# Jazda end-to-end EN: **End-to-end autonomous driving** · id `e2edriving` · aliases: end-to-end driving, E2E autonomous driving, sensor-to-plan driving, jazda od czujników do planu Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Autonomiczna jazda](https://aiatlasgraph.com/t/autodriving.md) › Jazda end-to-end ## Description - PL: Podejście, w którym percepcja, predykcja i planowanie tworzą jedną sieć uczoną wspólnie, od danych z czujników do trajektorii. - EN: An approach where perception, prediction and planning form one network trained jointly, from sensor data to trajectory. ## In one sentence - PL: Jedna duża sieć, która od obrazu z kamer od razu przechodzi do decyzji, jak jechać, zamiast wielu osobnych programów. - EN: One large network that goes straight from camera images to the decision of how to drive, instead of many separate programs. ## Problem it solves - PL: W łańcuchu osobnych modułów błąd jednego przechodzi dalej i narasta, a każdy moduł jest ulepszany osobno, nie dla wspólnego celu. - EN: In a chain of separate modules one module's error passes on and grows, and each is improved on its own, not for the shared goal. ## What it does - PL: Jak sportowiec, którego wzrok i ruchy trenuje się razem, a nie osobno: całość jest dostrajana pod jeden wynik, czyli dobrą jazdę. - EN: Like an athlete whose eyes and movements are trained together rather than apart, the whole thing is tuned for one result: good driving. ## Everyday example - PL: Auto testowe przejeżdża przez miasto, a jedna sieć prowadzi je od kamer aż po kierownicę, pokazując po drodze, co wykryła. - EN: A test car crosses the city while one network drives it from cameras to steering, showing along the way what it detected. ## This concerns you if you… - PL: śledzisz, dokąd zmierzają auta autonomiczne - PL: interesuje cię uczenie całych systemów naraz - PL: pracujesz z dużymi zbiorami nagrań wideo - EN: follow where self-driving cars are heading - EN: are interested in training whole systems at once - EN: work with large video collections ## Keywords UniAD · VAD · TransFuser · SparseDrive · DiffusionDrive · NAVSIM · CARLA Leaderboard · Bench2Drive · causal confusion ## How it works - PL: Wspólny szkielet, zwykle z reprezentacją BEV, zasila kolejne zadania i końcowy planer, a całość optymalizuje się pod jakość planu. Uczenie łączy naśladowanie ludzkich trajektorii z zadaniami pomocniczymi; coraz częściej trzonem jest multimodalny model bazowy. - EN: A shared backbone, usually with a BEV representation, feeds intermediate tasks and the final planner, and the whole is optimised for plan quality. Training combines imitating human trajectories with auxiliary tasks; increasingly a multimodal foundation model forms the core. ## Limits - PL: Trudno sprawdzić, dlaczego sieć podjęła decyzję, i naprawiać pojedyncze błędy. Wyniki w otwartej pętli bywają złudne, a walidacja bezpieczeństwa wymaga ogromnych danych i symulacji. - EN: It is hard to check why the network decided something or to fix individual errors. Open-loop results can mislead, and safety validation needs huge data and simulation. ## Key terms - PL: **zadania pomocnicze**: Dodatkowe cele uczenia, np. detekcja, ułatwiające naukę planowania. - PL: **otwarta pętla**: Ocena przewidywań względem nagrania, bez wpływu na przebieg sceny. - PL: **pomyłka przyczynowa**: Model uczy się korelacji zamiast prawdziwego powodu decyzji. - EN: **auxiliary tasks**: Extra training goals, such as detection, that help learn planning. - EN: **open loop**: Scoring predictions against a recording, without affecting how the scene unfolds. - EN: **causal confusion**: The model learns a correlation instead of the real reason for a decision. ## Know first - [Widok z lotu ptaka z wielu kamer (BEV) (Bird's-eye-view perception from multi-camera images)](https://aiatlasgraph.com/t/bevperception.md) - [Klonowanie zachowań (behavioral cloning) (Behavioural cloning)](https://aiatlasgraph.com/t/behaviorcloning.md) ## Subtopics (2 direct, 2 in total) - [Modele wizja–język–akcja za kierownicą (Vision-language-action models for driving)](https://aiatlasgraph.com/t/drivingvlm.md): Multimodal models adapted to driving that use images and instructions to predict trajectories, objects or road elements as text or action tokens. - [Wspólne uczenie percepcji, predykcji i planowania (Joint perception, prediction and planning)](https://aiatlasgraph.com/t/planningoriented.md): End-to-end architectures with explicit stages (tracking, mapping, prediction, occupancy, planning) linked by queries and trained jointly for planning. ## Related topics Untyped, symmetric "see also" links. - [Planery uczone na nagraniach jazdy (Learning-based motion planning)](https://aiatlasgraph.com/t/learnedplanning.md) ## Sources - [End-to-end Autonomous Driving: Challenges and Frontiers]() `e2e-ad-survey-2023` · by Li Chen, Penghao Wu, Kashyap Chitta, Bernhard Jaeger, Andreas Geiger, Hongyang Li - [Planning-oriented Autonomous Driving (UniAD)]() `uniad-2022` · by Yihan Hu, Jiazhi Yang, Li Chen, Keyu Li, Chonghao Sima, Xizhou Zhu i in. (16 autorów) - [NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking]() `navsim-2024` · by Daniel Dauner, Marcel Hallgarten, Tianyu Li, Xinshuo Weng, Zhiyu Huang, Zetong Yang i in. (12 autorów) --- AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/e2edriving · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30