Protocolo de revisión
Adoptamos un protocolo estructurado de revisión narrativa para abarcar tanto la bibliografía consolidada sobre E2E-AD como los trabajos emergentes publicados en revistas y congresos con revisión por pares, prepublicaciones de arXiv, repositorios de referencia, clasificaciones de desafíos, versiones de código y páginas oficiales de proyectos. Las fuentes principales incluyeron IEEE Xplore, ACM Digital Library, SpringerLink, ScienceDirect/Elsevier, arXiv, OpenReview, CVF Open Access, las actas de NeurIPS, repositorios públicos de referencia y sitios web oficiales de proyectos.
El periodo principal de búsqueda abarcó trabajos publicados entre 2015 y junio de 2026, aunque incluimos estudios anteriores cuando contribuyeron a dar forma a la conducción neuronal o integral. Los términos de búsqueda centrales fueron “end-to-end autonomous driving”, “learning-based planning”, “closed-loop driving”, “autonomous driving planning benchmark”, “nuPlan”, “NAVSIM”, “Bench2Drive”, “WOD-E2E”, “world model autonomous driving”, “vision-language driving”, “VLA driving”, “long-tail autonomous driving” y “autonomous driving generalization benchmark”.
También realizamos un rastreo retrospectivo y prospectivo de citas a partir de artículos y referencias altamente conectados, entre ellos PilotNet, Conditional Imitation Learning, Learning by Cheating, TransFuser, TCP, UniAD, VAD, NAVSIM, Bench2Drive, DriveLM, SimLingo, WOD-E2E y LEAD.
Criterios de inclusión y exclusión
Incluimos un trabajo si cumplía al menos uno de los siguientes criterios:
- Introducir una formulación influyente de conducción integral.
- Predecir salidas relevantes para la planificación, como controles, puntos de paso, trayectorias, distribuciones de trayectorias o tokens de acción.
- Proponer un benchmark, conjunto de datos, simulador o métrica para evaluar la planificación.
- Aportar un mecanismo basado en un modelo del mundo, VLM o VLA relevante para la planificación del vehículo ego.
- Publicar un conjunto de datos, benchmark, base de código, servidor de evaluación o recurso de reproducibilidad de acceso público.
- Ofrecer una crítica sobre seguridad, interpretabilidad, robustez o evaluación de la conducción integral.
Excluimos los estudios centrados únicamente en percepción, detección, segmentación, seguimiento o predicción de movimiento, salvo cuando respaldaban directamente la planificación del vehículo ego o se utilizaban ampliamente en una pila de conducción integral. También excluimos los sistemas completamente propietarios cuando sus detalles técnicos eran insuficientes para compararlos.
Para cada trabajo seleccionado, registramos su representación de entrada, salida de planificación, señal de supervisión, protocolo de evaluación, evidencia obtenida en benchmarks y disponibilidad de recursos públicos, cuando estaban disponibles.
Alcance y definiciones
Una pila de conducción autónoma puede considerarse integral cuando la correspondencia entre las entradas de conducción y las salidas de conducción se optimiza como una política aprendida o un sistema diferenciable cuyo objetivo final es una acción de conducción, una trayectoria condicionada por la ruta o un plan de movimiento.
Las entradas pueden incluir imágenes de cámaras, LiDAR, radar, estado del vehículo ego, mapas HD, instrucciones de ruta, puntos de destino o lenguaje natural. Las salidas pueden incluir dirección y aceleración, puntos de paso, trayectorias, distribuciones de trayectorias o tokens de acción discretos.
Evolución hacia la E2E-AD orientada a la planificación
La evolución de la E2E-AD no sigue una única línea arquitectónica, sino que refleja un desplazamiento desde la imitación del control de bajo nivel hacia el aprendizaje de representaciones, señales de supervisión y protocolos de evaluación que hacen que el comportamiento de planificación sea más inspeccionable y susceptible de comparación mediante benchmarks.
Del control neuronal a la imitación condicional
Las raíces de la conducción integral son anteriores al aprendizaje profundo moderno. ALVINN mostró que una red neuronal podía transformar imágenes de la carretera en órdenes de dirección, y los sistemas posteriores de conducción todoterreno demostraron que era posible aprender directamente la relación entre percepción y acción en condiciones restringidas. DeepDriving introdujo la predicción de affordances como representación intermedia entre la percepción diseñada manualmente y el control directo. PilotNet se convirtió después en el referente moderno del aprendizaje de cámara a dirección al demostrar que una red convolucional entrenada con demostraciones humanas podía controlar un vehículo en escenas viales reales.
