理想汽车 CEO 李想发布全员信， 2023 年底落地端到端城市辅助驾驶，哪些信息值得关注？

一、理想汽车 CEO 李想发布全员信， 2023 年底落地端到端城市辅助驾驶，哪些信息值得关注？

本狐为知友们带来更多消息：

李想：2023年底落地端到端城市辅助驾驶

2023-01-29 17:01:57

《车市纵览》是车市物语旗下自媒体，始终关注海内外所有汽车企业。日前，理想汽车CEO李想致员工的内部信在网上曝光，其中提到城市NOA将会在2023年底开始落地。

李想表示，2023年软件2.0的技术产品落地将在中国正式开启。他所说的软件2.0，指的是机器学习人类（包含感知、决策、执行、反馈的闭环），云端训练算法，机器使用算法，机器服务人类。他还提到，在最重要的智能电动车领域，基于BEV感知和Transformer模型，实现端到端训练的城市NOA导航辅助驾驶（不依赖HDMAP）会在2023年底开始落地，这将是软件2.0对于物理世界改造的重要起点。

目前，理想L9、理想L8、理想L7均标配理想AD智能驾驶能力，其中导航辅助驾驶（NOA）基于高精度定位能力，可以实现自主超车、调速与出入匝道，目前该项功能主要应用在高速公路等相对封闭的道路上。而李想在内部信中所说的城市NOA导航辅助驾驶，将会面临更加复杂的路况条件和场景。

二、理想汽车创始人李想呼吁统一自动驾驶中文名称，以避免误解，你怎么看？

1，L1~L5对应起什么中文名重要吗？ 我觉得如同脱裤子放屁 。2，就用L1~L5这种数字量化不是更好？更容易让车主看到车企距离L5的差距，省得被忽悠。3，最重要的是销售告诉车主这个车是什么水平，自己的能力边界白纸黑字的写清楚，别整虚头巴脑的话术。4，按照销售圈定的能力边界，万一使用过程中发生事故，因为圈定的功能未达标导致的事故，车企负责所有的责任，即使走了车主的保险，车企也要补给车主。5，补给车主后，因为已经证明了能力不合格， 车企承诺把这部分“自动驾驶”对应的费用全额退给车主。

数字量化更清晰，不然为毛SAE整出L0~L5，现在何必又多此一举呢？除非是觉得L2距离L5看起来太遥远，还是想用文字来模糊能力边界。

三、秋招拿到中国重汽智能驾驶岗offer要不要？未来前景如何？以后想跳槽能去哪些企业？

看你自己背景，岗位不错，如果能去到智能驾驶是个机会的话就去吧，如果可以轻轻松松去到智能驾驶可以在考虑考虑其他的。

四、985车辆工程想往无人驾驶，智能车，车联网方向发展，大学期间应该具体自学哪些课程and知识?

我在北美读硕士期间开始零基础自学无人驾驶与深度学习，用了两年半的时间便拿到了北美奔驰自动驾驶Senior的职位，根据我自学的经验，我认为学习自动驾驶一定要先从大局出发，再找局部深入。这个问题下的有些回答都是让新手们一上来先学一堆工具，或者开始直接上手OpenCV, 抑或者直接开始硬啃autoware/apollo代码，个人认为是不可取的。因为自动驾驶很杂，很大，单车智能从算法层面一般包含着感知、定位、规划、控制几大模块，偏工程一些的岗位基本是仿真和特定的功能开发， 如果上升到多车则还涉及到V2X、协同驾驶等话题，每个模块都work自动驾驶才能玩得转。所以如果要做一个合格的自动驾驶工程师，首先要对整个系统有个大概的了解，同时对这些模块都有了一些理解后，你才能从其中选出一个最感兴趣的模块进行深入研究，成为该领域的专家。个人认为题主想要自学无人驾驶，可以大致分为三大阶段。注：本回答主要针对无人驾驶软件开发方向， 适用于大多数专业，以下提到的大部分课程本人都亲自上过一遍，质量可以保证。

