点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 论文作者 | Zhiyu Zheng等 编辑 | 自动驾驶之心 想让车子自己开，传统方法得像搭积木：先"看"（感知），再"猜"（预测），最后"做决定"（规划）。这套流程环环相扣，一个环节出错，后面全跟着错， 既不高效，也不安全。 这样一来，学习目标就从 "轨迹是什么？" 变成了 "为什么要调整方向？" 。模型被迫去关注那些导致调整的真实原因，比如障碍物、交通规则等，而不是死 记硬背数据里的巧合。 我们还引入了 逐点残差归一化 ，确保模型不会因为要纠正遥远的、不确定的大偏差，而忽略了近处关键的小调整。 实验证明，这套方法非常有效。在 NAVSIM 基准测试中，ResAD取得了领先的成绩。这说明，通过引入"惯性参考"这个物理常识，并让模型专注于学习"为 何要改变"，我们让端到端自动驾驶的学习任务变得更简单、更安全、更可靠。 因果混淆 ：模型可能会"偷懒"，学一些表面功夫。比如它看到前车刹车灯亮就刹车，但根本不理解是因为路口变红灯了。结果可能跟着前车一起闯红 灯， ...

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 论文作者 | Zhiyu Zheng等 编辑 | 自动驾驶之心 想让车子自己开，传统方法得像搭积木：先"看"（感知），再"猜"（预测），最后"做决定"（规划）。这套流程环环相扣，一个环节出错，后面全跟着错， 既不高效，也不安全。 于是， 端到端自动驾驶 成了一条新路。它想让AI像老司机一样，直接把看到的（传感器数据）变成要走的路线（未来轨迹）。想法很美好，但现实很骨 感：现有的端到端模型，大多在死磕一个问题—— "未来的轨迹长啥样？" 为了解决这些问题，地平线、华科和武大的团队提出了 ResAD 框架。核心思想很简单： 不直接预测整条轨迹，而是先给一个"惯性参考线"——就是车子如 果不动方向盘会走的路线。然后，让模型只学习一个"调整量"（残差），即为了安全行驶，需要偏离这根参考线多少。 这样一来，学习目标就从 "轨迹是什么？" 变成了 "为什么要调整方向？" 。模型被迫去关注那些导致调整的真实原因，比如障碍物、交通规则等，而不是死 记硬背数据里的巧合。 我们 ...