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
YuSun_WK27 分钟前
torch.matmul() VS torch.einsum()
人工智能·pytorch·深度学习
yorushika_31 分钟前
python打卡训练营打卡记录day35
python·深度学习·机器学习·超参数
数据小吏1 小时前
第十五章:数据治理之数据目录:摸清家底,建立三大数据目录
大数据·数据库·人工智能
许泽宇的技术分享2 小时前
【AI实战】从“苦AI”到“爽AI”:Magentic-UI 把“人类-多智能体协作”玩明白了!
人工智能·ui
Takina~3 小时前
python打卡day35
python·深度学习·机器学习
马拉AI4 小时前
创新点!贝叶斯优化、CNN与LSTM结合,实现更准预测、更快效率、更高性能!
人工智能·深度学习·机器学习
程序员秘密基地4 小时前
基于pycharm,python,flask,sklearn,orm,mysql,在线深度学习sql语句检测系统
python·web安全·机器学习·网络安全·scikit-learn
kovlistudio5 小时前
机器学习第二十七讲:Kaggle → 参加机器学习界的奥林匹克
人工智能·机器学习
bennybi5 小时前
AI方案调研与实践二:模型训练
人工智能·ai·sft·rag
MarkHD5 小时前
第十天 高精地图与定位(SLAM、RTK技术) 多传感器融合(Kalman滤波、深度学习)
人工智能·深度学习