深耕自动驾驶领域的工程师都会有一个困惑:明明学了很久的感知、规划、控制,看了大量论文,学了不少开源项目,却依然看不懂最新的量产方案,跟不上行业技术更新,做不出能落地的算法模型。
传统分模块自动驾驶正在被淘汰,数据驱动、模型统一、全链路优化的端到端方案成为产业落地的核心选择。市面上多数教程要么只讲浅层理论、脱离工程落地,要么代码零散、不成体系,很难建立完整的实战体系及经验。
为此,深蓝学院开设了《端到端自动驾驶:理论与实践》课程,摒弃碎片化学习、无效学习,用系统化的理论讲解+手把手的项目实操,带你吃透行业前沿核心技术,突破技术瓶颈,实现能力进阶与职场升级。以下是实践demo:
张巍
自动驾驶高级算法专家
毕业于清华大学计算机系,深耕自动驾驶领域将近十年,兼具前沿技术探索与量产交付落地经验。先后任职于Momenta、阿里达摩院、百度 Apollo等行业标杆机构,核心聚焦自动驾驶感知、端到端规划、VLA等关键领域。
1. 体系化知识框架:贴合行业技术迭代节奏,构建端到端自动驾驶全链路知识框架,覆盖BEV Encoder/Decoder、动静态感知任务、Query-based/自回归AR/Diffusion三大nnPlanner范式等核心技术,囊括了模型、训练、数据、评测等研发全流程。
2. 理论与实践结合:摒弃纯理论讲解,每个核心模块配套“原理拆解+模型设计+代码讲解”三步教学,从论文思路到代码实现逐步解析Transformer、BEV、Diffusion等关键算法的设计、实现与落地要点,学完可上手搭建端到端核心模块。
3. 衔接行业新前沿:课程内容衔接VLA、世界模型、强化学习等前沿方向,建立新技术在自动驾驶领域的落地逻辑,匹配行业长期发展需求,提升职业竞争力。
1. 全面掌握端到端自动驾驶的核心理论
2. 熟练掌握基于Transformer的BEV Encoder构建方法、动静态感知Decoder设计、三大端到端规划范式(Query-based/AR/Diffusion)的模型设计与训练技巧
3. 建立端到端系统优化思维
4. 具备端到端自动驾驶核心模块的研发能力
· 自动驾驶行业从业者
· AI与计算机相关专业学生
· 端到端智驾技术转型人员