端到端自动驾驶：UniAD、VAD 的具身视角解读
文章目录
- 每日一句正能量
- 一、引言：当自动驾驶遇见具身智能
- 二、从模块化到端到端：范式演进
- 2.1 模块化时代（2016-2020）
- 2.2 端到端萌芽（2020-2022）
- 2.3 统一架构时代（2023-2024）
- 2.4 具身智能融合（2025-2026）
- 三、具身智能视角：两种范式的对比
- 3.1 传统模块化架构的"离身"问题
- 3.2 端到端架构的"具身"特征
- 四、UniAD：统一 Query 的端到端架构
- 4.1 架构总览
- 4.2 统一 Query 的具身意义
- 4.3 规划导向的设计哲学
- 五、VAD：全矢量化的场景表示
- 5.1 矢量化 vs 栅格化
- 5.2 矢量化的具身优势
- 六、从机器人控制看自动驾驶：范式映射
- 6.1 核心共性
- 6.2 关键差异
- 七、具身智能闭环：感知-认知-决策-执行
- 7.1 闭环的四个层级
- 7.2 闭环的关键：世界模型
- 八、实战：UniAD 推理流程与代码解析
- 8.1 环境配置
- 8.2 核心推理代码
- 8.3 训练策略
- 8.4 VAD 的差异实现
- 九、性能对比与实验分析
- 9.1 开环评估（Open-Loop）
- 9.2 闭环评估（Closed-Loop）
- 十、总结与展望
- 10.1 具身智能视角的核心洞察
- 10.2 未来方向
每日一句正能量
与其耗尽心力去改变既定的事实，不如看清眼前的路，把能做的事情做好。
接受无法改变的事实（接纳），然后转向行动焦点——当前条件下能做什么。与事实对抗如同推墙，徒劳无功；看清路然后迈步，才能往前走。
一、引言：当自动驾驶遇见具身智能
具身智能（Embodied Intelligence）的核心理念是：智能诞生于身体与环境的交互之中。一个具身智能体通过传感器感知环境，通过执行器作用于环境，并在感知-行动的闭环中不断优化行为策略。这一范式不仅适用于人形机器人、四足机器人，同样深刻适用于自动驾驶汽车——它本质上就是一个在结构化道路环境中行驶的具身智能体。
传统自动驾驶系统采用模块化流水线架构：感知、预测、规划、控制各自独立开发、独立优化。这种架构虽然在工程上易于分工，但存在信息瓶颈、误差累积、全局次优等根本性问题。2023 年，UniAD（CVPR Best Paper）和VAD（ICCV）的提出，标志着端到端自动驾驶从"黑盒模仿学习"走向了"结构化统一架构"的新阶段。
本文将从具身智能的视角，重新解读 UniAD 和 VAD 的设计哲学，揭示它们与机