都在搞端到端了，传统轨迹预测还有搞头么？
2024年各家新势力都在搞端到端了，模型直出自车规划结果。轨迹预测作为模块化方法的中间组件，未来会不会被干掉？或者说轨迹预测有没有核心竞争力？
我们先从轨迹预测的定义出发，任务定义是给定障碍物的历史运动状态，结合道路的拓扑约束对障碍物的未来轨迹进行预测。上承感知输出，下接决策规划，需要对上下游有着深刻的理解。其且其约束的构建本质上来说，是运动学+道路拓扑。
基于深度学习的方法是会将障碍物历史信息与图信息全部输入进网络进行多模轨迹输出。而多模态轨迹进行后处理会存在一些难点。但从端到端的表现层面来看，基于规则的PnC如果强依赖单模预测，则对于防御性减速，刹车体感的连续性等问题，处理难度会较高；但如果利用多模attention轨迹，则会存在耗时/场景爆炸的问题，撕裂感较重！此外当前轨迹预测的发展已不再局限于自身，在端到端的大趋势下，轨迹预测也正朝着联合预测（轨迹预测+决策规划）的方向发展。
一方面，针对轨迹预测中挑战性最大的联合预测任务，传统的边缘预测模型输出的结果常常会出现轨迹之间相互冲突的情况，导致下游的决策规划模块难以实际利用预测结果。而联合预测可以耦合轨迹预测及决策规划，但是目前业界尚未有成熟的联合预测解决方案，几乎所有现成的模型预测性能较差，难以实用。
另一方面，传统的预测方式仅基于交通场景的历史信息来预测未来的可能性，这种预测方式是与下游的规划解耦的，然而在实际中预测和规划是耦合的，预测会受到规划的影响，规划也会受到预测的影响，因此实际使用中会收到种种掣肘。
为什么要做小班课程?
前面自动驾驶之心已经推出了《轨迹预测理论&实战课程》，虽然讲的范围比较广，但很多同学也提出了问题：
课程的内容相对比较基础，能不能详细讲一讲轨迹预测研究的深水区内容？有哪些算法适合研究？又有哪些算法能实际落地?
大班课的内容我已经学明白了，下一步如何学习？有没有大佬指指方向？
有没有更面向量产的实战，实际公司都用的项目？
实习面试被怼没有拿的出手的项目...只是开源代码跑通而已，自己一个人学习也没有头绪。导师不让我出去实习，简历上没有能打的项目。
面试的时候不知道怎么突出自己，自动驾驶公司都要求啥？公司真正需要的是什么?
有没有那种能够指导面试和修改简历的？
... ...
为此自动驾驶之心联合国内首个面向工业级自动驾驶轨迹预测课程的老师Thomas和Paul，进一步推出了《面向就业的轨迹预测小班课程》。课程只有一个目的：
实际工作用什么，我们就教什么!领域前沿往哪儿发展，我们就讲什么！实际量产遇到什么痛点，我们就解决什么问题!实际面试什么是亮点，我们就分享什么！
更重要的是，本课程重点的两个工程项目，可以直接写入简历！直接写入简历！！直接写入简历！！！如果你没有相关实习经验，或者简历上没有特别亮点的项目，一定不要错过秋招前最后的上车机会。
这门课能有什么收获？
不同于前面的轨迹预测类的大班课程和论文带读课程，本课程招收学员不超过50人，50人后直接关闭订阅。主打一个保姆级陪伴与教学，真的能够解决大家问题，关注大家的各类疑问，学完对标2年算法工程师经验。
不仅仅关注技术学习，我们后期还会花时间在辅导求职上，包括修改简历、模拟面试、推荐工作机会等，一步一步助力大家拿到offer。
直接面向就业的项目实战，丰富你的简历；
专业面试官直击面试痛点，打磨你的能力；
对轨迹预测领域有着更高层级的理解，尤其是轨迹预测及决策规划联合预测方向，从普通迈向高级；
学员完成学习之后，更有机会直接推荐简历至主流自动驾驶公司；
能够具备构建自己场景下轨迹预测模型的能力；
能够掌握真实自动驾驶场景中的算法改进，解决量产遇到实际系统性的问题；
能够洞悉轨迹预测领域发现问题和解决问题的能力；
提供本项目主要代码和运行环境；