第一阶段： 自动驾驶整体认知与基础知识储备

正如前文所讲，第一阶段首先是要对自动驾驶有个整体的认知，同时夯实自己的基础知识。所以这里我首先强烈推荐Udacity的一个课程（我在这里附上相关的课程代码） ：

这个课程虽然略贵，但是把感知、传感器融合、定位、规划和控制系统都cover了，而且每一章节都有相应的编程作业，整体比较硬核，很适合作为开篇。不过这个课程也不是一点基础也不需要，至少对python, C++与线性代数有一定的了解，如果你对这些没有了解，建议并行学习一下相关基础课程，这里我也给出了推荐：

Python课程：

网上有很多各种各样的python课程，我个人认为无论是什么python课程，你都没有必要从头学到尾，只要有个大概的概念，懂得基本用法就好，以后在实战中慢慢提升自己的代码水准。这里推荐一个B站的教程：

C++课程：

C++是一门你可能十年也没法真正“学完”的语言，它里面有各种各样花式的用法，入手难度是要大于Python的。所以，我认为在第一阶段懂得配置C++环境，大概了解Cmake机制，知道最基础的用法和一丁点高级用法足以。这里推荐Cousera上北大的课程，这门课讲的很清楚，也没有涉及过多复杂的东西，建议从头到尾上完。

线性代数课程：

线性代数基础在自动驾驶里面是至关重要的，这里推荐家喻户晓的MIT老爷子的线性代数课程，强烈建议从头到尾上完。

看到这里，可能会有小伙伴说，自己基础很差，上面提到的课程都要恶补，应该是什么顺序呢？首先python课程比较简单，基本一周（最多两周）就可以有大概理解了，接下来便可以Udacity的无人驾驶课程+线性代数并行学习，到了后面几章会涉及C++，那个时候可以再开始学习C++课程。

上述几门课程全都学完后，还有两门课程基本也是必学的，一个是深度学习基础，另外一个是ROS开发。自动驾驶许多模块都涉及到深度学习，所以理解深度学习基础知识，会使用基本框架很重要。同时但凡搞Robotics的，都必须会ROS（机器人操作系统），这里我也有推荐课程。

深度学习：

ROS:

ROS本身只是一门工具，没有必要投入过多时间学习，可以后面通过实战提升，所以我认为在这一阶段把官方tutorial过一遍即可。

第一阶段小结：

如果你的基础较差，这一阶段的学习尤为重要，如果没有这些基础知识的支撑，很难后面提升到一个较高的层次。一般来说这一阶段大概花费6-8个月的时间，但如果你的时间较为紧张，有一定的基础，压缩到4-6个月也是有可能的.

第二阶段： 实战训练+特定模块的进阶知识

到了这一阶段后，你对自动驾驶已经有了一个大概的认知，是时候选择一个特定的领域进行深入了。那么如何选择适合自己的领域呢？个人认为应该尽量抛开专业的限制，从兴趣+前景来选择。拿传统的车辆工程来说，一般课程设置十分广，但是都不深，大多数与自动驾驶最核心的软件开发无关，这个专业恐怕只有在控制方向相对有优势，但这样一来就限制很大了。

选好了你想深入的领域后，接下来就要做一些hands-on的项目，提高自己的实战水平。这一阶段找实战项目的方式有两个：第一个是找到相关领域的老师，在他的组下做项目。在老师底下做项目的好处是一般会有师兄师姐带，能有机会浏览大量的文献，写一定数量的代码，运气好的话还能发一两篇不错的论文，成为你以后拿面试的筹码。第二个是组队参加规模较大、较为正规的智能汽车相关的竞赛，这一种一般对你的工程能力的提升会有较大帮助。

在这一阶段除了多多实战外，还要同时注意增强你在你选择的领域的纵向知识。在这里我列了几个不同方向的优质网课，各位可以参考。

视觉感知方向

这一方向其实是属于计算机视觉的分支，所以对计算机视觉的基础知识要掌握牢固，这里有一个推荐课程讲的比较全，也有详细的编程作业：

另外OpenCV也要玩的比较熟，推荐LearnOPENCV这个网站，里面有很多免费的OpenCV C++教程：

如果想做3D Lidar，那对PCL库的使用也要较为熟悉。除此之外，做这一方向还需要大量阅读文献与开源代码，对yolo object detection, 经典的图像分割算法， 比较火的vision transformer等等都要有所了解。

