待验证50% 置信事实精确时间
研究者选择了一个单摄像头输入、直接输出规划路径的端到端路径规划模型作为实验对象，并在其内部激活上训练稀疏自编码器。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/2
首次发现
有效期至：2027/1/31
来源
涉及实体
相关事实
待验证端到端自动驾驶方案训练一个统一的大型神经网络，输入摄像头、激光雷达等原始感知数据，直接输出方向盘转角和油门刹车指令73% 相似待验证训练流程为先训练图像基线模型，用图像模型热启动八帧视频基线模型，最终生成 5.6 秒推理输出69% 相似待验证模型在训练中选定哪一种边界画法，很大程度上取决于初始化、优化路径等偶然因素。69% 相似待验证端到端学习方法绕过传统的感知-定位-规划-控制分层流水线，直接训练神经网络将原始传感器输入映射为底盘执行指令。68% 相似待验证该实验基于单摄像头简化模型，向多传感器、复杂城市场景的迁移仍需验证；SAE的训练成本与稳定性、特征在不同驾驶分布下的泛化能力，也是落地前需要回答的问题。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125336API
curl https://kongchang.com/api/v1/knowledge/claims/1125336MCP
get_claim(id=1125336)