傳統的模組式系統（比如 Waymo）確實是「每層切割清楚」，感知→語義理解→路徑規劃
→控制，每一層都可解釋、可插拔。但像 Tesla、Wayve 或 Ghost.ai 的做法，是真正把
這整條 pipeline 用一個神經網路端到端學出來。

不是「output 拿來再包」，而是：
        Input：一整段影片或視覺序列
        Model：Transformer 直接做 spatiotemporal encoding，
        Output：直接產生 steering trajectory、heading、velocity profile（甚至
含?
）

控制決策就是 output，不再是給後面另一層邏輯套用的中間值。

如果你還用「模型輸出要再包一層框架」的邏輯去看，那是套用舊時代 modular stack
的概念。新時代 E2E 的精神，是「用一個大模型整合感知、理解與控制」，也因此才會
需要從 validation 到 regulation 重新設計驗證方式（例如 AV STEP）。

傳統模組：能用傳統軟安 (ISO 26262) 的單元測試、接口測試
        端到端：一改參數，行為整體變；必須 Scenario coverage＋大規模 shadow-te
st
        這也是 NHTSA/加州 DMV 正在做 AV STEP、整合模型覆蓋率 (ML coverage)、on
-r
isengagement trace 的原因

所以觀念真的要更新，不然會不小心把 GPT 的理解套用到 Vision Transformer 控制網
路上，那就錯了。
※ 編輯: LimYoHwan (111.249.19.160 臺灣), 05/10/2025 02:30:57

你把「沒有規則可以跟」跟「沒人提責任歸屬」這兩件事掛在一起，完全搞錯現在自駕車
監管的方向。

美國現在就在把所有 AI 自駕該怎麼驗證、失效時怎麼收尾，寫進正式的聯邦法規。
像 NHTSA 的 AV STEP，早就要求你模型能跑、風險場景能應付、出事能自動停車。
FMVSS 也改成要看模擬跟實測數據，不是嘴巴說過就算，測試成績要先交出來給政府看。

責任這塊更不是沒人管。Waymo、Cruise、Zoox 都已經被加州 DMV 要求買 1000 萬美元
的無過失保險，直接寫死：只要是自駕系統在開，出事你公司全包。未來 Tesla 要上無
人 permit，一樣跑不掉。

那種十字路口沒有紅綠燈、車從四面八方來的亂場景，也早就是聯邦的測試項目。現在還
規定你要交幾十萬筆 scenario、模擬通過率跟真實介入紀錄。

至於端到端 AI
現在已經證明：遇到沒有圖資、沒有車道線、交通錐亂擺，傳統 rule-based 如waymo就
會當掉，反而是像 Wayve 或 Tesla 這種 E2E 網路，用畫面直接學出「這邊該停」、「
這邊能擠」，才扛得住。

AI 自駕現在最怕的不是沒規則，是規則終於來了而且專門針對沒把模型搞清楚的人寫的
。

※ 編輯: LimYoHwan (111.249.19.160 臺灣), 05/10/2025 09:58:03

現在監管的邏輯是「你技術怎麼玩都行，但失敗成本先買單、最壞情境先想好」。
Waymo、Tesla、Zoox 通通照這三條跑；誰都不能一句「不是我的責任」就閃人。真的要
比？就看誰的 MRM 可靠、誰的模型 pass 率高，跟你說的「喊個口號就免責」完全兩回
事。

正在修的 FMVSS 150/155 直接要求廠商提交「場景覆蓋率 & simulation pass rate」。
你的感測方案（LiDAR 也好 Vision-only 也好）踩不到 99.x% 就別想上路。
※ 編輯: LimYoHwan (111.249.19.160 臺灣), 05/10/2025 11:12:39

--