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.