Control, puntos de paso y trayectorias
La elección de la salida también determina la evaluación. Una trayectoria puede puntuarse mediante el error de desplazamiento, el error de desplazamiento final, indicadores indirectos de colisión, progreso en la ruta, tiempo hasta la colisión, comodidad o etiquetas de preferencia. Una orden de control directa es más difícil de comparar con registros en circuito abierto, porque el mismo control puede tener consecuencias distintas según el estado del vehículo y la dinámica del controlador. A medida que los benchmarks se han orientado más hacia la planificación, las salidas en forma de trayectoria se han convertido en la interfaz dominante de la investigación E2E.
También existe un desajuste poco reconocido entre el objetivo supervisado y el comportamiento desplegado. Una trayectoria registrada no es un óptimo universal: es la realización de un conductor humano bajo un historial de interacción concreto. Si el modelo se desvía ligeramente, el futuro registrado puede dejar de ser factible o incluso deseable.
Por eso, una pérdida L2 puntual aplicada a trayectorias puede resultar engañosa. Premia la imitación de un único futuro, pero no enseña a la política a elegir entre alternativas seguras después de una perturbación. Los planificadores modernos incorporan cada vez más cabezas multimodales, refinamiento de trayectorias, costes sensibles a las reglas o funciones de puntuación aprendidas para cerrar esta brecha.
En conjunto, el paso del control directo a la salida de trayectorias no es solo un cambio de formato: hace que la política sea más fácil de inspeccionar mediante controladores, restricciones de seguridad y métricas de planificación, al tiempo que plantea nuevas preguntas sobre los futuros multimodales y la selección de planes.
BEV, ocupación y representaciones vectoriales de la escena
Las representaciones BEV se popularizaron porque proporcionan un sistema de coordenadas consciente de la geometría para la planificación. Pueden integrar cámaras con múltiples vistas, mapas, carriles, objetos y ocupación en una cuadrícula espacial común. ST-P3, UniAD y trabajos relacionados utilizan estructuras similares a BEV para respaldar pérdidas de detección, predicción, ocupación y planificación.
Las representaciones vectoriales van un paso más allá al representar carriles, agentes y trayectorias como tokens estructurados en lugar de cuadrículas densas. VAD demostró que una representación vectorial de la escena puede respaldar una conducción autónoma eficiente; VADv2 amplió esta línea con planificación probabilística.
La ventaja de las representaciones BEV y vectoriales para la planificación reside en su interpretabilidad y compatibilidad con restricciones. Un planificador puede razonar sobre el área transitable, la topología de los carriles, la interacción con otros agentes y el progreso de la ruta de forma más natural en una representación espacial que en características de imagen sin procesar.
El riesgo es que el procesamiento BEV denso puede ser costoso y heredar las limitaciones de las etiquetas de percepción utilizadas para supervisarlo. Los diseños dispersos y basados en registros más recientes, como DriveTransformer y DrivoR, pueden entenderse como intentos de conservar la estructura relevante para la planificación reduciendo al mismo tiempo el coste computacional.
En definitiva, el valor de las representaciones BEV, de ocupación y vectoriales no consiste únicamente en mejorar la percepción; su principal aportación a la planificación es transformar las señales brutas en una geometría que pueda contrastarse con mapas, agentes, espacio libre y restricciones de ruta.
Pila unificada y acoplamiento de tareas
El acoplamiento de tareas también crea nuevos riesgos. Si un modelo unificado funciona bien, puede resultar difícil saber qué componente interno es responsable del resultado. Si falla, la depuración puede ser más complicada que en una pila modular. Además, el entrenamiento conjunto puede favorecer el aprendizaje de atajos: el modelo podría depender excesivamente del estado del vehículo ego o de las señales de ruta y utilizar poco la evidencia visual.
Por tanto, una arquitectura orientada a la planificación debe acompañarse de diagnósticos causales, estudios de ablación y protocolos de benchmark que pongan de manifiesto los comportamientos basados en atajos.
La pregunta arquitectónica recurrente no es simplemente si conviene optar por un sistema modular o integral. Es dónde situar las interfaces que deben permanecer estables por motivos de seguridad, depuración y evaluación.
Un sistema puede entrenarse de extremo a extremo conservando interfaces explícitas, como la ocupación, la topología de los carriles, los tokens de objetos, las instrucciones de ruta, las estimaciones de incertidumbre o las trayectorias candidatas. A la inversa, un sistema puede parecer modular y aun así propagar las pérdidas posteriores hacia las representaciones anteriores.
En los sistemas recientes aparece un patrón común: exponer las variables necesarias para la planificación y las comprobaciones de seguridad, reduciendo al mismo tiempo la influencia de objetivos diseñados manualmente que dominen la política aprendida.
