自2023年8月，特斯拉在美國推出端到端智駕系統(tǒng)「FSD V12測試版」后，端到端就成為了汽車行業(yè)最火爆的話題。隨著華為、小鵬、蔚來、理想等企業(yè)的跟進，國內(nèi)幾乎每個廠商都會在發(fā)布會上花費很大的篇幅來宣傳自家的端到端有多么強大。撇開營銷手段不談，“端到端”到底是什么意思？它對于智駕又有什么意義呢？今天我們就來給大家解讀這個問題！
在端到端智能駕駛系統(tǒng)還未量產(chǎn)之前，各家的智駕都采用了模塊式方案。簡單來說，模塊式智駕就是一個流水線，主要有感知、預(yù)測、規(guī)劃、控制四個流程。首先，感知部分的任務(wù)就是把車輛的雷達、攝像頭等傳感器的數(shù)據(jù)進行處理，然后分析車輛周圍物體的具體位置、道路軌跡，以及辨別它們到底是行人、自行車、轎車、還是卡車等。
緊接著，感知模塊就會把以上的信息傳給預(yù)測模塊，預(yù)測模塊會根據(jù)以上的信息分析周邊交通參與者下一步的運動狀態(tài)，比如周圍的車輛接下來是要轉(zhuǎn)彎、直行、還是停車等。通過進一步分析后，預(yù)測模塊會提供一條或者多條本車接下來可參考的行駛路徑以及車速。
隨后預(yù)測模塊又把本車的道路行駛方案發(fā)給規(guī)劃模塊，規(guī)劃模塊會根據(jù)車輛自身狀態(tài)、導航等信息來決定車輛接下來該具體怎么做。等到規(guī)劃模塊確認好行駛路徑和速度后，就將命令傳遞給控制模塊，最后再由控制模塊去計算和操作車輛的方向盤、剎車以及油門。一個看似簡單的智駕功能，就是通過以上步驟實現(xiàn)的。
通過以上介紹不難看出，模塊式智駕把簡單的駕駛行為分解為多個步驟，而且每一步的邏輯都嚴絲合縫。在車企和供應(yīng)商看來，模塊式智駕本身是個非常好的方案，因為不同的團隊可以負責相應(yīng)的模塊，發(fā)揮分工合作的優(yōu)勢，從而把智駕從概念迅速變?yōu)檠b車量產(chǎn)狀態(tài)。
其次，模塊式智駕有一套職能和責任都非常清晰的系統(tǒng)框架，因此當智駕系統(tǒng)在使用中發(fā)現(xiàn)BUG的時候，車企和供應(yīng)商都能立即找到BUG的具體原因，并通過OTA迅速修復(fù)。比如車輛在高速行駛時出現(xiàn)了誤剎車，那么通過數(shù)據(jù)分析，車企就可以知道故障是因為感知模塊的數(shù)據(jù)有誤，還是預(yù)測、規(guī)劃模塊給出了錯誤的判斷。
雖然模塊式智駕便于量產(chǎn)和修復(fù)BUG，但是要想讓它能像人一樣控制車輛，就需要學習諸多的交通規(guī)則和駕駛經(jīng)驗，而這一切都要靠工程師們事先去定義規(guī)則，也就是把交通規(guī)則和人的駕駛經(jīng)驗變成一行行軟件代碼。
但是光靠工程師寫代碼就能把現(xiàn)實中所有的駕駛場景都覆蓋嗎？當然是不可能的！關(guān)于這個問題，業(yè)內(nèi)就有一個經(jīng)典的案例，如果你在兩側(cè)停滿車的狹窄道路駕駛車輛，此時道路一側(cè)突然飄來一個氣球，那么一般的邏輯會認為，道路一側(cè)可能會有小孩躥出來，所以此時車輛應(yīng)該立即剎車。但同樣的場景放在高速上，如果智駕系統(tǒng)仍舊采取立即剎車的方式控制車輛，那很可能演變?yōu)橐粓鲎肺彩鹿?。換言之，工程師如果沒有針對這類駕駛場景事先定義好規(guī)則，比如高速檢測到氣球后系統(tǒng)不剎車，那么智駕系統(tǒng)遇到類似場景就會產(chǎn)生安全風險。
按照小鵬汽車的說法，一個比較穩(wěn)定的量產(chǎn)智駕系統(tǒng)，大約有10萬條規(guī)則。而如果智駕系統(tǒng)要接近人一樣的水平，大約需要人工編寫10億條規(guī)則。對于軟件工程開發(fā)來說，這幾乎是一件不可能完成的事情。正因如此，我們可以看到傳統(tǒng)智駕系統(tǒng)在日常使用中或多或少會出現(xiàn)各種錯誤，以至于駕駛者不得不進行干預(yù)。
基于以上原因，專注于自動駕駛的車企一直在想辦法解決傳統(tǒng)智駕需要預(yù)設(shè)規(guī)則的問題，于是便有了端到端。所謂的端到端，其實就是將傳統(tǒng)的感知-預(yù)測-規(guī)劃-控制這些子模塊全部神經(jīng)網(wǎng)絡(luò)化，也就是用先進的算法模型取代了傳統(tǒng)的算法和人工編寫的規(guī)則。