学完能够达到2-3年轨迹预测算法工程师经验；
我们将会怎么做这门课？
我们准备在vip群内直播+录播传授，并保留录播视频，后期加密提供给vip学员反复学习。七月底正式开课！本课程适用于有一定实习/工作基础的同学，不是面向纯小白！如果对基础不是很了解的话，欢迎学习我们的《轨迹预测理论&实战课程》，为了回馈大家的支持，购买本就业课程，直接免费送给大家一套基础课程。
本课程会基于Python语言作为主要开发工具，需要您具备一定的编程基础。所有代码将会开放给课程学员，也希望大家可以在此基础上继续优化。
注：对于有意向参与本次就业小班课的学员，需要学员准备一份个人简历，老师会根据简历判断学员是否符合课程招收标准。
群内是怎么交流的？
针对小班课，我们将采用如下方式同大家交流答疑：
文字与线上会议答疑、模拟面试与复盘等服务（服务时长：开课后2.5~3个月）；
不提供服务器，只提供容器环境；
授课完成后，根据需要组织1-3次线上答疑服务；
轨迹预测小班课程大纲
小班课完整版大纲如下：
第一章：轨迹预测基础回顾
第一章介绍：本章老师会带领大家全面复盘整个轨迹预测的基础。从基本概念开始，到交通场景表征、场景编码模块、轨迹解码模块，再到GNN及PyG的介绍。任意一家公司面试都会涉及到基础能力的考查，考查的形式是多种多样的，但万变不离其宗。这一章Thomas老师会重点带着大家建立规划控制领域整体上的概念，抓大放小，搭建全局视野。内容主要包括：
第二章：多障碍物联合预测实战
第二章介绍：本章会介绍轨迹预测中挑战性最大的联合预测任务。传统的边缘预测模型输出的结果常常会出现轨迹之间相互冲突的情况，导致下游的决策规划模块难以实际利用预测结果。为了得到从整个场景的角度而言自恰的预测，联合预测任务应运而生。然而，目前业界尚未有成熟的联合预测解决方案，几乎所有现成的模型预测性能较差，难以实用。本章将深入剖析联合预测任务在实际中的几大难点。针对这些难点，本章将手把手带领大家从理论以及代码层面理解目前最先进的联合预测模型QCNeXt的设计思路。学完本章，大家将对轨迹预测领域有更深层次的认知，并掌握或许是目前全业界唯一一个能用的联合预测方案的核心技法，真正做到遥遥领先！内容主要包括：
第三章：面向交互的预测实战及ML Planner
第三章介绍：本章会从与自车交互的角度去看待轨迹预测问题。交互式的预测不仅要考虑预测目标，还需要全面分析预测目标和自车的相互影响以及他们未来轨迹的一致性。传统的预测方式仅基于交通场景的历史信息来预测未来的可能性，这种预测方式是与下游的规划解耦的，然而在实际中预测和规划是耦合的，预测会受到规划的影响，规划也会受到预测的影响。本章将深入剖析如何将预测和规划有效地链接在一起以及面向交互的预测在实际应用中的几大难点。针对这些难点，本章将手把手带领大家从理论以及代码层面理解目前最先进的交互式预测模型的设计思路。此外本章还会介绍基于模仿学习的ML Planner。传统的rule-based Planner依赖于预定义的规则和逻辑，然而很难用规则遍历所有可能的交互场景。而ML Planner使用大规模的驾驶数据集来训练模型学习专家驾驶员的行为，使其能够在复杂的驾驶环境中做出类似于人类的决策。学完本章，大家将对交互式预测、预测和规划的链接以及ML Planner有更有更深层次的认知。内容主要包括：
本章项目更是直接击中业内招聘痛点！
第四章：落地部署
第四章介绍：本章将深入探讨轨迹预测模型和ML Planner在实际部署中的会遇到的关键挑战。我们将从数据处理、模型优化，再到模型文件的转换等多个环节进行详细分析。首先，本章会介绍如何构建对业务场景有意义的数据，以提升模型在关键场景下的表现。接下来，我们会讨论如何简化和优化当前学术界中先进却复杂的预测模型，使其能够在车载系统中高效运行，满足实时预测的需求。此外，本章还将介绍如何将模型转换为可部署的文件，从而实现模型在车端的轻量化部署和稳定运行。通过本章的学习，大家将对预测模型在实际业务场景中的应用有深的理解，为技术落地打下坚实的基础。内容主要包括：
