外观
auto_e2e
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。
模型AutowareFoundationauto_e2e
模型档案汇总架构、许可、适配机型与资料来源
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。
这个模型的核心架构、动作空间设计与真机部署定位。
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。
参数量、网络主干、控制频率、显存需求及 Hugging Face Hub 统计。
暂未公开或待收录:微调显存需求
开源许可证、权重拉取命令、预训练数据集与关联文章。
代码许可证
other
权重许可证
other
# 1. 从 Hugging Face Hub 下载模型权重与配置
huggingface-cli download AutowareFoundation/auto_e2e --local-dir ./checkpoints/autowarefoundation-auto-e2e
# 2. 使用 LeRobot / Transformers 加载策略开展真机或仿真闭环推理
python -m lerobot.scripts.eval --policy.path=AutowareFoundation/auto_e2e预训练与微调基准数据集:KIT-MRT/KITScenes-Multimodal
模型卡或论文声明在这些机器人上训练、微调或部署过;口径是作者声明,不是第三方复现。
没有已核实的适配记录。
同一家族里的热门模型。
本页事实对应的公开页面,以原文为准。