知识点 › 范式与价值
端到端与数据闭环
End-to-End & Data Loop
定义
端到端（感知到轨迹输出一体化）把「模块间接口」换成「数据里的隐式监督」，因此对数据的要求从「标注框」变成「驾驶行为/轨迹/语言解释」，数据闭环的重心从标注转向「高质量驾驶片段 + 困难样本」。
关键要点
- 监督信号变化：2D/3D 框 → 轨迹、速度、意图、自然语言理由
- 评测难点：端到端不可解释，必须靠闭环仿真与影子对比，开环指标会骗人
- 数据闭环成为端到端路线的真正护城河（模型架构会趋同，数据管道不会）
面试怎么答
讲清「端到端不是不要标注，而是换了标注对象」，再讲评测怎么兜底。
相关知识
- 端到端模型 — 从传感器输入直接输出轨迹/控制，中间不显式建模检测与预测（UniAD、VAD、DriveGPT 类）。优势：减少信息损…
- 数据驱动 vs 规则驱动 — 规则驱动靠工程师枚举 if-else 与几何逻辑，可解释、可验证，但无法覆盖组合爆炸；数据驱动靠模型从数据中拟合分布，…