本文提出的想法很大胆，不过确实是在实践中发现的一个真问题，认为规划的开环和闭环评估指标没有对齐，导致一个指标高另一个指标就会低，并且用一个非常简单的模型就实现了远超其它复杂模型的效果，在2023 nuPlan比赛上获得了第一名；遗憾的是，怎么才能对齐开环和闭环指标本文并没有讨论；
Autonomous Driving | End-To-End Planning of Autonomous Driving in Industry and Academia: 2022-2023
本文对规划算法的总结有个基本的认识，但是对于每个算法的分析都不是很深入，基本都只是一个大致框架的说明，甚至还有很多配图和引用错误；针对具体的框架和问题，可以继续深挖
Autonomous Driving | Recent Advancements in End-to-End Autonomous Driving using Deep Learning: A Survey
本文是自动驾驶所有模块的粗略的综述，写得有点泛，有空再详细看
Autonomous Driving | VAD: Vectorized Scene Representation for Efficient Autonomous Driving
本文是地平线发表的一篇论文，放弃栅格而使用向量表达场景信息，提出了一个端到端模型，在nuScenes上取得了sota效果
Autonomous Driving | Is Ego Status All You Need for Open-Loop End-to-End Autonomous Driving?
怀疑当前在nuScene数据上表现好的模型存在两个问题，1是过于依赖自车当前状态，未来继续保持当前状态行驶就能获得高分；2是当前的评估指标不能有效评估open-loop的轨迹，例如超出车道没有严重惩罚，因此需要增加新的指标；
Autonomous Driving | Query-Centric Trajectory Prediction
QCNet提出了query-centric的范式，允许复用过去计算出来的表征特征，将anchor-free和anchor-based方法相结合，参考DETR给出了新的轨迹预测方法，但细节不是很清楚，需要结合代码了解
Autonomous Driving | Driving into the Future: Multiview Visual Forecasting and Planning with World Model for Autonomous Driving
end2end model with world model. 本文提出一种通过世界模型生成多视角视频数据来训练规划模型的方法
Autonomous Driving | End-to-end Autonomous Driving: Challenges and Frontiers
端到端自动驾驶模型综述