1. Scale up 性能提升
2. Scale out 場景泛化

Waymo 這類方案是規則算法的代表，下限高，但也限制系統上限。

特斯拉 V12 這類端到端方案上限很高，但下限也低，機器模仿學習的結果不可解釋也不可控。

關於場景泛化的問題，也存在類似的問題，這裏説的輕地圖也包含如今説得比較多的「無圖」方案。

最後是地平線 SuperDrive 方案的思路：用世界模型實現 Scale out 的突破，再用端到端 + 包含部分規則策略的博弈驗證模型來做到足夠好的 Scale up，儘量兼顧高上限的同時也充分保證系統下限。

兩者的技術部分有點理解門檻，感興趣的朋友可以細看圖 7 和圖 8。

結果見圖 9：遮擋穩定性提升 70%，時延降低 75%，擁堵變道成功率提升 50%，路口通行效率提升 67%。

地平線還説了一個很重要的結果：這些提升的結果都是可泛化的。

#42how#

via 42號車庫的微博