自动驾驶技术诞生到发展至今，已经有十多年了，随着技术的不断迭代，以及大模型技术的蓬勃发展，如今的自动驾驶仿佛进入了一个“百家争鸣”的时代。如果说早期的模块化设计像是手工打造的传统汽车，

理想最开始的VLM其实就是包含了2个模型，端到端和VLM，也就是所谓的快慢思考，端到端负责快思考，快决策，VLM负责慢思考，然后把结果反馈给端到端，由端到端来完成决策，而VLA就是一个模型思考和决策。现在大部分 VLA、VLM 的做法，是先有一个语言模型基座，然后在一些图像数据上训练一个插件，把视觉转成语言，再输入到语言模型里。到这，其实整体的架构已经就比较清楚了，端到端是自动驾驶真正由人工进入智

相比去年，博世可谓成果颇丰，大方向上博世跟上了前沿的脚步并开始打造自己的特色。从 Robustness 1.0 的自证其名，到 Robustness 2.0 的赋能系统，再到 Robustness 3.0 的开放世界征途，自动驾驶世界模型正处于爆发的前夜。与传统的端到端模型不同，DWM 不仅关注从传感器到控制的映射，更致力于构建对物理世界的内部表征，预测环境的未来演变。它不仅能“看到”图像中的内容

对于 il & rl mix + event reset，本质都是为了限制 rl 的探索，核心原因有 2 个：一个是缩小 rl的搜索空间，加速收敛；剩下就是 rl 的常规操作了，并行 N个 worker，随机选择一个 3dgs-env 进行 rolllout，把 transition 存在 buffer 里，结束后随机选择下一个3dgs-env。按照上面的逻辑，纵向有 2 个分别是“减速”和“加速

本文提出了。

通过对单目图像中的道路标识（实线、虚线、指示标识、停车线等）进行实例级建模并充分考虑其空间不确定性，高效构建大尺度范围内具备一致性的轻量级语义地图，并支持多地图融合和高精度的地图匹配定位。本开源项目主要基于本团队之前的工作[1]；在此基础上，本项目增强了。

在WAIC，复旦与上智院的答案是开放协作、科学家为中心，以及一个「合作伙伴」今年的世界人工智能大会（WAIC）可谓热闹非凡，据说有的展台甚至一度拥挤到工作人员都难以进入。在出圈的众多机器人和终端产品之外，另一个领域也值得我们关注：科学智能（AI for Science，AI4S）。在本届大会上，科学智能的战略地位被提到了新高度，作为十大核心方向之一，拥有专属论坛和多个交叉议题。

我们来看一下端到端自动驾驶算法的当前发展状况，并进行简要总结。首先，探讨端到端算法的研究背景。端到端算法框架是什么？它与传统算法有何区别？我们来看这个pipeline的第一行，这是传统自动驾驶算法的流程：先进行感知，然后预测，最后规划。每个模块的输入输出不同。感知模块的输入是图像或激光雷达数据，输出边界框作为预测模块的输入；预测模块 输出轨迹，再进行规划。这是传统算法的流程。端到端算法的输入是原始

轨迹预测是自动驾驶系统的关键组成部分，它连接了上游的感知模块和下游的规划模块。准确预测周围交通参与者未来的运动，需要对未知的意图进行推理，因为驾驶行为本质上具有不确定性和多模态特性。大多数现有的数据驱动运动预测模型采用模仿学习（imitative）方法，要么直接回归轨迹，要么基于训练数据集中的数据分布对终点进行分类。然而，这些方法通常对驾驶行为的考虑不足，限制了其可解释性和可靠性。

举个例子就是，如果想要教一个徒弟同时会拳脚功夫，但师傅一次又教不了，那就同时教两个徒弟，一个学打拳，一个学踢腿，然后让他们俩天天互相打，打着打着两个就都会拳脚功夫了。最终，这个多模态模型就完成了，不仅可以完成简单的文本转语音，还能实现更复杂的任务，比如让它写一首歌并唱出来，再加上配乐。然后要让模型很好地理解和生成声音，就需要利用模型的文本空间，将语音的语义尽量地映射回文本，当中需要大量的数据支持。