自动驾驶-一位从业两年的独特视角

时间简介

2023.03 作为一名大三学生,加入到某量产车企,从事地图匹配研发

2023.07 地图匹配项目交付,参与离线云端建图研发

2023.10 拿到24届校招offer

2024.07 正式入职

2025.01 离线云端建图稳定,开始接触在线车端融图研发

自动驾驶的2.5年

整个时间线大概2年半时间,这两年半,很难想象。在实习入职之前,我并不是清楚自动驾驶是做什么的,我以为我即将进入的公司只是一个独角兽,因为我听说:现在只有独角兽还看acm成绩。我抱着从0开始学习的态度,开始步入职场,加入了一个5人小组。在开始那段时间,直到去车上体验了智驾。我开始对自己所在的行业的终极产品,有了具象的认识。-2.5年,高速自动驾驶已经基本收敛,靠着高精地图+规则规划和控制高速场景,已经能够实现事故率低于人为驾驶。这很大程度依赖于高速场景更加规格化以及图商的大力投入。-1.7年,各家开始提出城区自动驾驶方案。相较于高速场景,城区场景地理现实性变化很大,复杂道路,近乎无限的场景,使得图商难以提供并且维护城区地图。在上海北京利用高精地图实现城区自动驾驶,便是从重地图到轻地图最后的妥协,这是因为在实操过程中发现维护成本过高,于是便出现了两级分化,一些公司采用轻地图的方案,极速扩张,而一些不愿丢弃高精地图包袱的公司,在扩城这件事情上迟迟给不出结果。我司在这个节点给出的方案:众包建图。从高精地图到轻地图,在我个人的业务上的体现,便是从地图匹配转移到了离线云端建图:利用众包数据,在路口匝道等复杂场景建立高精地图,并且通过下游:地图产线将其挂接到高精地图上。我也算是见证了这件事的开始、巅峰以及平稳收尾。很难想象5-6人的小团队,产出了全国百万量级的路口,以所见即所得的原则极大程度上复现了路口的地面元素。在轻地图方案还未实现,行业提出了无图方案,尽管资本宣传着无图也能看,但从从业者视角,大概就是提出了自动驾驶将要开始解决无图方案,由于gpt的崛起,没多久无图方案又被赋予了新的命名,端到端大模型。2024年中,有资源、有能力的企业交付了大模型方法,城区自动驾驶从增量扩张,变为全国覆盖。

waiting for update.

相关推荐
工藤学编程40 分钟前
零基础学AI大模型之Prompt提示词工程
人工智能·prompt
YEGE学AI算法1 小时前
语音识别的评价指标
人工智能·语音识别
老坛程序员1 小时前
开源项目Sherpa-onnx:全平台离线语音识别的轻量级高性能引擎
人工智能·深度学习·机器学习·语音识别
YEGE学AI算法1 小时前
语音识别-流式和非流式实现方式
人工智能·语音识别
HyperAI超神经1 小时前
AI 论文周报丨视觉语言模型应用/不稳定奇点族新发现/强化学习……一文了解多领域创新趋势与前沿动态
人工智能·ai·语言模型
ahe1681 小时前
用deepseek部署全自动的机器人--bytebot
人工智能
无垠的广袤1 小时前
【LattePanda Mu 开发套件】AI 图像识别网页服务器
服务器·人工智能·python·单片机·嵌入式硬件·物联网
芒果量化2 小时前
ML4T - 第7章第7节 逻辑回归拟合宏观数据Logistic Regression with Macro Data
人工智能·机器学习·逻辑回归·线性回归
西岭千秋雪_2 小时前
RAG核心特性:ETL
数据仓库·人工智能·spring boot·ai编程·etl
无风听海2 小时前
神经网络之Softmax激活函数求导过程
人工智能·深度学习·神经网络