端到端自动驾驶：挑战与前沿

Jun, 2023

End-to-end Autonomous Driving: Challenges and Frontiers

Li Chen, Penghao Wu, Kashyap Chitta, Bernhard Jaeger, Andreas Geiger...

TL;DR本文系统分析了 250 多篇论文，涵盖了自主驾驶的动机、路线图、方法论、挑战和未来趋势，并深入探讨了多模态、可解释性、因果混淆、健壮性和世界模型等若干关键挑战，同时讨论了基础模型和视觉预训练的最新进展，以及如何在端到端驾驶框架中整合这些技术。

Abstract

The autonomous driving community has witnessed a rapid growth in approaches that embrace an end-to-end algorithm framework, utilizing raw sensor input to generate vehicle motion plans, instead of concentrating on

autonomous driving end-to-end perception planning challenges

发现论文，激发创造

基于深度学习的端到端自动驾驶的最新进展：综述

该论文综述了端到端自动驾驶技术的最新发展和相关挑战，并探讨了其在实际应用中的重要性和潜在风险。

Jul, 2023

端到端驾驶调查：架构与训练方法

本论文综述了使用机器学习的端到端方法对全自动驾驶进行的实验和研究，讨论了输入和输出模态、神经网络架构和评估方案，着重关注了可解释性和安全性这两方面的挑战，并提出了一种将端到端自动驾驶系统中最有前途的元素结合在一起的架构。

Mar, 2020

基于深度学习的端到端自动驾驶：系统性综述

综述了近期基于机器学习的技术，包括但不限于目标检测、轨迹预测与强化学习，以及对其进行分类和研究趋势，同时指出了该领域的挑战和未来研究方向。

Aug, 2023

无限驾驶：具有多模态基础模型的通用端到端自动驾驶

通过使用多模态基础模型，我们提出了一种方法来增强自主驾驶系统的鲁棒性和适应性，实现了开放环境中的端到端多模态自主驾驶，并能从图像和文本的表示中提供驾驶决策。

Oct, 2023

多模态端到端自主驾驶

本文提出并分析了终端到终端驾驶中，结合 RGB 和深度信息数据的多模态方案，以期提高自动驾驶 AI 模型的性能。通过模拟和条件模仿学习，证明了采用早期融合多模态方案，可以超越采用单模态的性能表现。

Jun, 2019

自主驾驶新兴技术概述

本文概述了自动驾驶技术及其存在的问题，重点探讨了自动驾驶系统中的感知、地图定位、预测、规划和控制、仿真、车联网及安全等方面，并着重介绍了数据闭环解决自动驾驶问题的框架。

Jun, 2023

自动驾驶计算系统：现状和挑战

本研究论文综述了自动驾驶的最新计算系统、性能指标、核心技术和挑战，并旨在吸引计算机和汽车领域的关注和更多研究。

Sep, 2020

自动驾驶的运动规划：现状和展望

该论文旨在综述智能车辆的规划方法，介绍了管道规划和端到端规划方法，并探讨了挑选算法和训练方法的不同考虑因素以及当前的挑战和未来方向。

Mar, 2023

行业和学界的自动驾驶端到端规划：2022-2023

本文快速回顾了当前在工业界和学术界报道的方法和技术，具体地评估了包括特斯拉 FSD V12、Momenta 2023、Horizon Robotics 2023、Motional RoboTaxi 2022、Woven Planet（丰田）：城市司机和 Nvidia 在内的端到端规划。此外，我们还回顾了研究自主驾驶端到端规划的学术研究领域的最新研究。本文为读者提供了有关 2022-2023 年最新端到端规划的简洁结构和快速学习方法。本文既是初学者了解工业界和学术界自主驾驶端到端规划最新进展的入门材料，也是高级研究人员的补充资料。

Dec, 2023

自动驾驶深度学习技术综述

本文旨在调查深度学习技术在自驾车领域中的最新进展及其强项与局限性，涵盖了基于人工智能的自动驾驶架构、卷积和循环神经网络、深度强化学习范式等内容，以及感知、路径规划、行为仲裁和运动控制算法。同时，重点探讨了当今在设计自动驾驶人工智能架构中所面临的挑战，如安全性、训练数据源和计算硬件等。

Oct, 2019