重要结论：Is Ego Status All You Need for Open-Loop End-to-End Autonomous Driving?

论文链接：https://arxiv.org/pdf/2312.03031

1. 用Ego-MLP，仅使用车辆状态（速度、加速度、转向角等，不包含历史轨迹），就可以达到SOTA。因为Ego status会降低模型对感知的依赖。通过后续测试会发现，感知输出0，效果还是很好。而把车辆状态改成一个错误的值，模型马上就会输出错误的结果。
   所以“很多方案把ego status包装到自己的方案里，是误导人的”
2. 这个问题并不完全怪Ego status，因为数据集nusense本身太简单，场景不复杂，交互不多，所以用这个就够了。
3. 碰撞率之前的计算是算一条轨迹上有多少点碰撞了，再求样本均值，这个把碰撞假设为相互独立的了，实际上只要前面碰了，就后面不可能碰了，因为碰了就停了。之后是统计一条轨迹是否碰撞，再求均值。这也是我们的算法，更加合理。
4. UniAD加了一个避免碰撞的optimizer，是为了metric而metric，它导致的后果是，每降低0.1%的碰撞概率，会增加5%以上的和道路边界的碰撞概率。
5. 所有的端到端都不太会转弯。