并不完全是你说的这样，现阶段纯视觉方案可能是通往端到端模型最正确的技术路线。如果在感知端加入激光雷达和毫米波雷达，多模态的端到端模型训练难度会大幅度增加，现阶段的算法和算力并不一定能满足要求。还有端到端模型的训练是由海量高质量的行驶数据驱动的，基于纯视觉的人类驾驶数据很容易获得，而基于激光雷达的高质量数据难度就要大很多，毕竟没有人类驾驶员会基于激光雷达的感知信息来驾驶车辆。