自动驾驶技术路径对比：模块化、端到端.pptxVIP

下载本文档

5
0
约小于1千字
约 5页
2024-04-02 发布于北京
举报
版权申诉

自动驾驶技术路径对比：模块化、端到端.pptx

1、本文档共5页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

技术路径：大模型成就端到端自动驾驶，推动感知决策一体化;通过对比右侧的模块化和端到端两大技术路径示意图，我们更能直观地理解两者的区别：模块化方案由众多子模块组成，每个子

模块对应特定的任务和功能；端到端则是输入感知信息并直接生成控制信号的单一路径。

从端到端自动驾驶技术路径来看，神经网络是关键，强化学习是重要方法。神经网络结构受人脑启发，模仿生物神经元相互传递信号的方式，通过综合各种信号做出判断和反应。端到端自动驾驶主要学习方法为强化学习(RL/ReinforcementLearning)，即一种学习如何从状态映射到行为以使得获取的奖励最大的学习机制，在自动驾驶场景中，神经网络做出的驾驶决策由人类给予奖励或处罚等反馈，以此来不断优化驾驶行为。;随着端到端技术的持续发展，其在自动驾驶系统中的感知环节实现率先应用，众多车企和算法公司基于Transformer架构做算法改进，BEV+Transformer逐渐成为主流解决方案。

BEV感知本质上是端到端感知解决方案。在传统的自动驾驶堆栈中，2D图像被输入感知模块以生成2D结果，然后通过传感器融合方案将多个摄像机的2D结果转换为3D图像，以供系统进行预测和规划。在端到端感知中，BEV感知模型可以使车辆直接在BEV空间中感知环境，辅助自动驾驶。

端到端有望突破性能天花板，找到近似最优解。对比分而治之和端到端两种解决办法，分而治之可以在有限的精力内快速实现性能的提升、并形成解决方案，但该方法容易陷入局部最优解，导致性能上限仅为80%。而端到端解决方案通过反复多次、集中优化一系列组件，从而不断突破性能天花板，直至实现完全的端到端解决方案，从而摆脱局部最优解的痛点，找到近似全局的最优解。;;?