编辑｜黄思语
题图｜视觉中国
当前，端到端模型在自动驾驶领域崭露锋芒，成为引领技能的主要力量。那么，端到端自动驾驶模式有何上风？如何演习数据、优化驾驶履历？在繁芜的交通环境中，模型又该如何智能且安全地作出实时决策，确保车辆行驶的高效和安全？与此同时，为了授予用户和监管机构对系统决策的清晰理解，构建对自动驾驶技能的坚实信赖，模型的可阐明性也成为关键要办理的问题之一。
环绕以上问题，虎嗅智库撰写并发布了《端到端自动驾驶模型方案及发展趋势》。深入阐发端到真个算法演进与产品形态，通过学术界和工业界两个层面的实践案例，揭示端到端模型在自动驾驶领域的探索与创新，为车企及自动驾驶干系从业职员供应专业见地。
同时12月12日晚7点，虎嗅智库将环绕自动驾驶的研发路线开展线上研讨会，特邀北汽研究院、智加科技、环形科技的专家一起在线上畅聊自动驾驶。
以下是《端到端自动驾驶模型方案及发展趋势》报告的紧张内容。
端到端模型的算法演进和产品形态
当前汽车行业通用分类，将自动驾驶系统分为传统模块化和端到端两大类。传统方案以感知-预测-方案-掌握为核心，如百度阿波罗，适应硬件水平，符合量产需求。端到端方案领悟各模块成一个统一架构，通过传感器输入直接完成从原始数据到轨迹或掌握旗子暗记的映射，符合人类驾驶事理。
虎嗅智库在通用分类根本上，综合考虑对规则算法的依赖程度，按照模型末了呈现的拟人化程度，将自动驾驶模型分为：规则算法驱动的模块化小模型 (a 模型)、半拟人化部分算法规则驱动的模型 (b 模型)、拟人化无规则端到端Al大模型 (c 模 型 ) 。
a模型采取传统模块化，但系统繁芜，对硬件哀求高；b模型在此根本上实现感知-决策一体化，提升信息表达；C模型是完备拟人化的无规则端到端Al大模型，是自动驾驶算法模型的空想状态，以原始传感器数据为输入，并产生方案和/或低级掌握动作作为输出， 理论上应具备可阐明性，但目前尚无落地成果。
端到端自动驾驶技能在算法演进和产品形态上经历了三个关键阶段。
起初，从基于神经网络的端到端掌握模型，到采取监督学习的卷积神经网络端到端模型，再到策略预演习模型，不断加入深度学习和拟人化算法范式，办理更多自动驾驶问题。
学术界的研究始于1988年的ALVINN，随后发展出端到端CNN原型系统。
到2021年，这一技能逐渐表示在产品形态上，通过多传感器配置实现多模态感知，利用高等架构捕捉全局高下文和代表性特色，通过NEAT、NMP和BDD-X等方法提高可阐明性和安全性，覆盖了影象停车、城市NOA、高速NOA平分歧自动驾驶功能，标志着端到端自动驾驶技能进入了探索完全算法办理方案的阶段。
探索实践案例
1、 学术界以上海人工智能实验室为代表，关于UniAD 的探索。
UniAD是上海人工智能实验室、武汉大学和商汤科技互助研发的自动驾驶通用大模型，以路径方案为导向，实现感知决策一体化。
模型将检测、跟踪、建图、轨迹预测、霸占栅格预测整合到基于Transformer的端到端网络框架下，通过通用token领悟环视图片映射得到BEV特色，实现目标跟踪、在线建图、目标轨迹预测和障碍物预测。
联合优化通过连续时序视频流输入，映射到BEV空间，通过transformer、mapformer、motionformer和Occformer实现特色领悟和多步未来占用预测，终极通过Planner进行端到真个多模块联合优化和可微分演习。
UniAD通过先演习感知能力，再演习整体模型，实现了自动驾驶领域的创新打破。
2、工业界以特斯拉为代表，关于FSD Beta v12探索。
特斯拉FSD Beta v12的自动驾驶办理方案采取了感知决策一体化模型。
将“感知”和“决策”两个模块领悟到一个模型中，通过纯视觉感知方案，利用影子模式实时网络数据并演习模型，实现仅依赖车载摄像头和神经网络识别道路和交通情形，并作出相应决策。
测试结果表明，FSD Beta V12能够应对绝大多数驾驶场景，但还须要改进在测试中存在的失落效场景，如未准确识别红路灯等问题。
关于探索案例更多的详细先容可点击《端到端自动驾驶模型方案及发展趋势》获取全文。
数据为主、规则驱动为辅将成未来趋势
端到端模型在自动驾驶方案中具有明显上风。它将感知、预测和方案整合到单一模型中，简化了方案构造，提高了打算效率。模型由神经网络构建，以数据和算力为主导，显著提升了模型的演习效率和性能上限。比较传统模型依赖规则驱动，端到端模型更随意马虎实现规模化，实现性能打破。
未来，在家当运用中面临两大寻衅。首先，现有感知决策一体化模型缺少可阐明性。无法保障极度情形下模型输出的安全性，并且具有不可阐明性，这增加了缺点风险和调试难度。
其次，短缺大量真实驾驶数据用于模型演习阻碍了量产落地。传统模块化模型中获取演习数据相对随意马虎，而端到端模型须要大量连续时序的驾驶行为视频进行标注，采集、标注及闭环验证困难，使得量产落地进程放缓。
以大数据驱动为主、规则驱动为辅的模型架构将成为主流，同时借助措辞模型范式，通过tokenization实现自动驾驶运行逻辑的可阐明性。此外，面向通用大模型的研发也将成为主要方向，以支持泛场景、泛工具、跨模态的自动驾驶运用。通过对深度学习、强化学习、类脑算法等技能的不断探索，推动端到端模型在家当界的广泛运用和持续创新。
关于未来趋势研判更为详尽的阐述可点击《端到端自动驾驶模型方案及发展趋势》获取。
结语：
在自动驾驶领域，端到端模型展现出让AI像人一样的解码能力，通过以数据为主、规则驱动为辅的发展趋势，为行业创新和发展供应了深刻的思考。正如AI驾驶人在不断学习和进化中，端到端模型也在不断地解码着自动驾驶的未来。
现登录虎嗅智库官网，注册限时体验会员账号，不错过任何最新活动信息。
关于虎嗅智库：
虎嗅智库致力于推动家当数字化以及以“双碳”转型为代表的可持续发展，为参与这个进程的中国企业高管、政府干系决策做事。我们紧张的做事手段紧张为：研究型内容（报告、剖析文章、调研评比）、数据库、线上线下活动与社群、定制型项目等。
我们供应的核心代价：
及时与优质的洞察，理解技能、理解行业、理解同行与对手；
为决策者技能与产品计策决策、家当方案、办理方案选型供应主要参考；
帮助市场全面理解前沿科技及所影响家当的发展状况，还有未来趋势。
本内容为作者独立不雅观点，不代表虎嗅态度。未经许可不得转载，授权事宜请联系 hezuo@huxiu.com
正在改变与想要改变天下的人，都在 虎嗅APP