这里有一群奋斗在自动驾驶&座舱量产第一线的小伙伴等你加入从效果来看似乎端到端技术的到来，让无图(请注意这里的无图指的是只用导航地图，无论高速还是城市的自动驾驶功能！)这个需求不在是一个伪命题。当然这里指的端到端技术并不是所谓的没有任何后处理，或者我更想把它定为是规控模块的网络化。无论是大家所说的两阶段的端到端(感知一个模型，规控一个模型)，还是一阶段的端到端(只有一个模型)。![]()
还有地平线的《VAD: Vectorized Scene Representation for Efficient Autonomous Driving》![]()
![]()
关于这些论文的更加详细解读我们放在了知识星球里面，欢迎大家关注自动驾驶之星知识星球！
但是随着更多的模块网络化，变成了所谓的数据驱动，不得不去面临的一个问题就是如何才能更快的迭代自己的模型。这个再端到端的技术方案里面变的更加的凸显，不可能一个问题要等大半个月更新模型后再去解决，所以更快的训练闭环就变的更加重要。关于传感器的数据生成和仿真可能就变的更加的重要了，目前无论是工业界还是学术届都在往这方面卷，比如理想近期的DiVE：高保真、时间一致的视频生成.https://liautoad.github.io/DIVE/
已经英伟达最新的OmniRe 的工作，都有这不错的效果！https://ziyc.github.io/omnire/
能做成端到端自动驾驶技术方案的公司可能不多，这里面除了技术本身，如何重新组建一个高效率的组织架构也是一个很大的问题。没有高效率的组织架构一切都是空谈！以前的组织架构感知，规控，定位，端到端的到来不再是技术的更新这么简单，而是权力的重新分配。这也是为什么蔚小理进行大的组织架构调整的原因！端到端或者说网络化的自动驾驶技术很美好，也许它也是一把双刃剑，操作不好，可能会有更坏的结果！(感觉这个文章已经很深刻的反映出了这个问题！端到端引发的权力重新分配)投稿作者(一介书生和他们E2EAutoMatrixTeam,期待后期E2EAutoMatrixTeam有更多的成果和大家分享交流！)为『自动驾驶之星知识星球』特邀嘉宾，欢迎加入交流！自动驾驶之星知识星球主打自动驾驶量产全技术栈学习，星球内部形成了BEV障碍物/车道线/Occ、端到端大模型、VLM大模型、智能座舱大模型等等近8个全栈学习路线，并包括: 学习板块，求职面试，有问必答，论文速递，行业动态五大板块！以及三大专栏: 自动驾驶量产经历，360全景环视原理与代码实战，经典论文解读！每天分享干货、代码与论文，星球内嘉宾日常答疑解惑，交流工作与职场问题。
![]()
为了回报大家对社区的知识，我们准备了50元的知识星球优惠券，欢迎感兴趣的同学加入！
![]()
自动驾驶之星是面向自动驾驶&智能座舱量产向相关的交流社区，由业内顶尖的自动驾驶量产团队创办！聚焦端到端自动驾驶方案、智能驾驶大模型、多传感器融合技术、云端数据挖掘、智能座舱技术方案、求职交流等方向。扫码添加小助理微信邀请入群，备注：学校/公司+方向+昵称（快速入群方式）
