理想用「端到端+VLM」，跑赢了互联网上的嘴

正文

请到「今天看啥」查看全文

自动驾驶一般分为感知、预测、规划和控制四大基础模块，各个模块各司其职、分工明确，并且这几个模块之间的信息是递进关系，看了这个图可能更好理解一些。

首先是利用传感器感知到信息，在融合了地图信息之后，会生成一个结果，给到规划模块，然后规划模块按照感知给的结果，生成一个可通行路径给到「控制」，然后工程师利用控制算法输出车辆的驾驶指令。

到这一步，其实还比较好理解，这是个系统运行的逻辑，当然，这里我们不用去展开每个模块具体的算法结构，我们需要知道另一个问题。

这种技术框架为什么会有局限性，甚至到现在要用端到端去改变呢？

这里面我们可以看到的是，系统的每个模块相互独立，又相互递进，这就产生了一个问题，每个模块所传递到下一个模块的信息会有损。

如果你看综艺节目的话，肯定看过一个叫「传声筒」的游戏，一般游戏是多个人组成，第一个人看到一组词，比如是「我开车去了动物园」第一个人通过比划给第二个人，第二个人再比划给第三个人，以此类推最后第 10 个人猜出的答案可能和题目是天差地别的，比如「我养了七只猴」。

你可以简单吧这个游戏的信息传递理解成规则算法下信息的传递，事实上到了最后信息的损失是比较多的，那你就很难基于一个不准确、不完整的信息，然后给出一个正确的答案。

所谓的规则，其实是基于少量自动化算法下，大量依靠工程师手动编码给出规则指令的技术框架。

缺点是需要大量的人力去编码，成本高 以及 在面对新情况的时候，需要人工添加新的规则来应对新变化，它的灵活性较差。

可能有小伙伴要问了，如果说前面各个模块比较复杂，那么把它们都去掉不就好了嘛？

请到「今天看啥」查看全文