最大规模！中科院&理想：探究数据规模对端到端智驾模型在不同场景中泛化的影响

文章预览

端到端自动驾驶范式因为其可扩展性而受到广泛关注。然而，现有方法受限于真实世界数据规模，阻碍了对端到端自动驾驶相关规模化定律的全面探索。针对这一问题， 中国科学院自动化所赵冬斌研究员团队与理想汽车“端到端”量产部门夏中谱团队 进行了合作探索，团队收集了各类真实驾驶场景和行为数据，对现有基于模仿学习的端到端自动驾驶范式的规模化定律进行了深入研究。具体而言，该团队共收集了 23 种不同场景，约 400 万次演示，总计超过 3 万小时的驾驶视频。在严格的评估条件下，通过共计 1,400 次不同的驾驶演示（开环 1,300 次，闭环 100 次）进行开环评测和闭环仿真评测。通过实验分析发现：( 1) 轨迹拟合的开环性能与训练数据量呈幂律关系， 闭环性能在200万次数据量时出现性能拐点 ； (2) 长尾数据量的少量增加可以显著提高相 ………………………………