時間簡介

2023.03 作為一名大三學生，加入到某量產車企，從事地圖匹配研發
2023.07 地圖匹配項目交付，參與離線云端建圖研發
2023.10 拿到24屆校招offer
2024.07 正式入職
2025.01 離線云端建圖穩定，開始接觸在線車端融圖研發

自動駕駛的2.5年

整個時間線大概2年半時間，這兩年半，很難想象。在實習入職之前，我并不是清楚自動駕駛是做什么的，我以為我即將進入的公司只是一個獨角獸，因為我聽說：現在只有獨角獸還看acm成績。我抱著從0開始學習的態度，開始步入職場，加入了一個5人小組。在開始那段時間，直到去車上體驗了智駕。我開始對自己所在的行業的終極產品，有了具象的認識。-2.5年，高速自動駕駛已經基本收斂，靠著高精地圖+規則規劃和控制高速場景，已經能夠實現事故率低于人為駕駛。這很大程度依賴于高速場景更加規格化以及圖商的大力投入。-1.7年，各家開始提出城區自動駕駛方案。相較于高速場景，城區場景地理現實性變化很大，復雜道路，近乎無限的場景，使得圖商難以提供并且維護城區地圖。在上海北京利用高精地圖實現城區自動駕駛，便是從重地圖到輕地圖最后的妥協，這是因為在實操過程中發現維護成本過高，于是便出現了兩級分化，一些公司采用輕地圖的方案，極速擴張，而一些不愿丟棄高精地圖包袱的公司，在擴城這件事情上遲遲給不出結果。我司在這個節點給出的方案：眾包建圖。從高精地圖到輕地圖，在我個人的業務上的體現，便是從地圖匹配轉移到了離線云端建圖：利用眾包數據，在路口匝道等復雜場景建立高精地圖，并且通過下游：地圖產線將其掛接到高精地圖上。我也算是見證了這件事的開始、巔峰以及平穩收尾。很難想象5-6人的小團隊，產出了全國百萬量級的路口，以所見即所得的原則極大程度上復現了路口的地面元素。在輕地圖方案還未實現，行業提出了無圖方案，盡管資本宣傳著無圖也能看，但從從業者視角，大概就是提出了自動駕駛將要開始解決無圖方案，由于gpt的崛起，沒多久無圖方案又被賦予了新的命名，端到端大模型。2024年中，有資源、有能力的企業交付了大模型方法，城區自動駕駛從增量擴張，變為全國覆蓋。
waiting for update.