SSAD 2026：端到端自动驾驶泛化与问责遭集中质疑

在 SSAD 2026 夏季学校/研讨会上，研究者 abursuc 发表并转述了一组针对自动驾驶与具身智能技术路线的系统性悲观观察，核心指向端到端方案的泛化能力与可问责性两大短板。

已确认

• 公开数据集不足以支撑训练，数据缺乏多样性时 scaling 受限；仅靠摄像头数据不足，事故难以避免
• 开环（open loop）评测无法泛化到真实场景
• 扩散模型在点云合成数据上最多只带来几个百分点的提升；新视角合成在公开数据集上也不泛化
• 视觉-语言-动作模型（VLA）对新相机不具备泛化能力；其思维链（chain of thought）解释并不反映动作背后的真实内部原因，被指只是事后合理化
• 端到端自动驾驶存在可问责性缺失：荷兰当局批准特斯拉 FSD 时，外界不清楚提交了哪些信息
• 端到端方法的规划验证被认为需要上亿公里级别的行驶里程
• 端到端方案目前仍需要人工看护

为什么重要

• 这些判断集中质疑了当前以端到端和数据 scaling 为主的自动驾驶技术叙事，提示评测方式（开环）、数据来源（公开数据集）与安全问责机制均存在结构性缺口
• VLA 思维链与真实内部动机脱节的观察，对具身智能领域依赖模型自述解释的做法敲响警钟
• 发言者同时承认乐观面：可解释性方法出现、scaling law 鼓舞人心、AD 在欧洲及全球加速铺开——这组批评因此是对过热预期的修正而非全面否定

2026-09-18 ~ 2026-09-18 · 6 条相关

• 会议观点：数据不够多样时摄像头路线的 scaling 会受限 — abursuc · 2026-09-18
• 【源头】SSAD 2026 演讲:公开数据集不足,端到端自动驾驶泛化受质疑 — abursuc · 2026-09-18
• SSAD 2026 与会者：扩散模型与公开数据集均难泛化 — abursuc · 2026-09-18
• 【源头】SSAD 2026 观察：VLA 换相机即失效，思维链与真实动机脱节 — abursuc · 2026-09-18
• 【源头】研究者批 VLA 无法泛化:端到端自动驾驶规划验证需上亿公里 — abursuc · 2026-09-18
• CV 学者发问：计算机视觉解决了吗？端到端问责成盲区 — abursuc · 2026-09-18