点击上方 蓝色字体 ，关注我们

模块一、现有的自动驾驶系统主要技术范式:

- 基于模块化系统的自动驾驶系统架构

- 基于“任务并行”理念的多任务学习架构

- 端到端系统架构

模块 二、端到端智能驾驶系统演进：

- 感知层端到端

- 感知层端到端+决策规划层端到端

- 模块化端到端

- One Model生成式一体化端到端（世界模型）

模块 三、端到端智能驾驶架构

- 隐式端到端方法

- 显式端到端方法

- 弱解释性端到端

- 模块化联合端到端

模块 四、技术路线：纯视觉 or 激光雷达

- 纯视觉 vs. 激光雷达比较

- 弃激光雷达的纯视觉方案，（案例分析：特斯拉、小鹏）

- 算法优化迭代

- 车辆行为轨迹数据采集、数据挖掘

- 车端算力部署：

- 数据训练：云端能力迭代

模块 五、构建端到端模型自动驾驶系统验证方法及仿真测试体系

- 测试基准

- 可靠性分析

- 闭环评价及工具链

- 端到端架构的开环评估

模块 六、架构设计

- 多模态融合：

构建特定可解释性的多模态显式端到端自动驾驶算法

- 视觉抽象表征：

如何充分利用丰富的图像细粒度特征，实现 PV、

BEV 视角的高效无损映射是一个值得思考的问题。

- 模型结构和隐式接口设计：

- 语言提示

模块 七、Deepseek模型在智能驾驶中的应用

- 数据生成与处理

- 模型蒸馏

- 成本优化

- 自动驾驶域控制器开发，以及与整车电子电器架构的匹配以及软硬件交互；

- 车载控制器平台的系统方案设计，功能架构与通信架构的设计，域控计算平台以及整车 EE 架构的评估与设计

- 传感器、执行器以及交互终端需求分析与验证，避免整体系统设计缺陷；

- 自动驾驶产品的规划，方案，选型的评估以及优化

- NPG 、 ACC 、 LCC 、 AP 、 APA 、 AEB 、 LSS 、 FCW 、 BSM 自动驾驶子功能安全、稳定运行

- 智能驾驶相关算法及硬件平台规划

- 智驾域子系统方案（如感知、规控、定位、基础软件等），子系统间的冲突和技术风险识别

- 架构相关测试问题及对应的数据，迭代方案制定

- 芯片和算法需求

- AI 智能平台架构设计，技术规划

- 制定自动驾驶各个模块中的对内对外软硬件接口以及算法的架构

- 无人驾驶系统规控算法设计与实现；

- 系统架构设计：自动驾驶算法系统与工程架构设计，以数据驱动的思想，从系统角度分析导出算法与工程需求；

- 系统评价设计：设计和分解自动驾驶算法性能指标，针对各个模块和系统整体进行性能评价，促使系统性能水平不断迭代提升；

- 迭代体系建设：针对自动驾驶技术链条长、关联问题分析困难的现状，设计成体系的方案和工具链来辅助分析、提高自动化程度、提升组织效率。

- 从应用和产品视角定义对自动驾驶系统软件栈的需求和满意度衡量指标

- 系统软件质量管理机制的设计，制定计划和落实过程管理

- 整车 SOA 设计开发，控制器级 SOA 设计

- 搭建功能仿真和功能开发工具链，优化自动驾驶软件系统

- 自动驾驶路测车端系统软件设计和研发

- 自动驾驶路测车端软件构建、部署、集成

- ADAS/AD 高级别自动驾驶系统产品功能需求和技术规范定义

- 制定自动驾驶域控制器 / 整车中央控制器的功能和性能需求

- ODD 定义和评估；

- 风险识别和优化设计实现

- 自动驾驶性能优化，端到端模块级系统方案

- 车辆控制的基本策略和交互逻辑设计

- 车辆控制功能系统及模块间接口的设计

- 自动驾驶系统功能未来的演进和迭代方向

- 自动驾驶感知传感器集成及算法总体方案设计和评估

- 整车测试方案规划及实施，保证车载软件和硬件的稳定性及安全性

- 自动驾驶系统模块开发及在不同车载硬件平台上的移植和集成

- 基础平台软硬件自动化测试工具开发 , 提升系统集成效率和交付质量

- 应用层功能实现、故障诊断，监控开发

- 自动驾驶的人机互动和界面交互 优化

- 技术风险和项目风险评估

- 无人驾驶车辆在实际车路协同场景中遇到的挑战

- 基于 C-V2X 的车路协同自动驾驶关键技术与应用

- 车路协同硬件系统整体架构设计

- 车路协同自动驾驶车辆开发实时的运动控制算法

- 车路协同的云管边端架构及服务