Incertidumbre y planificación generativa
La cuestión abierta es cómo evaluar los planes generativos. Una distribución solo resulta útil si sitúa las trayectorias seguras y coherentes con el objetivo por encima de las trayectorias peligrosas o irrelevantes. Por ello, la evaluación basada en modelos del mundo, las etiquetas de preferencia y la simulación en circuito cerrado son complementos naturales de la planificación generativa.
Lecciones arquitectónicas para el comportamiento en circuito cerrado
Estas observaciones sugieren una lista práctica para los artículos sobre arquitectura. Los autores deberían indicar:
- Si el planificador utiliza tokens de ruta explícitos o puntos de destino.
- Si predice la velocidad además de la trayectoria lateral.
- Si el controlador es aprendido o fijo.
- Si las muestras de trayectorias se ordenan mediante un coste aprendido.
- Si la política puede recuperarse cuando el estado del vehículo ego se desvía de la trayectoria registrada.
Sin estos detalles, las comparaciones entre arquitecturas suelen convertirse en comparaciones de mecanismos de evaluación ocultos.
En conjunto, la novedad arquitectónica es difícil de interpretar sin describir la interfaz de planificación, el controlador, la envolvente de seguridad y el mecanismo de recuperación. Estos detalles suelen explicar el comportamiento en circuito cerrado tanto como la arquitectura del codificador.
Señales de entrenamiento y motores de datos
El desajuste entre aprendiz y experto adquiere especial importancia en la simulación. Los expertos privilegiados pueden generar grandes conjuntos de datos a bajo coste, pero un experto que utilice información real no observable puede producir demostraciones que un estudiante basado en cámaras no pueda imitar de forma fiable.
LEAD replantea esta cuestión al diseñar el experto y el condicionamiento de navegación para reducir las asimetrías de visibilidad, incertidumbre e intención entre profesor y estudiante. Se trata de un avance conceptual útil, porque considera el diseño del experto parte del problema de aprendizaje, en lugar de tratarlo como una fuente de datos fija.
Familias de métricas
Las métricas en circuito abierto incluyen el error medio de desplazamiento, el error de desplazamiento final, el error L2 de trayectoria y los indicadores indirectos de colisión calculados sobre escenas registradas. Son útiles para iterar rápidamente, pero ofrecen evidencias débiles como resultado final.
Un modelo puede ajustarse a la trayectoria registrada sin ser capaz de recuperarse de las desviaciones, y otra trayectoria puede ser más segura o natural que la ruta humana registrada. El artículo “Is Ego Status All You Need?” mostró que los protocolos en circuito abierto pueden ser vulnerables a atajos por los que los modelos dependen demasiado de las señales del estado del vehículo ego en lugar de la percepción. Hidden Biases demostró asimismo que los protocolos de benchmark pueden distorsionar las conclusiones sobre los modelos de conducción integral.
Por qué discrepan el circuito abierto y el circuito cerrado
Las métricas en circuito abierto y cerrado discrepan por razones estructurales. En primer lugar, la evaluación en circuito abierto puntúa una política bajo la distribución de estados del experto, mientras que la evaluación en circuito cerrado lo hace bajo la distribución de estados que la propia política induce.
En segundo lugar, las métricas en circuito abierto suelen penalizar alternativas válidas, especialmente en interacciones multimodales. En tercer lugar, normalmente carecen de retroalimentación de los agentes circundantes y de las infracciones de las reglas. En cuarto lugar, los sistemas en circuito cerrado dependen de los detalles del controlador, de la dinámica del simulador y de los resultados estocásticos de los escenarios, aspectos que pueden no aparecer en los registros en circuito abierto.
Esta discrepancia tiene consecuencias prácticas para la redacción de revisiones. No debería calificarse un método como estado del arte sin especificar el protocolo. Un resultado sólido de nuScenes L2, una puntuación PDMS sólida de NAVSIM y una puntuación Driving Score sólida de Bench2Drive son afirmaciones diferentes.
Las tablas comparativas son más fiables cuando agrupan los métodos por benchmark y familia de métricas, en lugar de mezclar puntuaciones obtenidas con protocolos distintos.
Los trabajos recientes sobre correlación subrayan aún más este punto. La comparación cruzada de los resultados de NAVSIM y Bench2Drive sugiere que las puntuaciones en circuito abierto conscientes de la seguridad pueden correlacionarse mejor con la puntuación de conducción en circuito cerrado que ADE o FDE, aunque persisten inversiones en las posiciones y algunas submétricas llegan a saturarse.
