自动驾驶行业向端到端架构转型

一、效能革命

• 消除信息损耗与延迟

  • 传统模块化架构的流程是感知、决策、规划、控制这四个环节串联。例如，在一个自动驾驶汽车行驶过程中，感知模块先识别出前方有障碍物，将信息传递给决策模块，决策模块再决定是刹车还是变道，接着规划模块规划具体的行驶路径，最后控制模块执行操作。然而，在这个过程中，每个模块之间的接口会导致信息损失。比如，感知模块可能只能传递有限的关于障碍物的信息（如距离、速度等几个关键参数），而一些细节特征可能丢失。而且，整个过程会产生决策延迟，大概在 100 - 300 毫秒之间，这对于高速行驶的汽车来说，可能会错过最佳的应对时机。
  • 端到端架构的优势就在于它直接将传感器的原始数据输入到一个单一的模型中，然后输出控制指令。以视觉传感器为例，它能将摄像头拍摄到的连续视频帧（包含丰富的场景细节，如道路标记、交通标志、车辆外观等原始像素数据）直接输入模型，模型经过训练后可以快速地根据这些原始数据输出控制汽车的方向、速度等指令，减少了中间环节，大大提升了响应速度和系统效率。

• 全局优化能力

  • 在模块化架构中，各个子模块是独立优化的。比如感知模块可能通过提高传感器精度、改进算法等方式来提升自身的准确性，但这就可能导致与决策模块之间的不匹配。例如，感知模块能够更精确地识别出前方是一个小动物，但决策模块的规则可能没有考虑到这种情况，无法及时做出合适的决策，从而引发局部目标与整体驾驶任务的冲突。
  • 端到端模型可以实现感知、决策、控制的联合训练。它以最终的驾驶目标（如安全、舒适的到达目的地）为导向，对整个过程进行全局优化。例如，在城市复杂路况下，端到端模型可以综合考虑交通流量、行人行为、道路施工等多种因素，通过联合训练找到最优的驾驶策略，突破了传统模块化架构下各模块独立优化带来的性能瓶颈。

二、技术实证

• 攻克长尾场景