自动驾驶端到端，到底到了哪个端口？

最近读一些端到端的文章，发现一个问题，现在所谓的端到端，其实远远没有端到端。

从最开始的传感器端到端，这样做有两个好处，1.把跟踪和检测合为一体。2.把后处理的很多tricks拿到模型上来做了，感知模型实际输出就是物体的世界坐标位置。这种文章又分两个大方向，一个是密集dense类型的，比如bevfomer类似的，一个是sparse类型的，比如streampetr这种。但是这种端到端，只是视觉感知（也有视觉和lidar融合的，比如bevfusion等）实现了端到端。也就是司机开车时，眼观的东西，具体这个看到的东西怎么帮助进行驾驶，还没有涉及到。

那么后来又出来端到端，比如sparsedrive, UniAD等，其实这些端到端只是到了路径规划的部分，并没有实现所谓的端到端，也就是缺少了车辆控制环节。

 

真正的端到端，其实要包括车辆控制的环节，现在相当于规控部分完成了一半，离端到端还有距离。当然也有厂家宣传说用大模型实现了真正的端到端，也就是包括了控制部分，但是看到框架介绍，好像控制部分真正包含在内的还是不多的。

 

所以做规控的同志们也不需要过于紧张，还有学习的时间。但是做传统后处理的同学们可能就要加快步伐了，因为各大厂家都上了感知器的端到端，那些烦人的后处理没有了，就必然面临一个问题，那就是之前的经验会有贬值，需要技术更新了。

但是做规控的同学们，控制这块看介绍七八年前就是用强化学习来做的，不知道现在有没有很大突破，一起学习起来。