當前位置: 華文星空 > 汽車

車輛工程研究生階段搞底層控制演算法(lqr paid mpc等演算法)還是搞slam方向在未來發展更好?

2019-06-14汽車

最近剛好面試了幾個規控方向的實習生,說說我對這個方向的理解。

1、關於方向選擇

如果你是車輛工程的學生我建議你去搞規控,

第一你對車更了解,這個是你之後工作時候的優勢,規控是直接和車輛打交道的,可以發揮出你的優勢;

第二未來規控方向還是比slam就業範圍廣,oem、tire1、甚至tire2都是會搞規控的,但是我理解未來slam還是一些有實力的供應商來搞,附帶傳感器一起打包賣給車廠。

2、關於學習方向

你應該規劃控制一起學習,規劃可以看apollo的,目前大多數廠商都會按照這個框架來開發。至於你提到的lqr paid mpc 這些控制演算法,原理很簡單,在量產過程中更重要的是如何基於這些基礎演算法進行最佳化,也就是打修補程式,這些你在學校是學不到的。

所以如果你只看這些控制演算法,你在面試中是沒有優勢的。

3、給自己打個廣告

可以關註我的主頁,會從規劃、控制、感知融合幾個專欄來結束apollo。

Apollo Planning決策規劃系列文章

自動駕駛Player:Apollo Planning決策規劃程式碼詳細解析 (1):Scenario選擇

自動駕駛Player:Apollo Planning決策規劃程式碼詳細解析 (2):Scenario執行

自動駕駛Player:Apollo Planning決策規劃程式碼詳細解析 (3):stage執行

自動駕駛Player:Apollo Planning決策規劃程式碼詳細解析 (4):Stage邏輯詳解

自動駕駛Player:Apollo Planning決策規劃程式碼詳細解析 (5):規劃演算法流程介紹

自動駕駛Player:Apollo Planning決策規劃程式碼詳細解析 (6):LaneChangeDecider

自動駕駛Player:Apollo Planning決策規劃程式碼詳細解析 (7): PathReuseDecider

自動駕駛Player:Apollo Planning決策規劃程式碼詳細解析 (8): PathLaneBorrowDecider

演算法詳細介紹系列文章:

自動駕駛Player:Apollo決策規劃演算法Planning : 路徑規劃Piecewise Jerk Path Optimizer的python實作