提雅智行(Tier IV)正式发布全新端到端自动驾驶方案,这套方案最大亮点就是兼容性很强,不管是纯视觉、激光雷达、雷达组合的传感器硬件,还是有无高精地图的运行模式都能适配,同时配套 OnePlanner 一体化规划模型,还把对应的 AI 模型开源,依托 Autoware 生态开放给车企、自动驾驶研发团队使用,能大幅降低不同硬件、不同场景下自动驾驶系统的开发改造成本。传统自动驾驶方案大多是固定的传感器搭配固定地图模式,换一套硬件、换一个区域没有高精地图就需要大规模重新调试算法,开发周期长、移植成本高,而这套端到端方案把感知、规划、决策整合在一起,支持按需选择模型,既可以用低成本纯视觉方案跑无图路线,也可以叠加激光雷达 + 高精地图,用来提升复杂路口、雨雪天气的稳定性,适配接驳巴士、园区无人车、城配小车等多种落地场景。

一、方案核心能力清单
✅ 核心模型:OnePlanner 一体化端到端模型,融合感知、预测、规划、控制
✅ 传感器适配:单 / 多摄像头纯视觉方案、摄像头 + 激光雷达、摄像头 + 毫米波雷达等多种组合
✅ 地图模式:支持无高精地图模式、轻量地图模式、完整高精地图模式自由切换
✅ 配套项目:AutoE2E、METEOR 系列 AI 模型,同步开源
✅ 底层依托:Autoware 开源自动驾驶框架,对接 Pilot.Auto、Web.Auto 开发平台
✅ 适用等级:面向 L4 级自动驾驶,支持园区、城市接驳、低速无人配送场景
✅ 算力适配:可适配不同规格车载芯片,兼顾低成本硬件和高性能硬件
二、不同配置模式对比表
| 运行模式 | 传感器搭配 | 地图要求 | 适合场景 | 优缺点 |
|---|---|---|---|---|
| 无图纯视觉 | 摄像头(1-8 颗) | 不需要高精地图 | 园区、简单城市道路、试点接驳 | 成本低,部署快;极端天气稳定性偏弱 |
| 轻量地图融合 | 摄像头 + 毫米波雷达 | 仅简易道路地图 | 城市常规道路、城配无人车 | 平衡成本和稳定性,测绘工作量小 |
| 高精地图增强 | 摄像头 + 激光雷达 + 毫米波雷达 | 高精度地图 | 复杂路口、人流密集区域 | 安全性、冗余度高;前期测绘成本更高 |
三、OnePlanner 端到端模型特点
- 一体化链路:不再拆分独立感知、预测、规划模块,信息直接从传感器输入输出控制指令
- 动态可选模型:开发者可以根据预算、道路条件挑选对应模型,不用整套重构算法
- 迁移能力强:同一套基础模型,在有无激光雷达、有无高精地图的场景下都能快速迁移
- 开源开放:模型代码对外开放,开发者可以基于 Autoware 二次修改、调优
- 配套仿真工具:可以接入 Web.Auto 云端仿真平台,批量测试场景、验证安全性
四、这套方案的落地优势
- 降低硬件绑定:车企不用被单一传感器方案锁死,同一款车型可以分出高低配版本
- 减少地图依赖:在没有提前测绘高精地图的区域,也可以部署自动驾驶服务
- 缩短项目周期:新场景落地不用重新训练整套算法,只需要微调适配模型
- 适配多行业:低速巴士、园区无人车、自动配送车、矿区车辆都可以适配
- 依托开源生态:全球 Autoware 开发者社区可以共同迭代、修复问题
五、方案选型与接入步骤
第一步:明确落地场景,确认是封闭园区、城市道路还是矿区,确定是否可以提前测绘高精地图;
第二步:选定传感器组合,预算有限优先纯视觉方案,复杂路口、人流大的场景选择激光雷达版本;
第三步:在 Autoware 开发环境接入 OnePlanner、AutoE2E 开源模型;
第四步:在 Web.Auto 仿真平台完成大量场景仿真测试,验证接管率、刹车、绕行逻辑;
第五步:实车上路封闭场地测试,之后逐步开放公共道路试点运营;
第六步:持续采集路测数据,迭代模型,适配本地路况和交通习惯。
六、现存局限
- 端到端模型可解释性相比传统模块化方案更弱,故障溯源难度更高
- 纯视觉无图版本在强光、暴雨、大雾环境下稳定性依然存在短板
- 虽然模型开源,但整车系统集成、安全验证、合规认证仍然需要大量工程投入
- 目前优先面向低速 L4 场景,高速乘用车场景还需要持续迭代
【相关 FAQ】
问题 1:提雅智行发布的端到端自动驾驶方案,为什么可以适配多种地图信息与传感器配置?
回答 1:提雅智行这套端到端自动驾驶方案搭载 OnePlanner 一体化模型,设计上支持模块化选择,底层模型可以分别对接纯视觉、激光雷达、雷达等传感器,同时支持无图、轻量地图、高精地图多种模式,不用重写整套算法,实现灵活适配。
问题 2:提雅智行端到端自动驾驶方案,开源之后开发者可以拿来做什么?
回答 2:提雅智行端到端自动驾驶方案配套的 AutoE2E、METEOR、OnePlanner 模型开源,开发者可以基于 Autoware 框架二次开发,快速搭建适配自家传感器、地图方案的 L4 自动驾驶系统,用于接驳巴士、无人配送车等项目。
问题 3:提雅智行端到端自动驾驶方案,无高精地图版本和高精地图版本差别大吗?
回答 3:提雅智行端到端自动驾驶方案无高精地图版本依靠传感器实时感知道路,部署快、成本低;高精地图版本叠加预存道路信息,路口、静态障碍物识别更稳,适合人流车流复杂的城市路段。
问题 4:提雅智行端到端自动驾驶方案,主要适合哪些车辆落地?
回答 4:提雅智行端到端自动驾驶方案面向 L4 低速场景,主要适配园区接驳巴士、城市无人小巴、自动配送车、矿区作业车辆,暂时不是主打高速乘用车自动驾驶。
【参考资料】
[2026-11-11](Tier IV 发布端到端自动驾驶方案,支持多传感器、多地图模式)ZDNET Japan
[2026-11-11](提雅智行 OnePlanner 端到端自动驾驶 AI 模型开源)Mynavi News
[2026-11-12](提雅智行发布 AutoE2E,兼容有无高精地图两种路线)自动驾驶之心
[2026-11-12](Tier IV 基于 Autoware 推出灵活配置 E2E 自动驾驶)新智驾
[2026-11-13](提雅智行端到端方案解读,解决传感器和地图绑定痛点)36 氪
【免责声明】
本文内容基于提雅智行官方发布信息以及行业媒体报道整理,该端到端自动驾驶方案相关模型为开源技术原型,实际整车落地、安全认证、法规准入还需要大量工程验证;方案性能、适配范围以 Tier IV 官方文档、Autoware 社区更新为准,本文不构成自动驾驶项目采购、技术选型承诺。
