最近着重看了一些端到端的自动驾驶方案，有一些想法
特点：
1.表现好，Carla leaderboard榜首几乎都是E2E，比如TCP，Transfuser, LAV
2.逐渐偏重模块化的精细设计，并且中间量可以decode来可视化用以增强可解释性
3.很多用GRU生成/refine轨迹，考虑waypoints序列的联系
问题：
1.涉及到的内容太多，包括感知方法、特征融合、网络可解释性等等，尤其很多方法以感知为偏重，自己没有基础很难在硕士的周期内做出来。
2.训练数据用什么？要么自然驾驶数据，要么expert policy生成。但这两种方法我认为都有问题。
3.感觉只是一套表现更好的新的体系，但不是面向关键问题的突破，比如分布偏移问题、不确定性建模等等。
4.由于没有明确的建模，处理与障碍物的交互的能力有待考察，比如无保护左转【但是不是本身交互就难以建模？这个是不是可以考虑进一步研究？】
5.总是觉得缺乏兜底的安全保障，没有显式的避碰算法【这似乎不是重点，只是一个感觉】
想法：
觉得确实有前景，但是难做。做这方面的考虑往后放一放。 还是先单纯做决策。
今天看了CVPR2022自动驾驶workshop的讲座录像，确实好几个在做E2E而且夸作AV2.0，听着很玄。另外似乎会上simulation更受到关注，但我不太想做仿真环境构建，但sim2real是不是一个值得做的方向？
标签：建模,想法,解释性,自动,驾驶,0217,end2end From： https://www.cnblogs.com/Zer0-Chambers/p/17131327.html