独家｜端到端自动驾驶技术，地平线团队研究员QA（精选）

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。