第五章：轨迹预测岗位面试辅导
本次课程是直接面向秋招和实际工作的，自然离不开岗位面试的辅导。针对轨迹预测岗位，业内公司都有哪些？未来轨迹预测的发展方向是什么？简历如何突出亮点内容？该如何准备面试？面试过程如何引导面试官提问？需要规避哪些坑？有何有效总结和复盘面试？两位老师作为业内资深算法专家及世界顶尖博士，在这个章节会结合自身作为面试者和面试官的经验，切实传授岗位面试的技巧。并且会有专门一场模拟面试带大家实操，形成技术到面试的闭环！此外针对每位报名学员，老师会提供专业的简历模板，并为每位学员提供一次免费的简历修改指导！内容主要包括：
附加服务
更进一步，我们为课程学员准备了价值一千元以上的附加福利：
附加服务
- 简历修改（首次免费），价值500元；
- 赠送《轨迹预测理论&实战课程》或任一课程满减券，价值500元；
- 一对一付费咨询/模拟面试
- 可推荐就业公司及城市讲师介绍
Thomas老师，CS 世界排名top20顶级名校，曾获得Argoverse motion forecasting SOTA。现任业内某大厂高级预测决策算法工程师，负责预测决策框架的设计和优化，精通数字驱动的预测决策领域的各种处理方法和技巧，欢迎大家一起交流学习。
Paul老师，博士毕业于世界排名前五十海外名校，曾在多项自动驾驶国际大赛名列前茅，Argo和Waymo 的SOTA。现任某智驾头部公司预测决策算法工程师，负责研发下一代数据驱动型预测决策算法框架，精通轨迹预测、行为决策等任务的模型设计，欢迎大家共同学习进步。
两位老师开发了国内第一门面向自动驾驶量产的轨迹预测理论与实战教程，学员近200名，备受好评！
适合人群
车辆工程、自动化、汽车电子、计算机科学、软件工程、轨迹预测等相关专业研究方向的本科/硕士/博士；
自动驾驶轨迹预测相关算法工程人员；
想要转入自动驾驶轨迹预测算法的小伙伴；
正在找工作的实习/校招/社招群体；
本课程需要具备的基础
学员最好具备以下基础：（基础薄弱也能参加，老师会将学习内容纳入指导范围，力求最快速度上手，但不对以下内容做详细指导）：
具有一定的编程基础：Python；
一定的高等数学、线性代数和矩阵论基础；
掌握常见的轨迹预测基础算法及模型部署知识；
具有一定的实际工程经验；
注意事项
小班课重点关注工程应用能力和对自动驾驶轨迹预测前沿&落地算法的理解，力求学员具有实际项目面向求职市场需求。针对项目代码，会对代码模块和细节会展开介绍，但不会逐行详细讲解代码！
网上已有大量的开源项目和理论基础资料，两位老师会选择合适的资料辅助讲解，为学员提供轨迹预测优化的细节，目标只有一个：让学员具备解决复杂问题的思路，掌握实际量产工作的能力！
学员在正式开课一周内仍可对导师的专业性/负责程度提出质疑，提供证据并申请全额退费。在这种情况下，自动驾驶之心核实后可全额退款！
开课时间
7.29正式开课，8-10节课，每节课2小时，线上答疑2-3次。
咨询课程
微信扫码加入学习课程
原价4999，早鸟立减1000
咨询小助理了解更多
版权声明
自动驾驶之心所有课程最终版权均归自动驾驶之心团队及旗下公司所属，我们强烈谴责非法盗录行为，对违法行为将第一时间寄出律师函。也欢迎同学们监督举报，对热心监督举报的同学，我们将予以重报！
投诉微信：AIDriver004(备注：盗版举报)
，时长0
45
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
