# auto_e2e

> 权威词条地址：https://robotics.hellobike.com/models/autowarefoundation-auto-e2e
> 所属分类：models | 最近核验日期：2026-10-21 | 技术层级：L7

## 核心摘要

AutowareFoundation 在 Hugging Face 发布的机器人模型，基于 pytorch，训练数据包含 KIT-MRT/KITScenes-Multimodal。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/AutowareFoundation/auto_e2e"}] |
| `updated` | 2026-10-21 |
| `family` | other |
| `params` | 79.9 M |
| `architecture` | LeRobot / PyTorch Policy Network |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | other |
| `weights_license` | other |
| `data_formats` | ["SafeTensors"] |
| `pretraining_data` | ["KIT-MRT/KITScenes-Multimodal"] |
| `control_hz` | 10 |
| `status` | research |
| `hub_id` | AutowareFoundation/auto_e2e |
| `hub_stats` | {"downloads": 448, "likes": 5, "as_of": "2026-10-26"} |
| `overview_sources` | ["https://huggingface.co/AutowareFoundation/auto_e2e"] |

## 技术详解与生态说明

AutoE2E v1.0 是 Autoware Foundation 发布的开源端到端自动驾驶模型，面向高速、干线道路和城市街道的相机优先驾驶，不依赖 HD map。一个网络将环视相机图像与自车运动历史转换为未来行驶轨迹；输出也可与 LiDAR、radar 等物理传感器融合用于 robotaxi，基线相机模型可用于 L2++ ADAS 点到点免手导航。仓库包含两个轨迹规划 checkpoint、评估报告和 KITScenes 验证分片。

架构设计为 Reactive、World Action Model 和 Reasoning 三个协作模型；v1.0 checkpoint 只包含实际驾驶用的 Reactive model，后两支在权重中禁用且仍在开发。Reactive model 以 10 Hz 规划，使用 6 路环视相机、相机历史、可选语义地图与路线栅格、自车运动历史，采用 ResNet-50、BEVFormer V2、deformable cross-attention 和确定性 GRU planner，输出 6.4 秒轨迹。

发布的 checkpoint 包括在 nuPlan v1.1 train sensor logs 上训练的 `models/nuplan-epoch-5`，以及在 KITScenes-Multimodal train 上微调的 `models/kitscenes-epoch-5`。模型在 KITScenes-Multimodal validation/test 等开环协议上报告 ADE/FDE；test split 中使用相机和自车运动、无地图和路线输入。checkpoint 是 PyTorch training checkpoint。

## 原始核验来源 (Sources)

- [Hugging Face AutowareFoundation/auto_e2e](https://huggingface.co/AutowareFoundation/auto_e2e)