e2e

目标点注意力Transformer：一种用于端到端自动驾驶的新型轨迹预测网络本文介绍了目标点注意力Transformer：一种用于端到端自动驾驶的新型轨迹预测网络。在自动驾驶领域中，已经有很多优秀的感知模型，用于目标检测、语义分割和其它任务，但是我们如何可以有效地将感知模型用于车辆规划呢？传统的自动驾驶车辆轨迹预测方法不仅需要遵循交通规则以实现避障，还需要按照规定的路线到达目的地。在本文中，我们提出了一种无规则的基于transformer的轨迹预测网络用于端到端自动驾驶，称为目标点注意力Transformer网络（TAT）。我们使用注意力机制来实现预测轨迹与感知特征以及目标点之间

基于深度学习的端到端自动驾驶的最新进展：调研综述论文链接：https://arxiv.org/pdf/2307.04370.pdf调研链接：https://github.com/Pranav-chib/

开环端到端自动驾驶：到底行不行TLDR: 别在nuScenes上做开环端到端自动驾驶刷点了。论文： https://arxiv.org/pdf/2312.03031.pdf

E2E测试用例生成方案探索本文作者：来自MoonWebTeam的kanedongliu本文编辑：kanedongliuE2E测试在众多的测试形式中处于金字塔顶尖，相对较少的测试用例就能够覆盖更多的场景，性价比高。但是由于元素定位，调试等原因，导致编写代码的成本较高，本文章旨在探索两种E2E测试用例生成方案，录制式与BDD测试用例生成，供学习交流

懒人自动化生成e2e测试文件：JSON =＞ playwright本工具实现的是：使用简单的 JSON 配置，生成可执行的 playwright UI 测试文件。然后通过项目内已经配置好的 playwright 配置实现 UI 测试。