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 如果说现在自驾行业哪个职位最受欢迎，一定是端到端。 地平线HSD的成功，让业内开始重新审视一段式端到端的重要性。 智能驾驶不再重度依赖模块化感知和强规则兜底，而是直接感知环境，并生成动作序列。端到端 的能力极大地降低了系统复杂度，使自动驾驶车辆能够应对更加复杂的驾驶场景。 然而，在实际的落地应用中。只靠模仿学习是不够的，系统仍然面临轨迹不稳定等问题。其核心原因在于模型缺乏基于环境反馈的持续修正能力。 强化学习为端到端带来了新的解决思路。RL并不是一门新的学科，但RL的优势为端到端提供了从"模仿"走向"优化"的关键机制。通过引入奖励或价值信号，RL可 以在保持端到端能力的同时，对动作策略进行闭环优化，弥补模仿学习在分布外状态和误差累积上的不足。 纯模仿学习的端到端，本质是在"复制数据分布"。RL提供的是闭环优化能力：用环境反馈修正动作，用value/reward信号约束轨迹行为。 目前工业界头部的公司已经形成了一套完整的模型迭代思路， 模仿学习训练→闭环强化学习→规则兜底（时空联合规划） ，此外还是涉及导航信息 ...