北京
傳統模塊化架構是一條逐級失真的傳遞鏈。感知丟細節、預測忽略交互、規劃妥協動力學——模塊各掃門前雪，誤差層層堆疊。L2+尚可應付，但面對人車混流、無保護左轉等復雜博弈，這套流水線從未被設計成“會開車的智能體”。
端到端是范式重構。一張神經網絡貫通傳感器原始數據至控制指令，系統首次為“整體最優”而學習。信息零損耗、模糊光影直接參與轉向決策；數據中習得類人博弈，無懼未見場景。這是目前L4跨越長尾的唯一路徑。
技術底座已然成型，BEV+Transformer成為端到端通用語言。特斯拉、華為、理想、小鵬等全速上車。端到端不再是“要不要做”的戰略選擇題，而是“如何做得更好”的工程生存題。
為此，深藍學院開設了《端到端自動駕駛理論與實踐》課程，旨在幫助學習者構建端到端自動駕駛的完整知識體系，通過四個層層遞進的實踐項目，實現從“模塊化思維”到“端到端系統思維”的升級，抓住自動駕駛技術迭代的核心機遇。
課程實踐項目介紹
項目demo：基于DriveTransformer框架的可視化展示
掃碼添加，了解詳情
本期名額告急，手慢無！
課程導師
張巍
自動駕駛高級算法專家
畢業于清華大學計算機系，深耕自動駕駛領域將近十年，兼具前沿技術探索與量產交付落地經驗。先后任職于 Momenta、阿里達摩院、百度 Apollo 等行業標桿機構，核心聚焦自動駕駛感知、端到端規劃、VLA（視覺-語言-動作）等關鍵領域。主導多項核心技術研發，推動BEV、OCC、端到端感知、端到端規劃等技術升級，探索VLA、RL等前沿技術在自動駕駛領域的應用，成果落地于 Robotaix、無人物流車、智能輔助駕駛等場景。
課程大綱
課程亮點
1. 體系化知識框架：貼合行業技術迭代節奏，構建端到端自動駕駛全鏈路知識框架，覆蓋BEV Encoder/Decoder、動靜態感知任務、Query-based/自回歸AR/Diffusion三大nnPlanner范式等核心技術，囊括了模型、訓練、數據、評測等研發全流程。 2. 理論與實踐結合：摒棄純理論講解，每個核心模塊配套“原理拆解+模型設計+代碼講解”三步教學，從論文思路到代碼實現逐步解析Transformer、BEV、Diffusion等關鍵算法的設計、實現與落地要點，學完可上手搭建端到端核心模塊。 3. 銜接行業新前沿：課程內容銜接VLA、世界模型、強化學習等前沿方向，建立新技術在自動駕駛領域的落地邏輯，匹配行業長期發展需求，提升職業競爭力。
課程收獲
全面掌握端到端自動駕駛的核心理論，理解感知與規劃的端到端融合邏輯，清晰認知自動駕駛技術發展路線與行業趨勢。
熟練掌握基于Transformer的BEV Encoder構建方法、動靜態感知Decoder設計、三大端到端規劃范式（Query-based/AR/Diffusion）的模型設計與訓練技巧；具備端到端多任務訓練方案設計、多階段模型訓練/微調、開環/閉環評測指標設計、數據清洗/分類/增強等工程能力。
建立端到端系統優化思維，能夠從“數據-模型-評測”全鏈路分析并解決自動駕駛技術問題，理解前沿AI技術與自動駕駛場景的融合邏輯。
具備端到端自動駕駛核心模塊的研發能力，適配車企、自動駕駛科技公司的算法工程師、研發工程師等崗位需求，為職業進階或技術創業奠定基礎。
適合人群
1.自動駕駛行業從業者
2.AI與計算機相關專業學生
3.端到端智駕技術轉型人員
課程服務
1. 三師助力
講師&助教及時答疑解惑，班主任全程帶班督學，幫你克服拖延，不斷進步。
2.定期班會
助教1V1批改作業，并在班會中進行講評和指導；在班會中，學習更多技巧；在交流中收獲更多思路。
咨詢更多
掃碼添加，了解詳情
本期名額告急，手慢無！
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
