最近，“端到端”在车圈火了！特斯拉基于“端到端”的FSDV12（皆备自动驾驶）决策酿成的标杆示范效应，重复入华据说，带动“蔚小理”等车企和华为、地平线等奇迹商纷繁转向，加码端到端自动驾驶时期。

所谓“端到端”，其实是来自深度学习中的想法，英文为“End—to—End（E2E）”，指通过一个AI模子，惟有输入原始数据就可以输出最终恶果。期骗到自动驾驶边界，意味着只需要一个模子，就能把录像头、毫米波雷达、激光雷达等传感器采集到的感知信息，养息成车辆场地盘的动弹角度、加快踏板的踩踏深度以及制动的力度等具体操作领导，让汽车结束自动驾驶。用小鹏汽车首创东说念主何小鹏的说法，进展得“很丝滑”，更像“东说念主类司机驾驶”。

此前，市面上绝大部分自动驾驶系统为传统模块化神色，即一个东说念主工和智能两分六合的混搭系统：感知依靠神经聚积，盘算箝制则使用东说念主类手动遐想的算法。这一系统的公正在于单干明确，发现症结便于分模块查验、料理。但问题是，这种模块化的自动驾驶系统在相对简便的驾驶任务上进展可以，而在复杂的驾驶任务眼前，其天花板了然于目。就算是堪称遥遥率先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。

筹议到自动驾驶的中枢挑战是料理取之不尽的边际场景，以有限东说念主力料理无穷长尾问题的本钱和时期难以斟酌，数据化、模子化成为势必趋势。不外，端到端，相通是一个需要老诚傅全心打磨的高难度时期活。

一方面，端到端需要海量高质料数据“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得回本钱和难度极高。以特斯拉为例，咫尺其FSD累计学习的东说念主类驾驶视频片断越过2000万个，而这一范畴的数据仅采集本钱就需要50亿元至80亿元。

另一方面，端到端需要浩大算力的撑合手。自动驾驶触及激光雷达、图像感知以及V2X车路协同等时期与料理决策。浩大的算力不仅故意于及时处理海量数据，缩小数据传输延长，还可更好地撑合手面向智谋城市、智谋交通、高档别自动驾驶等全场景。但是，华为车BU、百度极越、蔚来、想象、祯祥、长城、小鹏等国内企业算力增长咫尺均濒临较大瓶颈。

问题还在于，算力与数据的制约又会显赫影响算法的发展。诚然国内学术界提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场地，但是在开环考证体系、小体量样本数据下树立的UniAD，上车还需要一定时期的工程化检阅和大范畴数据查考。

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聚积黑箱，在得回更高上限的经由中让渡了一部分传统模块决策具备的可阐扬性。如安在自动驾驶系统中保留可阐扬性，将那些不应被越过的划定，比如别闯红灯，表征到神经聚积中去，保证端到端能安全地落地期骗、进化，也将是规控工程师们的要紧课题。

攀高珠峰有两条阶梯：一条是中国西藏的北坡，另一条是尼泊尔的南坡。非论汲取从南坡照旧从北坡攀高，最终都将到达吞并个顶峰。这与现时自动驾驶的发展旅途有相似之处。诚然咫尺还很难判定端到端即是自动驾驶的最优解或最终解，但这并不妨碍企业立异探索。毕竟端到端能够比传统模块化神色更好地处理顶点案例，而且代表了一种减少东说念主工编码依赖的更高效的念念路。基于这个旅途开yun体育网，简略自动驾驶能够通往更高阶段。（本文起首：经济日报 作家：杨忠阳）

激光雷达UniAD数据端到端算力发布于：北京市声明：该文不雅点仅代表作家本东说念主，搜狐号系信息发布平台，搜狐仅提供信息存储空间奇迹。