Las puntuaciones de estilo NAVSIM son valiosas porque se pueden escalar y están más orientadas a la planificación que L2, pero deben describirse como evidencias indirectas, no como sustitutos de la interacción en circuito cerrado. A la inversa, las puntuaciones de estilo Bench2Drive tienen mayor significado conductual, aunque siguen vinculadas a la distribución del simulador CARLA.
Por tanto, una afirmación empírica sólida debería triangular los resultados utilizando al menos un indicador indirecto basado en registros reales y un protocolo reactivo en circuito cerrado.
Protocolo de publicación recomendado
Para futuros artículos sobre E2E-AD, recomendamos informar de cinco grupos de evidencias:
- Calidad de las trayectorias en circuito abierto.
- Puntuación de planificación no reactiva sobre registros reales.
- Métricas de ruta e infracciones en circuito cerrado.
- Rendimiento ante escenarios de cola larga o preferencias.
- Análisis cualitativo de fallos.
Los autores también deberían informar de la configuración de sensores, las entradas de ruta, el tipo de salida, el controlador, la envolvente de seguridad, la fuente de los datos de entrenamiento, el filtrado de datos, el presupuesto computacional, las semillas aleatorias, la versión del benchmark y la implementación de las métricas.
Sin estos detalles, las pequeñas diferencias en las clasificaciones son difíciles de interpretar.
Recomendamos evitar una única columna de “mejor método”. Un formato más honesto consiste en utilizar columnas separadas para la imitación en circuito abierto, la planificación indirecta, el circuito cerrado reactivo, el cambio de distribución en escenarios de cola larga, la disponibilidad del código y el coste computacional.
Un método débil en L2 de circuito abierto pero fuerte en finalización de rutas en circuito cerrado podría ser un planificador mejor. Un método excelente en NAVSIM pero lento en Bench2Drive podría estar sobreoptimizando la seguridad en detrimento del progreso. Un método VLA que produzca justificaciones convincentes pero trayectorias mediocres no debería presentarse como un avance decisivo en conducción autónoma.
La unidad de comparación debería ser la afirmación, no el nombre del modelo.
Garantía en tiempo de ejecución y envolventes de seguridad
La seguridad empírica en un benchmark no equivale a una garantía de seguridad operativa. Una pila práctica de conducción integral probablemente necesitará mecanismos en tiempo de ejecución que restrinjan o supervisen el planificador aprendido.
Estos mecanismos pueden añadirse sin renunciar al aprendizaje integral: la política neuronal propone trayectorias, mientras una capa de garantía comprueba que la propuesta permanezca dentro de una envolvente verificada o restringida por reglas.
Esta perspectiva es compatible con la E2E-AD orientada a la planificación porque considera el aprendizaje una fuente de comportamientos candidatos, no el único mecanismo de seguridad del vehículo.
Existen varias vías de ingeniería relevantes:
- Un monitor de seguridad puede rechazar planes que infrinjan el área transitable, el límite de velocidad, la topología de la ruta o los umbrales de tiempo hasta la colisión.
- Un planificador de respaldo puede activar una frenada conservadora o un mantenimiento de carril basado en reglas cuando la confianza sea baja.
- Los escudos basados en reglas pueden imponer restricciones relativas a semáforos, señales de stop o límites de carril.
- Las funciones de barrera de control y el análisis de alcanzabilidad pueden definir conjuntos seguros para el control de bajo nivel, aunque sigue siendo difícil escalarlos a políticas E2E de alta dimensionalidad, condicionadas por la percepción y con múltiples agentes.
- Los módulos de frenado de emergencia pueden reducir el riesgo de colisión, pero también generar problemas de comodid
Preguntas frecuentes
¿Qué convierte una pila de conducción autónoma en integral? Transforma las entradas de conducción en acciones, trayectorias condicionadas por la ruta o planes de movimiento mediante una política aprendida o un sistema diferenciable optimizado para un objetivo de conducción.
¿Por qué se utilizan cada vez más las trayectorias como salida en la investigación sobre conducción E2E? Las trayectorias son más fáciles de inspeccionar mediante controladores, restricciones de seguridad y métricas de planificación que las órdenes de control directas.
¿Por qué pueden discrepar las métricas en circuito abierto y cerrado? La evaluación en circuito abierto utiliza la distribución de estados del experto, mientras que la evaluación en circuito cerrado utiliza los estados inducidos por la política e incluye los efectos del controlador, el simulador y la interacción.
¿Qué deberían comunicar los futuros artículos sobre E2E-AD? Deberían informar de evidencias en circuito abierto, planificación indirecta, circuito cerrado, escenarios de cola larga o preferencias y análisis cualitativo de fallos, además de los detalles sobre sensores, controladores, datos, computación y métricas.