吴新宙博士聊「端到端」大模型，有几个有意思的观点：
过去规则化有三个限制：
1｜算法栈很深。
大部分算法栈都是由人类工程师想到的信号，比如车在哪、速度多少、加速度多少等最后做规划。
但人类设计的信号和特征会限制算法栈的上限，比如对行为过度量化，人类很灵活，但规则会过度量化人的行为，可能有上百种行为，但这时候车开的比较机械。
2｜缺乏通用性。
通用的限制上，为了训练感知模型我们发现一个 corner case 需要上百万的数据集去解决，在下游规控也是这样，需要有大量的工程和测试量。
3｜没有逻辑推理。
车在大部分都是小脑问题，不需要逻辑推理。自动驾驶算法栈对时间记忆、逻辑只有几秒的记忆能力。
现在的三个限制通过端到端、大模型都能非常有效解决。
让行为拟人。而通用化物理世界的理解远远超过自动驾驶本身的场景，可以提高上限。大模型上比如 transformer 时序和空间的关联能力已经有非常强的记忆时长，时序的逻辑能力也可以非常好的解决。
#新能源汽车##大v聊车#
