本文來源：智車科技

自去年以來，業界不斷討論和提及“BEV+Transformer”這一概念，即鳥瞰視圖與基于自注意力機制的神經網絡架構。卷了半年時間，今年，“端到端”這一概念又迅速成為人們熱議的焦點。這兩個概念看似截然不同，實則在視覺路線建立的基于Transformer 的架構上有著共通之處，也共同印證了人工智能技術從深度學習向多模態大模型演進的趨勢。汽車領域始終處于自動駕駛技術革新的前沿。

BEV+Transformer：

鳥瞰視角下的感知革命

BEV+Transformer技術如同為自動駕駛汽車安裝了一雙“慧眼”，能夠清晰地“看到”周圍的環境和障礙物，并做出更加準確的判斷。

如果說端到端大模型是自動駕駛領域新晉的“頂流”，那么 BEV+Transformer 可以算得上是它的“前輩”。兩者都是在視覺路線建立了基于Transformer 的架構。ChatGPT，其中的“T”即代表了以 Transformer 為基礎的大模型。這種模型通過自注意力機制，能夠更好地處理和理解復雜的視覺信息，從而在自動駕駛領域發揮重要作用。BEV+Transformer 架構通過鳥瞰視圖，能夠提供更全面、更準確的環境感知能力，為自動駕駛系統提供更可靠的決策支持。因此，BEV+Transformer可以被視為自動駕駛領域的重要里程碑，為未來的發展奠定了堅實的基礎。

清華大學蘇州汽車研究院智能網聯中心技術總監孫輝先生指出，BEV算法將各類傳感器信息統一映射至世界坐標系中，實現了在不同類型傳感器數據的互補。此舉不僅推動了感知融合從后融合階段推進至前融合階段的轉變，也為端到端方案奠定了堅實的基礎。隨后，基于BEV算法發展起來的占據柵格（Occupancy Grid）算法，進一步增強了對動態與靜態障礙物的檢測能力，從而提升了自動駕駛汽車的安全避障功能。端到端自動駕駛方案是在BEV算法基礎上，通過神經網絡將軌跡預測、柵格地圖預測、行為規劃等環節疊加，用大數據監督學習取代了傳統復雜的人工規則設計，從而簡化了自動駕駛系統的開發流程，并提升了迭代效率。

BEV技術代表著繼深度學習之后，自動駕駛領域又一項重大技術突破。它有效地克服了多傳感器數據變化和異構性帶來的挑戰，促進了融合感知算法的發展。從理論基礎來看，BEV與傳統感知算法在輸入端并無二致，均采用多通道傳感器信息，但 BEV 的獨特之處在于它能夠直接生成適用于三維空間規劃和控制的輸出。BEV技術以二維數據為基礎，提供了一種俯瞰視角，與SLAM技術相得益彰，為自動駕駛技術的進步和實際應用開辟了新的道路。

端到端方案將 BEV 算法的優勢進一步放大，將軌跡預測、柵格地圖預測、行為規劃等環節疊加，通過神經網絡將感知、決策和控制過程整合，用大數據監督學習取代傳統的人工規則設計，從而簡化開發流程，提升迭代效率。更接近人類駕駛員的駕駛風格，更容易實現更自然的駕駛行為。

端到端：智能駕駛的主流趨勢

端到端技術如同為自動駕駛汽車打造了一個“大腦”，使其能夠像人類一樣，自主地學習和思考，并做出更加靈活的駕駛決策。

目前大多數L4級無人駕駛系統仍依賴于“算法+規則”的執行模式，通過地圖、攝像頭、激光雷達等多種傳感器和算法的冗余配置來確保安全。但這種模式在處理復雜多變的交通環境時顯得力不從心，難以解決所有長尾問題。因此，無人駕駛技術仍需不斷優化和完善，而“端到端”模型的出現或許將為這一領域帶來新的突破，加速技術成熟度的提升，從而解決當前存在的問題。“算法+規則”與端到端技術的融合將成為主流趨勢。

端到端，就像價格戰一樣，成為車企“內卷”的又一個方向。

在2023年下半年，各大汽車制造商紛紛采納以BEV和Transformer技術為核心的策略，致力于實施以“輕地圖、重感知”為特點的城市級自動駕駛導航系統（NOA）的落地計劃。然而，隨著2024年特斯拉FSD V12版本的推出，標志著端到端方案在實際應用中取得了突破。市場趨勢轉向了更為重視感知能力的端到端解決方案，這標志著智能駕駛技術發展的下一階段。

