Skip to content

auto_e2e ​

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

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。

  • 具身模型
其他研究79.9 M更新于 7 天前

概述

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。

资料出处 Hugging Face AutowareFoundation/auto_e2e

关键参数与架构规格

参数量、网络主干、控制频率、显存需求及 Hugging Face Hub 统计。

参数量
79.9 M
闭环控制频率
10Hz
Hub 下载量
448
出处Hugging Face
Hub 点赞
5
出处Hugging Face
网络架构
LeRobot / PyTorch Policy Network
动作空间表示
连续关节位置/末端位姿动作空间
支持数据格式
SafeTensors

暂未公开或待收录:微调显存需求

快速部署与许可说明

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

权重下载与策略推理参考

# 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

关联机型

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。

同家族模型

同一家族里的热门模型。

来源

本页事实对应的公开页面,以原文为准。

  1. Hugging Face AutowareFoundation/auto_e2e访问 2026-10-26