李弘扬团队最新！SimScale：显著提升困难场景的端到端仿真框架......

主要观点总结

文章介绍了自动驾驶领域的新发展，特别是针对数据收集问题的解决方案。文章提到了SimScale这一端到端仿真框架，通过生成多种关键场景并进行联合训练，以最大化现有训练数据的利用效率。该框架在NavSim leaderboard上取得了新的SOTA，并在多类主流E2E planner上带来了显著提升。文章还涉及中科院自动化所在读博士田浩辰的分享、知识星球上的直播精华和深度内容等。

关键观点总结

关键观点1: 自动驾驶领域的数据收集问题

文章指出自动驾驶领域的数据收集难点，现实道路中的驾驶片段大多是重复而安全的“常态行为”，真正决定策略能力的高风险、长尾、极端场景难以遇见和大规模收集。行业亟需一种能系统性生成大量关键场景并规模化训练的新路径。

关键观点2: SimScale框架的介绍

为了解决上述问题，SimScale应运而生，该框架通过生成reward、recovery等多种数据，进行联合训练以最大化现有训练数据的利用效率。最终在NavSim leaderboard上取得了新的SOTA，并在多类主流E2E planner上带来了显著提升。

关键观点3: 田浩辰博士的分享和直播内容

文章还提到了中科院自动化所在读博士田浩辰的分享，将在自动驾驶之心直播间进行。直播内容涵盖所有技术细节、QA及未公开彩蛋，深度解析SimScale框架。