点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 自动驾驶规划控制已经不再单单是逻辑兜底的岗位了。现在端到端、VLA的量产趋势下，传统规划控制的 生存空间正在慢慢被蚕食。。。 不少同学也表示，现在面试更看重规则算法+端到端的结合，两者缺一不可。 以下是最近一位打算转行同学的提问，非常具有代表性： 我想转行到自动驾驶规划控制岗位，研究生期间做过粒子群的无人机航迹规划，工作之后做的内容比 较传统。工作三年后还想换到自动驾驶行业。我给自己留了3-4个月准备时间，我刷了运动规划的课 程，我把C++ pimer和leetcode刷一遍，除此之外，请各位已经在自动驾驶规划控制的前辈指教，我还 需要学习什么？重点准备什么？非常感谢！ 自动驾驶之心邀请到规划控制算法专家宁远老师回答这个问题： 这个同学的问题非常好，很有现实意义。在我日常工作中，规则的算法作为兜底仍然是十分重要的。但坦 白说，这些东西已经是从业人员的基础了，诸如横纵联合、横纵解耦这些决策规划框架，一些基础的规划 算法（基于搜索/采样基于运动学等等），这些都已经是基本的面试要求了，面试中如果被问到答不上来会 很 ...

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 端到端对传统规控岗位的冲击 最近一年，以端到端自动驾驶技术为代表的智驾方案以摧枯拉朽之势席卷整个行业，其场景泛化能力与数据驱动 特性确实令人振奋。基于规则的规控方法设计复杂，且无法考虑到所有case，相关方案被逐渐替代，可以说端到 端在不断地冲击着传统规控，pnc岗位需求也开始慢慢减少。但端到端和pnc是零和博弈的关系还是相互依赖的关 系呢？ 两个方案的区别 传统规控依赖开发人员手动编写规则和逻辑来实现车辆的规划与控制，一般是在感知和轨迹预测模块后。包括 PID、LQR、MPC等经典控制算法，以及A star、Hybrid A star、Lattice Planner等路径规划算法。如果说优势， 那就是算法明确、可解释性强，适用于成熟稳定的应用场景。 端到端算法试图直接从原始传感器数据输出控制指令或轨迹，中间不经过复杂的中间步骤，去除模块化的信息损 失，模型可以直接感知整个空间的状态信息，从全局角度优化最佳值。 优缺点对比 1）端到端方案 端到端模型直接从传感器数据映射到控制指令，减少了传统模块化架构中的感知 ...