進入 2024 年，國內廠商突然然開始著手宣傳端到端，各大廠商都有意無意地透露，自己正在這個方向上押重注。 3 月 17 日，在汽車百人會上，二線智能駕駛廠商元戎啟行突然宣布，元戎啟行是國內第一家能夠將端到端模型成功上車的人工智慧企業； 4 月 24 日 ADS 2.0 升級為乾崑 3.0，技術轉向 GOD/PDP 網絡全新架構，對外稱是端到端架構； 5 月 20 日，小鵬汽車舉辦了以「開啟AI智駕時代」為主題的AI DAY發布會，宣布端到端大模型已經量產上車； 6月 7 日，在上海人工智慧實驗室主辦的端到端研討會上，前段時間離職加入小米的消息引發廣泛關注的王乃岩提出：端到端可以將很瑣碎的任務，用人類的駕駛習慣進行統一的監督，降低開發成本，與可解釋的傳統技術棧結合，可能可以帶領我們走向 L4 甚至 L5。 就像 2021 年 BEV 浪潮一樣，各大廠商再次在自動駕駛路線上達成了一致。 端到端自動駕駛是一種基於數據驅動的全新技術路線，代表了智能駕駛的未來趨勢。在這一領域，車輛不再依賴預設的、人為編寫的規則執行操作，而是通過直接從原始傳感器數據學習來做出決策。這種技術路線有望實現更貼近人類駕駛行為的自動化駕駛體驗。 端到端自動駕駛系統與傳統的自動駕駛系統在工作原理上有著根本的不同。傳統的自動駕駛系統主要依賴於規則執行器的模式，即感知單元捕捉環境信息，然後與預先設定的規則進行比對，符合條件時執行相應的動作。如果將這些系統簡單分為兩部分，可以是感知系統和規劃控制系統：其實最主要的特徵是：感知得到結果之後，將結果傳遞給規劃控制系統。為了讓系統表現足夠好，其實暗含了兩個條件： 1. 感知的結果足夠正確 2. 規劃控制獲得的信息足夠豐富 很遺憾，這兩條都難以保證，為何？規劃控制所有從感知得到的信息，都是感知工程師基於現有的資源定義好的，這裡的資源包括：標註的能力、獲取相應數據的能力，甚至工程師們對駕駛的理解。而端到端系統則去除了中間繁瑣的規則比對環節，直接從輸入的數據中學習如何進行決策和控制。 端到端自動駕駛系統的優勢在於其簡潔性和強大的學習能力。由於省去了複雜的感知和規則判斷過程，端到端系統能夠更加高效地進行決策制定。例如，特斯拉FSD V12版本就採用了這種全新的端到端系統，實現了代碼數量的大幅減少，無需人工假設場景並寫出決策規則。此外，清華新聞網報道的清華大學車輛學院的研究團隊也完成了國內首套全棧式端到端自動駕駛系統的開放道路測試，展示了這一技術的實際應用潛力。 然而，儘管端到端自動駕駛系統具有明顯的優勢，但其發展也面臨諸多挑戰。端到端駕駛系統在上車跑之前，必須要用虛擬的方式全局驗證通過，否則上車跑通無異於天方夜譚。其實不難看到，端到端自動駕駛依然依賴原有的自動駕駛開發工具鏈，優秀的數據閉環工具用來收集數據，優秀的自動駕駛仿真系統用來驗證，而這大部分團隊幾乎都沒有。從這個角度來看，端到端自動駕駛無法進行彎道超車。 綜上所述，端到端自動駕駛不僅改變了傳統自動駕駛的技術路線，也為未來的智能駕駛奠定了基礎。儘管存在一些挑戰，但隨著技術的不斷進步和大數據的應用，這一技術必將在未來發揮更大的作用，為人們帶來更安全、更便捷的出行體驗。 |
