使用微信扫一扫分享到朋友圈
使用微信扫一扫进入小程序分享活动
头部芯片企业智能驾驶部门担任自动标注算法负责人。对整个智驾系统的历代发展有深入的理解和实践经验，曾从0到1搭建完整的智驾云端自动标注系统。同时也在ICRA/IROS等机器人顶会上发表过多篇论文。
1. 对智能驾驶技术的发展历史和未来方向有全面的了解
2. 深入理解智能驾驶相关的传感器特性及其使用和过程中的难点和解决方案
3. 掌握基于当前AI 大模型，Transformer等技术的基础原理及其在智能驾驶领域的应用
4. 熟悉智能驾驶BEV感知技术和对应的4D自动标注及数据闭环整体方案
5. 掌握端到端自动驾驶不同的技术路线和实现方式，并推导端到端智驾未来的发展方向
智能驾驶基础
1.智驾发展历史
1.1.L2辅助驾驶 (2D感知)
1.2.L2+ 城区智驾 (BEV感知)
1.3.L3智能驾驶 (端到端)
2.主要传感器特性
2.1.相机
2.2.激光雷达
2.3.毫米波雷达
2.4.IMU, GPS, RTK
3.数据采集
3.1.时间同步
3.2.内参标定
3.3.外参标定
3.4.动态标定
基于BEV感知的智驾技术栈
1.BEV感知模块
1.1.静态感知 (道路结构)
1.2i.动态感知 (人车非)
1.3.通用感知 (占用栅格)
2.激光雷达4D 自动标注
2.1.定位建图
2.2.动态物体标注
2.3.占用栅格标注
3.视觉4D标注
3.1.SfM，SLAM
3.2.动态物体标注
3.3.占用栅格标注
AI深度学习与大模型基础
1.CNN及检测分类算法
2.Transformer架构
3.Diffusion架构
4.语言模型LLM
5.多模态大模型VLM 与 VLA
三维重建与仿真
1.三维重建
1.1.传统MVS
1.2.深度估计
1. 3.NeRF
1.4.3DGS
2.智能驾驶仿真系统
2.1.开环仿真
2.2.闭环仿真
端到端智能驾驶方案
1.端到端智驾推理
1.1.多段式
1.2.一段式
1.3.快慢系统
2.端到端智驾训练
2.1.基座模型
2.2.模仿学习
2.3.强化学习
2.4.影子模式与数据闭环
3.端到端智驾行业现状与展望
退票说明：
