UniAD还有bev、occ、track、planner这些，本质上和v11同一代，不过做到了端到端训练，还是很了不起的。

v12的端到端目前已经抛弃了bev、occ、plannar这些，已经没有车辆、车道目标之类的概念了。只有一个大网络，去年其老大说，给网络看任意无标注数据，网络可以自己总结共性，如车道线，红绿灯等，具体细节估计等今年aiday才知道了。

不得不说，新的架构让人很振奋，以后智能辅助驾驶的迭代就是加入新场景数据，训练，然后将模型下发到车辆部署即可。以后就是比拼数据和算力了，数据场景越丰富，安全性、体验越好，算力越高，模型迭代越快。

从冗余来说，激光雷达在新一代架构下终于有了用武之地的可能，但怎么挖掘这些场景很关键，影子模式还是以人类驾驶为准的，找到这些数据将很有挑战。
【 在 whistlingMe 的大作中提到: 】
: CVPR基本上可以说是人工智能世界第一会，今年的最佳论文是上海AILab的自动驾驶方向《UniAD Planning-oriented Autonomous Driving》含金量不必多说，特斯拉也往这个会投很多论文哦。
: 这论文就是做了个端到端的自动驾驶方案，从各种传感器输入信号到系统，不用人工的规则，直接输出驾驶指令，效果远超过之前传统人工编码组合的系统。当然端到端这个方案一直都有，问题是之前效果就是不好，UniAD超越了，所以被奖励，其中怎么做的技术细节就不说了。
: 这事其实和ChatGPT也有些联系，因为ChatGPT几乎给全世界做人工智能的研究人员洗了脑：Bigger is Better（当然真正的研究员在21年GPT3就被震撼了），越大就是越好，效果不好就是因为模型还不够大，算力还不够多，看今年有多少做自动规划的论文中引用了大模型和这个理念就知道了。
: ...................
--
FROM 114.254.1.*