因此在工作流程上，端到端與傳統(tǒng)的模塊式有著較大的不同。傳統(tǒng)模塊式的工作順序是感知-預(yù)測-規(guī)劃-控制依次進行的，而端到端的順序是傳感器數(shù)據(jù)（雷達、攝像頭）-神經(jīng)網(wǎng)絡(luò)-駕駛參數(shù)（方向盤、油門、剎車），也就是說，傳統(tǒng)的感知、預(yù)測、規(guī)劃、以及控制模塊的工作全部由神經(jīng)網(wǎng)絡(luò)完成。
從工作流程可以看到，端到端中的核心技術(shù)就是神經(jīng)網(wǎng)絡(luò)，而與神經(jīng)網(wǎng)絡(luò)最息息相關(guān)的技術(shù)就是AI了。這兩年，AI在語音、文字、圖片、以及視頻領(lǐng)域表現(xiàn)出了強大的性能，大家應(yīng)該也體會到了。當神經(jīng)網(wǎng)絡(luò)應(yīng)用到汽車上之后，就意味著人們可以不斷地訓練智駕系統(tǒng)，從而使它學習適應(yīng)更復(fù)雜的駕駛環(huán)境。
因此在功能層面，端到端最大的變化就是系統(tǒng)具有自主學習的能力，這是傳統(tǒng)模塊式智駕不具備的功能。如此一來，在處理各種意想不到的真實駕駛場景時，端到端可以通過神經(jīng)網(wǎng)絡(luò)計算得出合適的規(guī)則，而不需要人工事先編寫好規(guī)則，這也就為智駕應(yīng)對現(xiàn)實中無窮無盡的駕駛場景提供了解決方案。比如之前不具備端到端功能的特斯拉FSD V11版本，一共編寫了30多萬行代碼，而采用端到端的FSD V12版本，直接把30多萬行代碼刪減到了2000行，但FSD V12的表現(xiàn)卻比V11更接近人類駕駛員。
從理論上看，端到端確實是一個非常理想的技術(shù)，但是在實際操作中，端到端也沒有那么可靠。這是因為現(xiàn)階段人們對神經(jīng)網(wǎng)絡(luò)的理解依舊不夠清晰透徹，因此人們也把神經(jīng)網(wǎng)絡(luò)稱為“黑盒”。如上圖所示，在白盒狀態(tài)下我們非常清楚系統(tǒng)輸入/輸出之間的邏輯因果關(guān)系，但輸入信息經(jīng)過黑盒時，人們無法解釋輸入的信息為什么會變成輸出的信息。
比如當智駕系統(tǒng)出現(xiàn)明顯的邏輯錯誤時，在模塊式系統(tǒng)上車企可以非常迅速找到問題出在哪個模塊，然后人工編寫一個新的規(guī)則。但在端到端系統(tǒng)上，車企并不知道復(fù)雜的神經(jīng)網(wǎng)絡(luò)中哪一個參數(shù)或者結(jié)構(gòu)存在問題。
正因如此，基于神經(jīng)網(wǎng)絡(luò)打造的端到端智駕系統(tǒng)，有時候它能在很復(fù)雜的場景中給出合理的規(guī)則，但有時又會犯十分低級的錯誤，比如分不清紅綠燈，于是有人就把端到端形容為：“上限很高，下限很低”。考慮到端到端在實際應(yīng)用中存在一些風險，所以華為、小鵬推出的端到端智駕系統(tǒng)并非完全靠自主學習，二者的端到端系統(tǒng)依然有很多人工編寫的規(guī)則來為智駕系統(tǒng)兜底。
從技術(shù)發(fā)展趨勢來看，端到端肯定是未來高階智駕的方向，但由于人們對于神經(jīng)網(wǎng)絡(luò)的了解還不夠透徹，所以現(xiàn)階段各家端到端的表現(xiàn)依舊與理想中的水平有一定差距。另外，相比現(xiàn)有的模塊式智駕系統(tǒng)，端到端的神經(jīng)網(wǎng)絡(luò)算法模型的聰明與否，極度依賴海量的真實數(shù)據(jù)來訓練，只有經(jīng)過海量數(shù)據(jù)訓練，神經(jīng)網(wǎng)絡(luò)才能從小模型變成好用的大模型，這意味著高階智駕在開發(fā)階段需要巨大的算力和數(shù)據(jù)投入，因此無形中提高了智駕的門檻。正因如此，才會有車主反饋自己的車升級端到端智駕后，反而不如過去好用了，這就是大模型訓練的陣痛期。考慮到現(xiàn)實中各家的端到端在訓練上存在較大的差異，這意味著將來不同品牌智駕系統(tǒng)的性能差距可能會逐漸被拉大。