暑假就要结束了，开学季越来越多的同学联系峰哥和柱哥。有刚入行的研一小白，也有秋招激战正酣的研二/研 三的同学，也不乏打算转行自驾的小伙伴。很开心，通过自动驾驶之心和大家连接在一起，共同推进行业的发 展。 我们的愿景是让AI与自动驾驶走进每个有需要的同学。 端到端自动驾驶如何入门？一段式/二段式量产中如何使用？ 传统规划控制想转端到端VLA，求学习路线图！ 自动驾驶多模态大模型预训练数据集有哪些？求自动驾驶VLA微调数据集？ 多传感器融合现在还适合就业吗？ 3DGS和闭环仿真如何结合？应用中需要考虑哪些元素？ 世界模型是个啥？业内如何应用，研究还有切入点么？ 业内哪家公司前景好一些，适合跳槽，都有什么岗位开放招聘？求星主内推~ 博士入学，哪个方向容易出成果？ 闭环强化学习如何入门？ 我们会不定期和一线的学术界&工业界大佬畅聊自动驾驶发展趋势，探讨技术走向和量产痛点： 这是一个认真做内容的社区，一个培养未来领袖的地方。 星球内部梳理了近40+自动驾驶技术方向，同时也有面 向求职的问答梳理。 | 0 国内高校著名自动驾驶团队整理 链接: https://t.zsxq.com/hlVJZ | 5 算法进阶 | (17 ...

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 智能驾驶已经进入到了拼技术、拼成本的关键期。24年很多智驾公司没能挺过来，今年大环境稍微好了一些，但从业壁垒也越来越高。。。 最近一位工作六年的星友跟我说公司不打算续签了，想咨询下未来就业的建议。 柱哥好。我19年硕士毕业（普本985硕），在一家中小厂智驾公司工作到现在，公司最近通知我不续签了。所以来请教您~ 之前主要负责的是规划控制C++工程相关。平时在苏州上班，偶尔也会跑下上海，主要觉得苏州也没那么卷所以也苏州安家了。现在还有一段时间准备找工作， 能留苏州还是尽量留在苏州，逼不得已也可以考虑上海或者杭州。想请教您几个问题： （向峰哥和柱哥提问，欢迎加入 『自动驾驶之心知识星球』 ） 星主答： 智能驾驶已经熬过最艰难的时期，去年很多公司都没挺过来，但同时也有不少公司找到了自己的出路，像小鹏现在的形势就好了很多。价格战最近被国家叫停 了，但整体上业内还是很卷的，规控自从端到端量产后，确实受到了一定程度的冲击。 针对你的问题： "规控现在好转行么，还是说您建议继续做规则方向的后处理？" 1. 规控现在好转行么， ...

端到端VLA技术发展现状 - 端到端自动驾驶技术分为一段式与二段式两大方向 一段式包括基于感知(UniAD)、世界模型(OccWorld)、扩散模型(DiffusionDrive)等子领域 二段式以PLUTO为代表 [2] - 基于VLM的方法推动自动驾驶进入大模型时代 形成VLA(Vision-Language-Action)新方向 传统BEV感知、多传感器融合等技术已相对成熟 学术界研究热点明显转移 [2] - 工业界仍在优化传统感知规划方案 但学术界研究资源已集中投向大模型与VLA领域 该领域存在大量待探索的子方向 [2] VLA科研辅导课程设计 - 课程采用"2+1"多师制 主导师由名校教授/行业专家担任 配备科研班主任全程督导 包含12周在线科研+2周论文指导+10周维护期 [11][14] - 提供完整科研闭环支持：从经典/前沿论文分析(PLUTO/UniAD等)、baseline代码(VAD/DiffusionDrive等开源项目)、数据集(nuScenes/Waymo)到论文写作投稿全流程 [8][18] - 硬件要求最低配置4张NVIDIA 4090显卡 推荐8张 支持云服务器租赁方案 [12] 目标学员与课程产出 - 面向本硕博学生 需掌握Python/PyTorch基础 通过1v1面试考核 课程包含先修课强化深度学习与自动驾驶算法基础 [6][12] - 学员将获得：论文初稿(含导师定制idea)、结业证书、推荐信(优秀者) 以及系统的科研方法论与coding能力提升 [11][15] - 解决三大核心痛点：知识碎片化问题(建立VLA体系)、动手能力差问题(复现SOTA模型)、论文写作障碍(提供写作模板与投稿策略) [7] 技术资源支持 - 开源框架覆盖主流技术路线：基于模仿学习(UniAD/VAD)、扩散模型(DiffusionDrive/OccNet)、VLA(OpenDriveVLA/SimLingo)等 [18] - 必读论文包括Senna(视觉语言模型与自动驾驶桥接)、ORION(语言指令生成行动框架)等5篇顶会前沿研究 [18] - 采用腾讯会议直播+小鹅通回放形式 提供6个月答疑周期 严格学术诚信要求(剽窃零容忍) [14][20][21]

行业技术趋势 - 端到端自动驾驶技术正快速冲击传统规控方法 其场景泛化能力和数据驱动特性显著优于基于规则的系统 [2] - 传统规控依赖人工编写规则(PID/LQR/MPC等算法) 优势在于可解释性强但难以覆盖所有场景 [2] - 端到端方案直接从传感器映射控制指令 减少模块化架构的信息损失 实现全局优化 [4] 技术方案对比 端到端方案 - 优势：降低系统复杂性 通过数据学习人类驾驶风格 支持全流程联合优化 [4] - 劣势：决策过程黑箱化 需海量训练数据 极端场景依赖规则兜底 [4] 传统PNC方案 - 优势：模块功能明确 已知场景稳定性高 适合高安全需求场景 [5] - 劣势：多模块协同开发成本高 复杂场景规则覆盖有限 依赖高精地图 [5] 技术融合方向 - 行业实践表明端到端与PNC呈互补关系 如华为ADAS3.0采用传统规控作为安全冗余 [6] - 传统规控工程师转型需结合端到端技术 复合型人才更具竞争力 [7] 人才需求现状 规控算法工程师 - 岗位职责覆盖城区/高速/停车场等多场景决策规划算法开发 需掌握MPC/PID等经典算法 [10] - 任职要求硕士以上学历 熟悉强化学习算法 有Apollo等开源项目经验者优先 [10] - 薪资范围40k-100k/月 工作地集中在北京/上海 [10] 端到端工程师 - 核心任务包括VLA模型构建、训练数据集优化及闭环评测系统研发 [12] - 薪资30k-80k/月 工作地分布在深圳/上海 [12] 视觉算法专家 - 技术要求涵盖轻图感知、占据格网络研发及视觉大模型应用开发 [18] - 优先考虑有顶会论文或算法竞赛获奖经历者 薪资40k-80k/月 [17][18]

英伟达AI技术应用 - 公司正在将AI模型应用于自动驾驶汽车领域 [1] - 与梅赛德斯合作在全球范围部署自动驾驶车队 [1] - 采用端到端自动驾驶技术并计划今年实现商业化落地 [1] 行业合作动态 - 英伟达与梅赛德斯建立战略合作关系共同推进自动驾驶技术 [1] - 合作涉及全球范围内的车队部署计划 [1]