【技术向】端到端方案是量产地狱，但是诱惑非常大。
蔚来和理想也要做端到端。
什么是端到端自动驾驶 - part4 机会
历史
架构
挑战
发了前面三篇之后，有读者问我，端到端就一定比现在的方案好吗？确定吗？
很遗憾，我的水平并不足以给出准确的行业方向，我只能给出两个会相对普遍接受的优点。
1. ⚡更加丰富无损的信息传递方式
在团队开发的过程中，下游团队经常会向上游团队提出问题，为什么这个信息不能给我们？ 例如我们想开发一个识别前车插入 ，本车及时刹车的功能。
那么前车插入的时机判断就非常重要了。
怎么判断？ 有效信息是：前车的横摆角，前车的位置与车道线是否相交，前车的转向灯是否亮起等等。
这些信息，感知团队其实不一定都能提供，例如前车转向灯是否亮起，由于标注难度比较大，加上很多车其实不打转向灯，很多感知团队并不识别这部分信息。
但是对于下游，这部分信息就是丢失了，就失去了可能完成更好体验的机会。
而目前的趋势也是，上游提供越来越丰富的结果供下游使用，例如目前的占据网格就是比原来的目标级信息丰富更多，也很多厂商已经开始做车门开闭的识别了。
而端到端模糊了模块的概念，在神经网络的学习过程中，通过监督，可以将有价值的信息往下传递，进而保证更加类人的体验，在设计层面上就能够规避一部分信息损失。
同时也在一定程度上防止了分模块方案陷入局部最优，而不是全局最优的情况。
2.⚡ 更加简洁的优化方案。
之前在Part3 挑战中提到，其实端到端方案的优化方向是难以直接找到的，因为不知道神经网络内部发生了什么，不像分模块方案里面，例如刹车轻了，调一下参数就能马上下一个测试。
端到端是不行的。
唯一的路径是：寻找更多对应的数据进行训练。
但是，与路径唯一一体的是：简洁。
可以省去大部分方案扯皮的时间，也省去了非常多的人力。例如以前的规划和感知团队可以直接合并，测试Issue triage团队（寻找问题来源并且分配）几乎可以解散。
程序员天生热爱这种这种简洁的几乎可以全自动的方式，不再是一个个规则堆起来的屎山代码，而是大一统的框架。
昨天突然开始爆出来蔚来主动安全要做端到端，还有之前理想汽车的红绿灯端到端，本质上也是将以前按规则构建的方案改写成数据驱动，从小模块试水练兵，也是比较务实的做法。
毕竟像特斯拉如此激进切换，难度系数太大了。
微博新知
