TIER IV详解五款用于自动驾驶的开源模型

TIER IV 于 2026 年 11 月 11 日宣布开发五款面向 Autoware 的端到端自动驾驶人工智能模型，并开放这些模型的源代码。产品阵容涵盖纯摄像头系统，以及增加激光雷达、雷达和高清地图的配置，为汽车制造商和技术合作伙伴提供多种选择，以便优化模型并将其集成到车辆系统中。

这一系列模型包括 NVIDIA Alpamayo 2 Edge、AutoE2E、METEOR、OnePlanner和LatentDrive。它们采用端到端设计，将环境感知与行驶轨迹生成相结合，但在传感器需求、规划方法和成熟度方面各不相同：部分模型已与Autoware集成，其他模型仍在进行车辆适配或集成。

TIER IV将这些模型视为Autoware 2.0的具体技术成果。该公司于2026年11月2日详细介绍了这一新一代架构。该架构结合了基于AI的方法与传统的规则方法，加入灵活的索引方案以支持模块化软件集成，并提供Reference Design框架，旨在促进其在不同车辆、应用和运行环境中的商业化采用。

面向不同车辆的不同模型

TIER IV表示，Alpamayo 2 Edge拥有20亿个参数，而Alpamayo 2 Super拥有340亿个参数。Alpamayo 2 Edge仅使用摄像头图像和推理来生成行驶轨迹。它已完成与Autoware的集成，但TIER IV仍在优化该模型并使其适配实际车辆。

AutoE2E由Autoware Foundation和TIER IV牵头开发。TIER IV称，该模型拥有7990万个参数，可在NVIDIA硬件以外的计算平台上运行，配置范围从仅使用摄像头到集成激光雷达和毫米波雷达的系统。其快慢架构将用于实时决策的反应式模型，与用于预测环境变化并辅助驾驶决策的世界模型和推理模型相结合。

METEOR由TIER IV独立开发，主要面向私人乘用车，拥有1600万个参数。TIER IV表示，其卷积神经网络采用鸟瞰视角表示，在一个网络中完成从感知到轨迹生成的处理，无需依赖高清地图。该模型可接收来自1至8个摄像头的图像，也可加入激光雷达和毫米波雷达，并支持NVIDIA和Renesas半导体平台。

TIER IV表示，OnePlanner将感知与运动规划结合起来。该模型目前使用BEVFusion，根据激光雷达点云生成鸟瞰视角表示，并将感知过程中提取的特征直接传递给规划器，从而减少将特征转换为物体位置和速度等中间表示的步骤。它还会整合高清地图、路线信息、交通信号灯状态和车辆运动状态，以生成6秒的行驶轨迹。该模型已完成与Autoware的集成。

LatentDrive采用自监督学习方法V-JEPA，将摄像头视频中的特征表示在潜在空间中，并在无需中间物体检测和跟踪的情况下生成轨迹。TIER IV表示，该模型无需高清地图，可利用视频、路线信息和车辆运动状态生成4秒的行驶轨迹。它支持使用1个或3个摄像头；与Autoware的集成和车内验证仍在进行中。

AutoE2E V1.0包含哪些内容

由TIER IV赞助的Autoware Foundation机器人出租车工作组于2026年11月11日发布了AutoE2E v1.0，该版本依据Apache 2.0许可证开放用于研究和商业用途，并提供训练后的检查点。此次发布包含反应式模型，该模型以10 Hz运行，将六个摄像头的视图融合为鸟瞰视角表示，并规划6.4秒内的加速和转向。世界模型层和推理层仍在开发中，目标是让它们与同一规划器协同工作。

该基金会报告称，经过微调的AutoE2E模型在记录数据验证中，三秒内的平均位移误差为0.744米；在其对比测试的八种开放权重配置中排名第二。在这项开环测试中，模型根据记录的摄像头画面进行预测，并以人类驾驶员的实际行驶路径作为评分基准；AutoE2E还接收了地图栅格和路线，而不同模型的输入各不相同。因此，这一结果反映的是基于记录数据的轨迹预测能力，而非无人驾驶道路表现。

AutoE2E已集成到Autoware中，用于开环评估；目前正在开展真实车辆闭环测试，以评估交互式驾驶能力。该基金会表示，部署表现和资源需求仍需根据具体平台进行评估，并计划于2027年开展更多道路试验。该项目面向从L2++级免手持驾驶辅助到未来L4级无人驾驶出行等应用，但L4仍是开发目标，并非当前已具备的能力。

商业化与开发流程

对于METEOR，TIER IV表示，该公司使用Co-MLOps中的自动化标注平台CoMET，并结合智能体式AI，自动完成数据标注以及模型训练、评估和改进，无需手动编写代码或进行标注。汽车制造商和零部件供应商可以根据各自的车辆规格和性能要求优化这一开源模型。

创始人兼首席执行官 Shinpei Kato 表示，多模型策略旨在帮助制造商和供应商“根据各自的应用场景和性能要求掌握相关技术，而不依赖特定的 AI 模型或半导体平台”。

NVIDIA 汽车业务副总裁 Ali Kani 表示，集成 Alpamayo 2 Edge 为开发者提供了开放的基础，使他们能够将这项技术从研究阶段应用到自己的车辆中。

TIER IV 表示，下一步计划包括进一步提升性能、优化车载应用、通过 Autoware 与汽车制造商及合作伙伴推进商业化，并将应用拓展到更多车型和应用场景。Autoware 2.0提供了共享架构，但 AutoE2E 尚未完成的闭环测试表明，开源可用与经过验证的车辆部署仍是两个不同的里程碑。