強感知能力：
第二種思路就是實裝
“近身肉搏策略”
與
“預測規劃策略"
，這都屬於決策。
所謂近身肉搏策略，就是上面提到的博弈策略
：例如，
讓車子突然挪個2釐米，觀察側後方車子的反應，根據反應再決定下一步動作
。像AI沒有反射弧，如果動靜非常快，抖個幾抖，可能就把側後方的新手駕駛員給嚇住了 ——這是什麼人啊，反應這麼快！
所謂預測規劃策略，就是儘量避免這種情況的發生
：仔細回憶一下，其實人類駕駛員遇到這種“主動加塞”的場景，也是非常尷尬的，有時候還要鬥氣；
真正的老司機會怎麼做，他會看得很遠，儘量避免這種情況發生、或者在這種情況無法避免時，提前很遠就進入一個有利的博弈位置。
兩種思路都可以實現比較好的
“主動夾塞”
效果。這也就是為什麼說：
提升決策能力有助於降低對感知的需求。