FSD Beta V12號稱是迄今為止首個完全由人工智能實現的端到端自動駕駛系統。該系統從識別道路、行人等概念到決策過程，均未涉及傳統編程，亦無程序員編寫任何代碼。整個過程完全依賴于神經網絡的自主思考。相較于V11版本的30萬行代碼，FSD Beta V12的C++代碼縮減至僅2000行。該系統通過向神經網絡提供視頻資料，使其不斷學習和優化參數，從而通過分析數十億幀人類駕駛的視頻資料，自學掌握了駕駛技能。

隨著新機遇的出現，國內企業積極擁抱變革，引領“端到端”自動駕駛技術的上車浪潮。

小鵬汽車于2024年5月20日宣布其“端到端”大模型由神經網絡XNet、規控大模型XPlaner及大語言模型XBrain三大核心部分構成，并宣稱“未來 10 年是智能駕駛的 10 年，完全自動駕駛和全無人駕駛時代即將到來，而率先實現端到端大模型上車的小鵬汽車，將于 2025 年在中國實現類 L4 級智駕體驗。”。據官方聲明，智能駕駛能力提升兩倍。從現有的架構升級至端到端后，傳感器輸入的數據能夠直接轉化為車輛的控制動作，端到端的訓練也從圖片升級至視頻。在系統層面，此舉能夠減少車輛在某些場景下的決策遲疑。

在2024年北京車展上，元戎啟行推出的新一代量產的高階智駕平臺DeepRoute IO，宣稱搭載了端到端模型，成為目前已知的行業內首個將端到端技術應用于高階智能駕駛汽車量產的公司。在導航地圖所覆蓋的區域內，DeepRoute IO平臺能夠實現對交通信號燈、施工區域、緩慢行駛或臨時停車等場景的及時、精確和穩定地識別，從而確保在城市環境中實現從一點到另一點的智能駕駛，在導航地圖覆蓋區域內，能夠實現安全、順暢的智能駕駛。

理想汽車董事長兼首席執行官李想在 2024 中國汽車重慶論壇上，提出了自動駕駛技術路線的新構想：“端到端”＋VLM（視覺語言模型）＋生成式驗證系統，確實是一套非常有前瞻性的技術架構，這一技術路線被視為未來物理世界機器人技術的核心框架。截至目前，理想汽車尚未公開發布具體的“端到端”自動駕駛技術細節。雖然理想汽車的自動駕駛系統（理想AD Max）具備一些功能，例如高速NOA、城市NOA、記憶泊車等，但其是否完全采用端到端技術，以及具體的技術細節，都尚未得到官方的明確確認。

未來展望

端到端作為一種技術路徑，能夠得到車企客戶和消費者的關注，其原因在于該技術能夠顯著提升用戶體驗。端到端技術能夠顯著增強系統的安全性，對于自動駕駛中那些難以用語言描述的復雜場景，端到端技術在實際應用中展現了出色的應對能力。此外，端到端系統使得駕駛行為更加貼近人類，更類似于人類駕駛員的風格，這有助于自動駕駛系統與用戶之間建立信任關系。

那些跑通端到端大模型的車企，無疑搶先站上了“風口”，但端到端真正量產還有很長的路要走。目前，數據稀缺是困擾高級別自動駕駛落地，尤其是影響端到端效果的重要課題。有專家分析認為國內自動駕駛公司的模塊化端到端方案上車量產時間可能會在2025年。

許多企業將主要目標定位于L2+級自動駕駛的商業化實施，暫緩了L4級自動駕駛的直接實現。今年伊始，多家汽車制造商開始了城市級導航輔助駕駛（NOA）的“速度競賽”，競相推廣以“極致性價比”為賣點的高級智能駕駛解決方案。

在這一進程中，無論是“端到端”的解決方案，還是基于BEV+Transformer模型的技術，都在為自動駕駛的發展提供支持；同時，日益豐富的車輛行駛數據也在不斷促進自動駕駛人工智能技術的日趨成熟。

免責聲明：

凡本公眾號注明“來源：XXX（非智車科技）”的作品，均轉載自其它媒體，轉載目的在于傳遞和分享更多信息，并不代表本平臺贊同其觀點和對其真實性負責，版權歸原作者所有，如有侵權請聯系我們刪除。

       原文標題 : 智駕行業BEV+Transformer到端到端“追熱詞”為奪技術終局優勢？