定位建图方向

说到定位和建图，一本不得不读的神作就是高博的《SLAM十四讲》，虽然SLAM目前主要还是在室内场景用的较多，但是里面包含了许多任何定位方式都会用到的基础知识，包括基本的相机模型、状态估计、非线性优化、图像特征匹配、滤波器等等。其实无论任何方向，我都强烈刷一遍这本书：

另外Cousera有一门网课专门讲比较传统的状态估计与定位（例如GPS+IMU+KF做定位），也是值得一刷：

决策规划方向

虽然学术界有很多fancy的文章来用深度学习做决策规划，但是在工业界这一块领域还是rule-based为主，若要走这一块可以上一下cousera的Motion Planning网课，然后多多关注多伦多大佬 Raquel Urtasun（一个长得超级帅的女老师）的文章，她有很多这个方向很前沿的文章。

控制系统方向

这个可能是四大模块中我唯一没有怎么涉猎的模块，所以不能给出太多的意见。不过如果做学术想走这块要谨慎，有很多大佬告诉过我，这一块其实已经做的比较成熟了。

仿真方向

有不少工业界的大公司其实都有自己的仿真开发软件，但也有许多公司是基于开源的仿真软件。最近一段时间最流行的一款是CARLA仿真器，它支持自动驾驶全栈系统的开发，有环境渲染、传感器仿真，还可以制造交通流。如果对仿真特别感兴趣的，厚着脸皮推荐一下自己的系列课程：

如果想知道如何在CARLA里开发全栈系统，使用联合仿真，甚至开发多车协同，那么强烈推荐我自己刚刚开发的一套基于CARLA-SUMO联合仿真的软件架构——OpenCDA：

OpenCDA里自带感知、定位、规划、控制、V2X、协同变道、车队行驶的算法以及十几个测试场景，可以说搞懂了OpenCDA就等于搞懂了如何在CARLA仿真器里做完整的自动驾驶系统开发与场景测试。

其他的数学课程

无论你选择了自动驾驶哪个领域作为你的主攻方向, 这几門数学都是强烈建议上一下的。一个是凸优化， 另一个是概率课程。

第二阶段小结

这一阶段的核心在于提高你的上手能力，增加你在自动驾驶某一特定领域的知识深度, 一般来说需要大概一年的时间来做项目。

第三阶段 分水岭——找工向（实习+刷题）vs 读博向（Paper+暑研）

到了这一阶段，你大概已经进入了大三时期，这个时候你已经掌握了基础知识，并且实际做了些项目，此时最好做出个选择，是毕业后直接进入工业界工作，还是去读博深造，因为两者将会决定你接下来的两年该怎么过。

如果你是找工向，那从现在开始就要准备申请实习，同时加强自己的代码能力。有一点要记住，无论你是什么专业，只要选择自动驾驶软件开发方向，你都要按照CS学生的标准要求自己，所以刷题准备面试很重要！在开始刷题之前，基础的算法与数据结构一定要上，另外很多公司爱问并行相关的内容，也一定要记得上一下，这里推荐两门相关课程：

LEETCODE怎么刷我只有一个建议：尽量用C++完成所有的题目，因为搞自动驾驶十分看重你C++的技能。其他的方面我就不给予建议了，网上有很多教程。在你刷题的同时也可以开始找实习了，优先找内推，其次海投。

如果你铁了心想去读博，那么要首先了解一个残酷的现实：现在自动驾驶方向博士申请十分惨烈，我在申请博士时已经有了三年大厂工作经验，6篇论文，本硕背景也比较正统，还有一定的connection, 依旧是有许多拒信。现在申请博士各方面指标的重要排序是：Connection >> Paper > >其他指标。所以针对这一点，你在这一阶段要尽最大的努力找到去大牛实验室做研究的机会，好好表现自己，争取发出论文，就算大牛不留你下来，也愿意给你写推荐信，这个真的是至关重要。

总结

总结一下，我个人认为想成为一个优秀的自动驾驶软件开发工程师，需要满足以下几点：

• 对自动驾驶的核心模块有全面的了解
• 拥有良好的编程能力（尤其是C++与python)
• 有着不错的数学基础
• 在自己的擅长领域(例如决策规划、感知）有深度研究与开发经历
• 保持一颗热爱学习、无畏直前的赤子之心

祝题主和各位想入行的小伙伴们一切顺利！