重磅!从数学公式落地自动驾驶工程,6个实战项目直通高薪算法岗
当下自动驾驶商业化落地提速，规划控制（PNC）成为行业落地最稳健的细分赛道。而规控底层逻辑高度依托数学，这恰好是数学系学生的天然优势：PID、LQR、MPC、A*/Dijkstra等，整套技术栈全部落在数学系专业必修课范畴里。只要扎实掌握高数、线代、概率论，就已经踩中自动驾驶规控岗位的基础门槛。但现实普遍痛点是：公式推导得心应手，却很难把抽象的微分方程、优化理论转化成车辆控制代码，没办法落地实现车辆真实功能。从招聘数据来看，当前国内主流车企、自动驾驶企业PNC算法岗薪资十分可观，但行业人才供需失衡。想要抓住智驾落地风口，核心路径很明确：系统吃透规控全链路算法，同时具备从数学建模到ROS仿真部署的完整工程落地能力。但只啃教材、零散看博客自学，很难补齐工程落地短板。为此，深蓝学院邀请了具有10年以上规划控制研发经验的乌宁博士，开设了《自动驾驶控制与规划》线上课程。扫码添加，了解详情
抢占学习名额
博士毕业于新加坡国立大学。具有10年以上机器人规划控制的研发经验，获得多项自动驾驶专利，并发表多篇机器人、自动驾驶论文。1. 了解自动驾驶的规划控制在整个自动驾驶中的作用；2. 学会如何建立车辆几何模型、车辆运动学模型以及车辆动力学模型，如何对一些重要的参数进行辨识；3. 学会设计多种控制器（PID, LQR, MPC）去解决自动驾驶中的控制问题，提升车辆的轨迹追踪、自适应巡航等的性能；4. 学会如何通过有限状态机(Finite-state machine)在动态环境下规划出一条避开障碍物并符合车辆动力学的路径，如何在复杂环境下做出合理决策等。5. 掌握规划领域的Dijkstra，A*等路径规划的方法，运动规划的方法以及在不确定性条件下的规划问题。本课程从基础的车辆物理模型出发，通过对不同场景及应用下车辆模型的分析，详细阐述车辆控制学及路径规划的知识体系。通过将理论与实际车辆规划控制中的问题相结合，从而让大家达到融会贯通的效果。
1.希望从事自动驾驶规划控制研发的在校学生，尤其是机械、电子电气、计算机、自动化等专业的同学。2.已经在从事自动驾驶规划控制相关领域的研发工程师。3.自动驾驶或者机器人企业中其他方向的研发工程师，以及系统工程师。
