端到端自动驾驶，号称 “最优解”，却被难题疯狂打脸？

从传统的自动驾驶算法方案，到以端到端技术构建的智能驾驶算法，这一转变并非一蹴而就。传统的多模块智驾算法在处理复杂高阶智驾场景时，面临着诸多瓶颈。比如开城速度与体验不佳，遇到陌生情况时的顿挫感明显，泛化性不足，拓展新城市效率低。而且，智驾系统运行时对高精地图的依赖，以及算法训练中人工规控和训练的干预，都增加了车企成本。

此时，一篇提出感知决策一体化端到端自动驾驶通用大模型的论文为行业带来了新方向。特斯拉率先将端到端技术应用于车辆，其效果令人瞩目，随后“蔚小理”等车企纷纷跟进。但端到端技术并非完美无缺，存在着诸多“冰山问题”。

训练端到端智能驾驶，算力、算法和数据缺一不可。获取海量且高质量的数据是一大挑战，同时端到端模型对算力的需求也越来越高。而且，由于端到端模型缺少模块间可表达的中间结果，导致算法的可解释性、测试方法、车载芯片算力以及企业组织投入分配等方面存在诸多问题。

尽管如此，端到端技术在当下仍是智能驾驶行业的最优解。未来，随着技术的不断探索，或许会有更完善的算法和技术出现。

同时，BEV 图像处理在自动驾驶系统中也发挥着重要作用。它能实现环境状态的可靠感知，通过对车载摄像机图像、激光点云、毫米波雷达点云的处理，获得校正后的 360 度鸟瞰图 BEV 图像。