自动驾驶 1000问 · 补充Q1：什么是端到端（End-to-End）自动驾驶？
原始 Flomo：https://v.flomoapp.com/mine/?memo_id=MjU2NTMzMzMx
自动驾驶 1000问 · 补充Q1：什么是端到端（End-to-End）自动驾驶？
▎ 五大学习法：费曼学习法——用一句话把它讲给外行听
一句话
把「传感器输入 → 车辆动作（转向 / 油门 / 刹车）」这一整条链交给一个学习模型整体学会，不再拆成感知、预测、规划、控制各自写规则再拼。
和传统模块化比
- 模块化：每块单独设计优化、可解释、能独立升级；但模块间接口靠人工设计，误差会一路累积放大。
- 端到端：一张大网直接从输入学到输出，围绕最终驾驶目标联合优化，减少信息损失和误差传导。
狭义 vs 广义
- 狭义：单一大网络，从原始信号直接映射到控制指令（最彻底）。
- 广义：感知 + 决策规划用网络，模块间仍保留人工接口，甚至不含控制。
怎么来的
- BEV 感知把多传感器统一到「上帝视角」，打通了模块壁垒。
- 2023 年 UniAD（CVPR 最佳论文）把感知 / 预测 / 规划统一进一个模型，端到端时代开启。
- 量产代表：特斯拉 FSD v12——用端到端神经网络替掉 30 万行 C++ 规则，靠车队数据训练。
优势 / 挑战
- 优势：联合优化、无误差累积、数据驱动解决长尾、算力共享。
- 挑战：可解释性差、安全验证难（黑盒）、吃海量数据；Waymo 认为「纯黑盒不现实」，走「端到端 + 结构化中间表示」。
- 方向：一段式 / 二段式（自车规划也用模型），再往 VLA（视觉-语言-动作）大模型走。
📎 导航：https://v.flomoapp.com/mine/?memo_id=MjU2MDMwMzA0
📎 系列上一题（第 37 题）：https://v.flomoapp.com/mine/?memo_id=MjU2MzA4ODAy