一句话定义：端到端自动驾驶（End-to-End Autonomous Driving）是指用一个神经网络直接吃传感器数据（摄像头、激光雷达等），吐出方向盘转角、油门、刹车这类控制指令，中间不再有"感知→预测→规划→控制"的人工模块划分和手写规则。
原理：从接力赛到老司机
传统的模块化方案像一场接力赛。感知模块先把画面翻译成一份人类看得懂的"报告"——"前方 30 米有行人，横向速度 1 米每秒"；预测模块接着写"他可能会横穿"；规划模块再写"建议减速"；控制模块最后执行。每一棒都要把信息写成显式结构，棒与棒之间必然丢细节，误差还会层层累积。
端到端则更像老司机：眼睛看到什么，手脚直接反应，中间那份"报告"根本不存在。模型在大量人类驾驶数据上做模仿学习（Imitation Learning），输入连续多帧图像或点云，输出未来的行驶轨迹或直接输出控制量。关键在于"可微"——损失函数直接定义在最终轨迹上，梯度能一路回传到最前面的视觉编码器，感知、预测、规划被揉进同一个联合优化目标里，网络自己决定中间该记住什么、忽略什么。
它和相邻概念的区别
容易混淆的是"纯视觉"：纯视觉说的是用不用激光雷达，端到端说的是架构里有没有中间模块。所以既有多传感器输入的端到端，也有纯视觉的模块化方案。端到端也不等于"没有规则"，多数落地方案仍保留安全兜底和硬约束，只是决策主干换成了网络。
| 维度 | 模块化方案 | 端到端方案 |
|---|---|---|
| 信息流 | 逐级传递，每级输出显式结果 | 传感器一步到控制指令 |
| 中间表示 | 人类可读（框、车道线、轨迹） | 网络内部隐式向量 |
| 优化目标 | 各模块各自优化 | 直接优化最终驾驶表现 |
| 可解释性 | 高，能逐级排查 | 低，出问题难定位 |
对从业者和普通人的意义
对从业者，工程重心从"写规则、调模块"转向"数据闭环、难例挖掘、评测体系"。因为网络不会告诉你它为什么这么开，你只能靠大规模回放和仿真把边界试出来，数据质量和标注效率成了核心竞争力。
对普通人，好处是驾驶风格更接近人类、更平滑，少见机械式的顿挫；代价是"为什么这么开"更难解释，事故定责更依赖行车数据记录。目前各家宣称的"端到端"口径并不统一，具体能力边界以官方页面为准。