自动驾驶端到端模型自我纠正方法、装置及介质

本申请公开了一种自动驾驶端到端模型自我纠正方法、装置及介质，该方法首先通过端到端自动驾驶模型评估多视图图像，检测失败案例并提取中间输出信息；然后将失败案例的原因解析为多模态提示，结合鸟瞰图布局和场景描述，通过视觉语言模型生成数据需求；接着利用改进的生成模型Drive‑Sora生成具有时空一致性和/或多样性的多视图视频数据；最后将生成的数据作为新的训练数据，对端到端自动驾驶模型进行迭代更新与优化，并通过性能评估进入下一轮数据生成与优化循环。本发明显著提升了自动驾驶模型的鲁棒性和泛化能力，降低了长尾场景下的碰撞率和规划误差，为自动驾驶技术的发展和应用提供了有力支持。