端到端自動駕駛在復(fù)雜城市路況中的表現(xiàn)目前處于不斷發(fā)展和優(yōu)化的階段。

端到端自動駕駛具有一些優(yōu)勢。它能夠讓車輛的攝像頭像人眼一樣觀察環(huán)境并處理應(yīng)對，減少對高精地圖、V2X 等技術(shù)的依賴。其模型架構(gòu)類似于人類大腦，擁有自主學(xué)習(xí)、思考和分析的能力，只要用優(yōu)質(zhì)的海量脫敏數(shù)據(jù)加以訓(xùn)練，就能處理更多復(fù)雜路況。而且，端到端自動駕駛能把感知、規(guī)劃與控制三大模塊整合在一起，簡化系統(tǒng)架構(gòu)，提高運行效率，減少對激光雷達和高精地圖的依賴，降低成本。同時，它在信息傳遞、推理計算、模型迭代上更有優(yōu)勢，可以擁有更強大的通用障礙物理解能力、超視距導(dǎo)航能力、道路結(jié)構(gòu)理解能力，以及更擬人的路徑規(guī)劃能力。

然而，端到端自動駕駛在復(fù)雜城市路況中仍面臨諸多挑戰(zhàn)。首先是成本控制問題，作為新技術(shù)路徑，其大算力、大數(shù)據(jù)、大算法的高需求構(gòu)建了玩家的高門檻，訓(xùn)練成本高昂，算法架構(gòu)上平衡效率與成本是一大挑戰(zhàn)。其次，存在弱解釋性問題，面對國內(nèi)復(fù)雜的城市路況，安全性難以得到完全保障，需要設(shè)置額外的安全邊界做冗余。此外，獲取用于模型訓(xùn)練的高質(zhì)量海量數(shù)據(jù)存在困難，數(shù)據(jù)的采集、清洗、篩選都是難點。最后，實現(xiàn)大模型的標(biāo)準(zhǔn)化驗證也是個問題，直接實車驗證成本過高，基于數(shù)據(jù)回灌的開環(huán)測試與端到端智駕驗證的可交互性不匹配，基于模擬器實現(xiàn)模型的閉環(huán)測試驗證成為當(dāng)下可行路徑。

目前，包括比亞迪、小鵬、蔚來、理想、極越、華為、Momenta、商湯科技、元戎啟行、Nullmax 等企業(yè)都在積極探索端到端自動駕駛技術(shù)，并取得了一定的成果。

但總的來說，端到端自動駕駛?cè)蕴幱诎l(fā)展初期，技術(shù)路線尚未經(jīng)過市場的充分驗證，還需要行業(yè)各方共同努力，逐步克服這些挑戰(zhàn)，以實現(xiàn)更安全、高效的自動駕駛。