端到端｜能否颠覆自动驾驶？

基于端到端的自动驾驶太火了，一时间，自动驾驶讲故事，不提“端到端”就太OUT了。

 

掀起这轮热潮的，还是特斯拉。

 

最近，特斯拉FSD V12在北美上线测试版本，全新升级的FSD，最大的卖点就是端到端的神经网络模型上车。

 

英伟达CEO黄仁勋将其称之为自动驾驶革命性的进步。

 

 

因为通过端到端，AI能够通过分析视频数据，来预测路径，理解和驾驶汽车。

 

网上有大量FSD V12的测试视频，大家可以找来看看，没有太多可聊的，无非优化了一些突发场景下的表现，自动驾驶系统显得更灵活，但也没太多惊艳的地方。

 

值得一聊的是特斯拉，或者说特斯拉引领的端到端自动驾驶神经网络技术。

 

 何为端到端

我们通常理解的自动驾驶系统，分为感知、分析、决策三个模块独立运作，再通过系统集成，实现自动驾驶功能。

 

这和人类司机驾驶车辆的习惯是一样的，这样做的好处也很好理解，每一个环节特别清晰。

 

将一个复杂的系统，拆分为一个个相对简单的模块，降低了每个模块的开发难度。而且系统出现问题，容易找出源头。

 

模块化的背后，是大量的代码，大量的代码，意味着大量的人工，这时候弊端就出现了：上限不高，只能处理系统见过的场景，没见过的就束手无策了。

 

系统处理不了怎么办？只能再往里填更多的代码，靠冗长的代码来覆盖更多场景。最后整个系统越来越复杂，信息传递的效率比较低。

 

复杂场景算力需求太大，解决长尾场景的难度和成本都很高，端到端就是来解决这些问题的。

 

特斯拉通过端到端神经网络，将感知、分析、决策整合在一起，当输入传感器数据时，系统直接输出车辆控制信号，其中的过程减少了成堆的代码。

 

 

按照特斯拉的更新日志，模型经过数百万个视频训练后，可以减少30多万行C++代码。

 

可以这样解释：特斯拉端到端的FSD系统，是将无数的人类驾驶的视频数据，压缩到了端到端神经网络中，所以效率更高当然是一方面，更符合人类驾驶的习惯，像真人一样开车，也是一个革命性的突破。

 

  不止特斯拉

特斯拉是端到端自动驾驶的先行者，但并不是唯一的玩家。

 

去年，商汤科技与上海人工智能实验室、武汉大学共同发布的论文《Planning-oriented Autonomous Driving》（以路径规划为导向的自动驾驶），获得了国际计算机视觉与模式识别会议的2023年最佳论文，就已经引起了不小的轰动。论文中提出了一个感知决策一体化的自动驾驶通用大模型——UniAD。

 

值得一提的是，今年北京车展，商汤已经展示了“真”端到端的UniAD的道路测试表现，无需高精地图，仅靠视觉完成无论是复杂城市道路还是无中线的乡村道路路况。

 

 

商汤指出，行业号称“端到端”智驾方案不断涌现，但大多由感知和决策两个模型组成的 “两段式”架构，存在信息传递过滤或丢失的问题。而商汤的UniAD，将感知、决策、规划等模块都整合到一个全栈Transformer端到端模型，实现了一体化。

 

小鹏也是端到端自动驾驶的实践者。5月小鹏发布了端到端模型，据称，智驾能力得以提高两倍。从现有的架构升级到端到端后，传感器输入的数据可以直接输出车辆的控制动作，端到端的训练也从之前的图片升级到视频。在系统层面，可以减少车辆在一些场景下的“犹豫”。

 

还有一家自动驾驶企业不容忽视，今年北京车展上，元戎启行推出的新一代量产的高阶智驾平台DeepRoute IO，搭载了端到端模型，成为业界率先将端到端用于高阶智能驾驶汽车量产的企业。在导航地图覆盖范围内，IO平台能够及时、准确、稳定地识别红绿灯、施工场景、缓慢行驶或临停车辆，实现在城区点到点的智能驾驶，任何场景都好开。

 

  量产还很难

端到端很香，但真正量产还有很长的路要走。

 

首先是研发和训练模型的投入。一方面，如果应用端到端模型，对数据量的需求将呈指数级的增长。

 

另一方面，AI模型的训练需要大量的计算投入，这对于任何一家企业来说都是一笔不小的成本。特斯拉可以凭借FSD的更新，优化对AI训练算力应用的效率。其它企业很难在短时间内缩小和特斯拉的算力差距。

 

 

此外，就如文中提到的那样，模块化的架构中，出现问题，找出问题，解决问题的过程相对来说比较容易，而端到端模型把多个模块融合在一起，相较于原先的“白盒”，更接近“黑盒”，因此具备了更多的“不可解释性”，这给后续的系统改进和迭代增加了更多难度。