网上看到的信源：翻译一下： 用了长时序列 视频数据训练了多模态端到端神经网络猜测：特殊场景中额外添加了语义模块的输入NMW2.0 相较于NWM1.0 整个构架几乎大重构多车道表现不佳应该是解决的差不多了，但是端到端后绕行能力一定会有收敛