問題還在於,算力與數據的制約又會顯著影響算法的發展。雖然國內學術界提出的端到端自動駕駛模型UniAD斬獲2023年CPVR最佳論文獎,為國內企業提供了可以參考的方向,但是在開環驗證體系、小體量樣本數據下開發的UniAD,上車還需要一定時間的工程化改造和大規模數據訓練。
此外,端到端會同時放大自動駕駛系統的上限與下限。因為端到端構建的是一個神經網絡黑箱,在獲取更高上限的過程中讓渡了一部分傳統模塊方案具備的可解釋性。如何在自動駕駛系統中保留可解釋性,將那些不應被逾越的規則,比如別闖紅燈,表征到神經網絡中去,保證端到端能安全地落地應用、進化,也將是規控工程師們的重要課題。
攀登珠峰有兩條路線:一條是中國西藏的北坡,另一條是尼泊爾的南坡。不管選擇從南坡還是從北坡攀登,最終都將到達同一個頂峰。這與當前自動駕駛的發展路徑有相似之處。雖然現在還很難判定端到端就是自動駕駛的最優解或最終解,但這並不妨礙企業創新探索。畢竟端到端能夠比傳統模塊化方式更好地處理極端案例,並且代表了一種減少人工編碼依賴的更高效的思路。基於這個路徑,或許自動駕駛能夠通往更高階段。 |