关于Planning,特别是端到端Planning

文章讨论了无人驾驶领域的专家观点,指出深度学习(DL)在决策规划中主要用于加速树搜索,而非直接生成轨迹。专家强调了对prediction和planning深入理解、正确建模及理论框架的重要性,DL应作为工具辅助而非取代传统的科学方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

作者 | Invictus  编辑 | 汽车人

原文链接:https://zhuanlan.zhihu.com/p/681400608

点击下方卡片,关注“自动驾驶之心”公众号

ADAS巨卷干货,即可获取

点击进入→自动驾驶之心【端到端自动驾驶】技术交流群

本文只做学术分享,如有侵权,联系删文

最近有一个票圈里很久以前(我还在土加的时候)加过的的做无人驾驶决策规划的大佬从美国回来,然后机缘巧合就见面聊了聊,向他请教了一些美国那边行业内专业人士对于决策规划的一些看法。下面是几点:

  1. T某拉的的planning用DL主要是为了加速树搜索,而不是直接端到端黑箱出轨迹。

  2. 用DL直接出轨迹(下游再用ilqr救一救?), 甚至DL直接从一堆轨迹里面挑轨迹都是不靠谱的,因为出了问题短时间根本修不好,也没人知道要多少数据可以修好。

  3. 用DL只是加速是ok的,因为反正出了问题顶多影响搜索效率,不会有啥严重后果。

  4. 同理Prediction直接DL出轨迹也是不行的,至少要结合planning,做一些agent的轨迹优化和生成,比如类似joint planning。这个具体咋做视各家的技术水平。

  5. 行业内专业人士认为,还是需要基于对prediction和planning的深刻理解,把framework和modeling作对,把要求解的问题定义对,才可能得到比较好的结果。DL可以作为tool处理其中一些子问题,但不应当认为有了DL e2e就可以再也不用把理论做对了,那样只会garbage in, garbage out。

我很高兴知道,大佬说的很多东西,是我们在TuSimple开发新planning算法时所一直遵循的。

下面是我之前对类似价值观的阐述 。我是从数理科学的角度在强调 公理(假设)-演绎(建模+优化求解)-实证(仿真+物理世界测试) 闭环的重要性,因为这样的范式是数理科学早就确立的(比如物理学就是个典型的例子,经济学什么的也有类似的特征)

如何评价图森未来的AI Day?:https://www.zhihu.com/question/614550274/answer/3250550648


希望有些鼓吹e2e可以且只有e2e可以彻底解决无人驾驶的网友们能正视现实,不要盲目跟着某些企业的营销鼓噪。如果你不是专业人士,那跟风鼓吹你完全不懂的东西,是极不负责任的。特别是个别做感知的兄弟,如果您不懂planning/control,至少不要跟着鼓吹应该用e2e来替换掉一个科学的Planning/control framework。我至今还记得21年初某个感知兄弟看完T某拉AI day后(那个时候T某拉还在吹影子模式),质问我们做planning为啥不用imitation learning实现 :-D

希望还在认真秉持planning/control数学建模和求解严谨性的同学/同行们能坚持下去,坚持自己的路线,做好的自己的研究和工作。(ps,我觉得我们在图森做的真的还挺不错的)

当然,谋事在人,成事在天。我们做科研的人的力量在国际形势面前是很渺小的,国家间的小风小浪也足以把我们努力搭建的高塔吹得摇摇欲坠。但只要坚持做对的事情,我们就会不断变得更强,积累知识和思维上的财富(如果不是银行卡里的话),并获得突破极限得快乐。总有一天,我们(指的是坚持上面所说价值观的人)会创造出改变世界的东西。

Have faith in our course! Keep marching on and one day we will reach the ultimate truth. [at least in the limit sense]

投稿作者为『自动驾驶之心知识星球』特邀嘉宾,欢迎加入交流!

① 全网独家视频课程

BEV感知、毫米波雷达视觉融合多传感器标定多传感器融合多模态3D目标检测车道线检测轨迹预测在线高精地图世界模型点云3D目标检测目标跟踪Occupancy、cuda与TensorRT模型部署大模型与自动驾驶Nerf语义分割自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频(扫码即可学习

df28109db6e58fe97f2834b9c975c918.png 视频官网:www.zdjszx.com

② 国内首个自动驾驶学习社区

近2400人的交流社区,涉及30+自动驾驶技术栈学习路线,想要了解更多自动驾驶感知(2D检测、分割、2D/3D车道线、BEV感知、3D目标检测、Occupancy、多传感器融合、多传感器标定、目标跟踪、光流估计)、自动驾驶定位建图(SLAM、高精地图、局部在线地图)、自动驾驶规划控制/轨迹预测等领域技术方案、AI模型部署落地实战、行业动态、岗位发布,欢迎扫描下方二维码,加入自动驾驶之心知识星球,这是一个真正有干货的地方,与领域大佬交流入门、学习、工作、跳槽上的各类难题,日常分享论文+代码+视频,期待交流!

479d4db7b316501fcf046beada16156a.png

③【自动驾驶之心】技术交流群

自动驾驶之心是首个自动驾驶开发者社区,聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多模态感知、Occupancy、多传感器融合、transformer、大模型、点云处理、端到端自动驾驶、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向。扫码添加汽车人助理微信邀请入群,备注:学校/公司+方向+昵称(快速入群方式)

f25fb03cd961fda38d90f4c96f64e751.jpeg

④【自动驾驶之心】平台矩阵,欢迎联系我们!

70dff39653e6f24b151ff6375afcc5c2.jpeg

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值