主要观点总结
文章讨论了端到端自动驾驶技术的趋势及相关问题，包括模块化算法与端到端系统的关系、工程化部署的挑战、处理不确定问题的策略、基于学习的规划loss选择及轨迹优化，以及端到端模型的部署问题。
关键观点总结
关键观点1: 模块化算法与端到端系统的关系
从模块化架构向端到端的转变是逐步演化的结果，许多传统元素可以复用和借鉴。对团队成员的要求更高，需要全面认识系统，同时需要深入和全面的感知和归控知识储备。
关键观点2: 工程化部署的挑战
工程化部署要考虑算力和epoch、软硬结合优化的能力，以及硬件是否支持特殊算子。不同硬件架构所需的算力不同，小算力芯片可用于模型裁剪。
关键观点3: 处理不确定问题的策略
端到端确认方式包括模仿学习和强化学习。模仿学习开环训练速度快但存在开环到闭环的差距，强化学习是闭环训练但存在训练效率问题。两者应相互补充。
关键观点4: 基于学习的规划loss选择与轨迹优化
learning-based planning通过预测轨迹与人类轨迹计算损失。采用离散化模式和请求式方式。有必要添加优化模块对输出轨迹进行优化。
关键观点5: 端到端模型的部署问题
为降低通信带宽速度，将功能集成于一块芯片上较为理想。多个芯片部署可能产生通信成本和网络延迟。
文章预览
端到端自动驾驶，「从入门到放弃」。 来源｜深蓝学院（内测星球） 嘉宾｜地平线-陈少宇 今年国内多家车企陆陆续续传出业务部门重组，业务方向调整的消息。而最终，大多都被证实「确有其事」。 不难发现，小鹏、理想、蔚来、商汤科技、元戎启行等头部企业几乎都在逐步放弃传统的自动驾驶技术路线，转而奔向端到端技术架构。 基于此，我们特意邀请地平线团队的研究员，来学院进行了一场公开分享。同时，对期间聊到的几个Q 进行简要梳理，以期与诸位同行，进一步深入探讨。 （视频版60min+，可文末扫码获取 ） 1 — 做端到端的工作，是否需要有模块化算法岗的知识储备？ 陈少宇（地平线算法研究员）：从模块化架构向端到端的转变，并不是一个颠覆性的过程，而是逐步演化的结果。 在这个过程中，许多传统架构中的元素是可以复用和
………………………………
