基于矢量表征和概率规划的端到端自动驾驶 | 地平线「你好，开发者」直播预告

主要观点总结

本文介绍了端到端自动驾驶成为高阶智驾体验拐点的必选项的背景和挑战。文章详细阐述了感知端到端自动驾驶的优势和挑战，以及数据处理在其中的重要性。文章还介绍了VADv2端到端自动驾驶方案的原理和优势，以及地平线公司在该领域的研发工作和未来探索方向。此外，文章还包含了一场关于端到端自动驾驶的自动驾驶技术专场的介绍。

关键观点总结

关键观点1: 端到端自动驾驶成为高阶智驾体验拐点的必选项。

文章指出随着技术的发展，端到端自动驾驶正在成为实现真正自动驾驶的关键路径。

关键观点2: 感知端到端自动驾驶的优势和挑战。

文章阐述了感知端到端自动驾驶能够大幅提升智驾系统的拟人性，但在规控中存在不确定性，需要解决环境信息和决策规划之间的不明确映射关系等问题。

关键观点3: VADv2端到端自动驾驶方案的原理和优势。

文章介绍了VADv2方案如何通过多模态概率规划解决判决式模型无法建模决策的天然多模态特性的问题，并提升了决策的准确率。

关键观点4: 地平线公司在端到端自动驾驶领域的研发工作和未来探索方向。

文章提到了地平线公司在端到端自动驾驶领域的研发成果，并介绍了新一期地平线「你好，开发者」自动驾驶技术专场的内容，包括讲师会分享交流未来自动驾驶端到端的探索方向。

文章预览

端到端自动驾驶正成为高阶智驾跨越体验拐点的必选项。实现真正的自动驾驶所面临的一大挑战是无法穷尽的Corner Case。对于智驾系统来说，不论给系统叠加多少规则和代码，都无法100%解决长尾场景的问题，而数据驱动的端到端能够感知世界、理解世界、认知世界，是迈向自动驾驶终局的更有效路径。 端到端自动驾驶深度学习人类驾驶行为，能够大幅提升智驾系统的拟人性，实现通行效率、驾驶拟人、场景通过率的全面突破，从而给用户在物理安全之上带来心理安全。然而不同于感知端到端，规控中存在着更多的不确定性。从环境信息到决策规划不具有明确的映射关系，对于同一场景，存在不同的合理的决策规划结果，因此，学习拟人的驾驶策略极具挑战性。 以往的基于学习的规划方法确定性地通过MLP回归出规划轨迹，无法应对环境信息和决策 ………………………………