一个端到端模型，在离线测试集上的指标可能很好，但真正装上车之后，却会暴露出一些训练阶段没有出现的问题。
端到端模型为什么在训练时没问题，上路就出问题？
今天就带大家来展开聊聊这个话题。
01
为什么训练正常
上路却会出问题？
训练阶段，模型会从大量历史驾驶数据中学习输入与驾驶行为之间的关系。
给模型大量包含摄像头、车辆状态、导航等信息的样本，它就可以学习输入与驾驶行为之间的映射。
在验证阶段，再用另一批未参与训练的数据，检验模型能否保持同样的表现。
图片源自：网络
这种测试虽然重要，但它仍然属于一种相对典型的离线、开环评估。模型的预测不会反过来改变已经记录好的下一时刻数据。
当模型参与车辆的闭环决策后，无论它输出的是驾驶意图、轨迹还是其他中间结果，最终都会通过车辆执行影响车辆后续的速度、位置和状态。
下一次模型接收到的输入，也就可能与原始数据中的下一帧不同。
这两种测试方式有很大的区别。
离线测试是在问模型这个场景应该怎么处理；真实驾驶则是在观察模型连续做出决策之后，车辆最终会进入什么状态。
如模型在某个路口稍微偏离了理想行驶轨迹。这个偏差本身可能并不严重，但车辆位置发生变化后，下一时刻看到的车道线、周围车辆和道路空间关系也会发生变化。
如果模型在这个新状态下又产生了一点偏差，误差就可能继续积累。
因此，单个时刻或者单段数据上的预测表现良好，并不自动等于长时间连续驾驶的稳定。
这也是为什么自动驾驶研发越来越重视闭环测试，即让模型的决策参与车辆状态和环境的后续演化，再观察连续决策之后的结果，而不是只比较模型和既定数据中的参考答案。
02
模型可能进入没见过的状态
端到端模型经常会面对分布偏移的问题。
训练数据记录的是过去发生过的驾驶行为，而模型上路之后产生的行为未必与数据中的驾驶行为完全一致。
假设训练数据中的车辆大多数情况下都处于车道内较为常见的位置，模型学习的也是在这些状态下应该如何驾驶。
当模型自己驾驶时，如果因为一次判断让车辆稍微偏离了正常轨迹，它接下来看到的输入就可能与训练数据中的典型状态不同。
这时候，模型面对的并不是单纯的没见过某辆车，而是没见过这样的车辆位置、道路关系和交通状态组合。
这也是端到端系统比较特殊的地方。
图片源自：网络
传统模块化系统可以将问题拆成感知、预测、规划等多个环节，出现问题时，更容易按照不同模块划分可能的问题来源。
端到端模型则把更多能力放进统一的学习系统中，很多问题最终会直接表现为模型输出行为异常。
此外，真实驾驶中的分布偏移并不只来自道路本身。
天气、光照、道路施工、交通参与者行为、车辆状态以及不同地区的驾驶习惯，都可能让真实数据与训练数据存在差异。
所以，训练集覆盖得足够多并不意味着所有问题都会消失。
因为现实道路并不是一个有限的场景库，而是不同环境、不同参与者和不同车辆行为持续组合形成的复杂系统。
03
为什么罕见场景更容易暴露问题？
像是正常跟车、常规路口通行、普通车辆变道等场景，更容易在实际采集数据中获得大量样本。
但一些真正决定系统上限的长尾场景，却非常少见。
例如施工区域突然改变道路边界、车辆做出异常动作、道路标线与实际通行关系不一致，或者多个低概率因素同时出现的场景很难采集。
这些场景并不一定在训练数据里完全不存在，而是可能缺少足够多的变化形式。
这就产生了一个问题，那就是模型可能学会了训练数据中常见场景的处理方式，却没有充分学会在状态发生偏移之后如何稳定应对。
图片源自：网络
因此，端到端模型的数据闭环并不是简单地不断增加总里程，而是需要不断找到模型真正容易犯错的场景，再把这些场景重新加入训练、验证和测试体系。
这也是为什么自动驾驶研发越来越强调长尾场景和困难样本挖掘。
为此仿真技术在自动驾驶大模型训练中的价值也越来越高。
仿真不仅仅是让大模型多跑了一些虚拟里程，而是能够主动改变天气、交通参与者行为、道路条件等变量，构造真实道路中很难大量采集的场景，并进一步进行闭环测试。
04
为什么训练没问题
不等于上路没问题？
训练和离线验证更关注的是模型面对已经存在的数据，能不能给出合理的结果。
而真实道路更关注的是模型连续做出一系列决策之后，能不能始终将车辆保持在安全、可控的状态。
这两者之间存在一条很重要的链条，即模型输出→ 车状态变化→新的环境输入→再次决策→误差可能累积。
只要其中某一步出现偏差，车辆进入训练数据较少覆盖的状态，后续问题就可能进一步放大。
因此，端到端模型真正需要解决的，并不是简单将训练集准确率做得更高，而是要逐渐缩小离线数据分布与真实闭环驾驶分布之间的差距。
图片源自：网络
这也是为什么今天的端到端自动驾驶研发，并不会在模型训练完成后就结束。真实道路数据、困难场景挖掘、仿真、闭环测试以及后续训练之间，还需要形成持续的数据闭环。
所以，训练时没问题，上路就出问题并不是端到端模型特有的简单缺陷，而是学习型驾驶系统从离线数据走向真实闭环时必须面对的问题。
真正成熟的端到端系统，是要不断发现模型在哪些状态下容易失效，再通过数据、训练和闭环验证，让更多原本容易失效的状态进入系统的训练、验证和测试覆盖范围。
端到端真正难的，从来不只是把模型训练好，而是让模型在真实世界里，持续做对决定。