原标题：“端到端”是自动驾驶最优解吗麻豆 苏畅

杨忠阳

最近，“端到端”在车圈火了！特斯拉基于“端到端”的FSDV12（豪阔自动驾驶）决策酿成的标杆示范效应，访佛入华别传，带动“蔚小理”等车企和华为、地平线等处事商纷纷转向，加码端到端自动驾驶工夫。

所谓“端到端”，其实是来自深度学习中的成见，英文为“End—to—End（E2E）”，指通过一个AI模子，唯有输入原始数据就可以输出最终效用。行使到自动驾驶边界，意味着只需要一个模子，就能把录像头、毫米波雷达、激光雷达等传感器汇集到的感知信息，转机成车辆标的盘的动弹角度、加快踏板的踩踏深度以及制动的力度等具体操作教唆，让汽车达成自动驾驶。用小鹏汽车独创东谈主何小鹏的说法，发扬得“很丝滑”，更像“东谈主类司机驾驶”。

此前，市面上绝大部分自动驾驶系统为传统模块化款式，即一个东谈主工和智能两分宇宙的混搭系统：感知依靠神经蚁集，计较收尾则使用东谈主类手动贪图的算法。这一系统的平允在于单干明确，发现弱势便于分模块搜检、贬责。但问题是，这种模块化的自动驾驶系统在相对节略的驾驶任务上发扬可以，而在复杂的驾驶任务面前，其天花板了然于目。就算是堪称遥遥最初的城市高阶智驾功能，照旧会有机械感，也会在汇入快速路、通过大型路口时宕机。

琢磨到自动驾驶的中枢挑战是贬责源源束缚的边际场景，以有限东谈主力贬责无尽长尾问题的资本和时辰难以掂量，数据化、模子化成为势必趋势。不外，端到端，一样是一个需要敦厚傅用心打磨的高难度工夫活。

一方面，端到端需要海量高质地数据“投喂”查考。与大谈话模子可以在互联网上爬取海量翰墨数据用于查考不同，端到端智驾需要的视频数据赢得资本和难度极高。以特斯拉为例，面前其FSD累计学习的东谈主类驾驶视频片断卓著2000万个，而这一边界的数据仅采集资本就需要50亿元至80亿元。

另一方面，端到端需要雄壮算力的赈济。自动驾驶波及激光雷达、图像感知以及V2X车路协同等工夫与贬责决策。雄壮的算力不仅故意于及时处理海量数据，缩短数据传输蔓延，还可更好地赈济面向机灵城市、机灵交通、高档别自动驾驶等全场景。但是，华为车BU、百度极越、蔚来、逸想、稳固、长城、小鹏等国内企业算力增长面前均濒临较大瓶颈。

问题还在于，算力与数据的制约又会显耀影响算法的发展。固然国内学术界建议的端到端自动驾驶模子UniAD斩获2023年CPVR最好论文奖，为国内企业提供了可以参考的标的，但是在开环考证体系、小体量样本数据下竖立的UniAD，上车还需要一定时辰的工程化矫正和大边界数据查考。

此外，端到端会同期放大自动驾驶系统的上限与下限。因为端到端构建的是一个神经蚁集黑箱，在赢得更高上限的流程中让渡了一部分传统模块决策具备的可施展性。如安在自动驾驶系统中保留可施展性，将那些不应被跳跃的规定，比如别闯红灯，表征到神经蚁集结去，保证端到端能安全地落地行使、进化，也将是规控工程师们的枢纽课题。

登攀珠峰有两条道路：一条是中国西藏的北坡，另一条是尼泊尔的南坡。不论遴选从南坡照旧从北坡登攀，最终王人将到达销毁个顶峰。这与现时自动驾驶的发展旅途有相似之处。固然当今还很难判定端到端即是自动驾驶的最优解或最终解麻豆 苏畅，但这并不妨碍企业改进探索。毕竟端到端能够比传统模块化款式更好地处理顶点案例，况且代表了一种减少东谈主工编码依赖的更高效的想路。基于这个旅途，好像自动驾驶能够通往更高阶段。