当谈论端到端自动驾驶的时候，我们到底在谈论些什么
💡
原文中文，约4700字，阅读约需12分钟。
📝
内容提要
端到端自动驾驶目前尚不成熟，UniAD和Tesla是该领域的领导者。解决路径包括提高可解释性、改进评测和训练、解决数据多样性和引入先验的问题。端到端模型未来可能作为冗余模型存在，但需要决策模块选择最终规划结果。端到端的预期不应过高，应注重算法的稳定性和可靠性，提高交通参与者的安全。
🎯
关键要点
-
端到端自动驾驶目前尚不成熟，UniAD和Tesla是该领域的领导者。
-
端到端感知直接输出控制信号，分为显式和隐式端到端。
-
UniAD在2023年获得CVPR最佳论文，但缺乏实车数据和可解释性。
-
Tesla在自动驾驶领域是领导者，推动学术界进步，关注端到端模型的未来。
-
端到端自动驾驶的优势包括减少规则后处理和数据驱动的迭代模型。
-
端到端模型面临可解释性差、评测手段不成熟和数据多样性要求高等挑战。
-
闭环评测和训练是端到端模型的重要问题，需解决真实数据的评测和训练。
-
引入先验知识和解决corner case的路径尚不明确，可能需要结合规则基础的方法。
-
未来端到端模型可能作为冗余模型存在，需决策模块选择最终规划结果。
-
对端到端的预期不应过高，需注重算法的稳定性和可靠性，提高交通参与者的安全。
➡️
