从集市回去时总觉着不尽兴，想在平安夜喝杯热红酒，想着去安亭老街碰碰运气，竟找到一家。里面年纪约莫五十网上的叔叔阿姨们拿着麦，唱的蛮好的。我唱着毛不易的消愁和盛夏，和叔叔们唱着夜半小夜曲和光辉岁月，啥都没想，特别开心
然后店里的抽奖活动，我消费 51，抽了张 1599（分十次用完）的券，很惊喜。回家之后看大家的 2023 年终总结到了现在，希望今年的年终总结能真正在今年结束前写完。但我很苦恼的是，去年的年终总结（https://muyun.work/2022-summary.html 糊里糊涂的写了一万多字，无形之中拉高了门槛🤣。今年就随便写写吧
然后店里的抽奖活动，我消费 51，抽了张 1599（分十次用完）的券，很惊喜。回家之后看大家的 2023 年终总结到了现在，希望今年的年终总结能真正在今年结束前写完。但我很苦恼的是，去年的年终总结（https://muyun.work/2022-summary.html 糊里糊涂的写了一万多字，无形之中拉高了门槛🤣。今年就随便写写吧
https://mp.weixin.qq.com/s/vF0JXs5-qyagIaI-qM62Qg
写的蛮好的，芯片厂商打造一个算法样板间是必要的。
虽然我司这投入感觉不像是只想做样板间的，硬件和算法的钱都想挣的话，如何引入算法公司心甘情愿地做算法呢。
我们内部也在犯愁，引入合作伙伴是有利于扩大生态，但是自己做算法就有相当于要和合作伙伴去竞争，最终的归宿是啥呢，内部再孵化出一个算法公司吗。大佬们的逻辑我反正没想通
写的蛮好的，芯片厂商打造一个算法样板间是必要的。
虽然我司这投入感觉不像是只想做样板间的，硬件和算法的钱都想挣的话，如何引入算法公司心甘情愿地做算法呢。
我们内部也在犯愁，引入合作伙伴是有利于扩大生态，但是自己做算法就有相当于要和合作伙伴去竞争，最终的归宿是啥呢，内部再孵化出一个算法公司吗。大佬们的逻辑我反正没想通
Weixin Official Accounts Platform
如何看待地平线组建算法团队、跟生态伙伴“抢客户”？
算法公司跟地平线的博弈，也符合“墨菲定律”。
分享一段产品沉思录的度量实验，有关内部共鸣和外部共鸣。是一个度量自己创作的指标，我也愈发的感受到创作内容有时候是为了自己的愉悦，有时候是为了让别人看见。这个认可是自己给的还是他人给的，会有不一样的情绪和反应。今年我每创作一些东西也想按照这个标准评价一下，能够有更清晰的认知
内部共鸣：
1. 写作和发表这篇文章的感觉如何？
2. 它是否让我感到生机勃勃，无论是智力上还是肉体上？
3. 是不是感觉只有我才能创造出来的东西？
4. 我现在的感觉是真的吗，我会变成什么样？
5. 这篇文章的内容对我的内心深处有影响吗?
6. 在所有关于我认为我应该成为什么样的人和我应该做什么的文化故事之下？
外部共鸣:
1. 人们如何反应？
2. 我触动你的情绪了吗？
内部共鸣：
1. 写作和发表这篇文章的感觉如何？
2. 它是否让我感到生机勃勃，无论是智力上还是肉体上？
3. 是不是感觉只有我才能创造出来的东西？
4. 我现在的感觉是真的吗，我会变成什么样？
5. 这篇文章的内容对我的内心深处有影响吗?
6. 在所有关于我认为我应该成为什么样的人和我应该做什么的文化故事之下？
外部共鸣:
1. 人们如何反应？
2. 我触动你的情绪了吗？
周六要招待同事来家里，还不知道该做些什么。虽然租了一百平的房子，但是这半年还没有招待过很多人。校招培训结束后和一帮校招的朋友们来家里喝酒了一次，当时开瓶器都没有，也没有纸杯，还好大家不嫌弃，伴着乐队的夏天喝酒聊天
希望这周有个快乐的周六！大家有推荐的玩法吗，六七个人吧，想的是做点饭招待大家，然后喝喝酒聊聊天啥的，看电影和综艺貌似是没有那么适合
希望这周有个快乐的周六！大家有推荐的玩法吗，六七个人吧，想的是做点饭招待大家，然后喝喝酒聊聊天啥的，看电影和综艺貌似是没有那么适合
今天开工，园区食堂放的歌特别特别耳熟，哼到结尾的舒傲寒才想起这是马頔的《傲寒》。这是高三反复听的歌，当时是个多么单纯的人啊
现在听的是啥呢，陈奕迅的低吟，乐队的怒吼，是爱而不得，控诉世界。高中时代就这样过去十年了
现在听的是啥呢，陈奕迅的低吟，乐队的怒吼，是爱而不得，控诉世界。高中时代就这样过去十年了
历史沉淀下来的言论一大部分都是概率性的，比如“母弱出商贾 父强做侍郎 族旺留原籍 家贫走他乡”，这或许是作者在回顾了大部分的历史和过往之后得出的结论，只是说做出这个决策后，安稳的概率大一些，但到底有多大呢，没有准确的统计学定论。
在我看来，我可以粗暴地用二八定律去套这件事情。这个决策有 80% 的概率能让你过的安稳，所以大部分人就接纳了这个安稳的路线。而另外 20% 中认知较为叛逆的人里面，又只有 20% （整体的 4%）的人能够有执行力去做出这件事情。
接纳这个认知，做出这个动作，已经是 4% 的门槛了，而这 4% 逆潮流的人里面，又有一层一层的选择和决策让你去从众或者反共识，所以最终塑造出来的人就像是二叉树里面的叶子节点，大家经历都不一样，而到底哪边的叶子节点能够是普世意义上的成功呢，而哪边的叶子节点能够自洽感受到幸福呢
好想拥有上帝视角去看看统计的结果，去看看这个二叉树到底长什么样
在我看来，我可以粗暴地用二八定律去套这件事情。这个决策有 80% 的概率能让你过的安稳，所以大部分人就接纳了这个安稳的路线。而另外 20% 中认知较为叛逆的人里面，又只有 20% （整体的 4%）的人能够有执行力去做出这件事情。
接纳这个认知，做出这个动作，已经是 4% 的门槛了，而这 4% 逆潮流的人里面，又有一层一层的选择和决策让你去从众或者反共识，所以最终塑造出来的人就像是二叉树里面的叶子节点，大家经历都不一样，而到底哪边的叶子节点能够是普世意义上的成功呢，而哪边的叶子节点能够自洽感受到幸福呢
好想拥有上帝视角去看看统计的结果，去看看这个二叉树到底长什么样
关于端到端自动驾驶的几个问题
1. 端到端自动驾驶是什么
端到端感知：输入是图像和传感器的数据，直接输出速度、tracking 结果，避免 Rule-based 的测速测距
感知到 Planning 的端到端：输入是图像和传感器的数据，直接输出方向盘、油门刹车的控制信号
而端到端又分为显式端到端和隐式端到端，显式端到端指的是类似 UniAD 那种有中间的感知结果输出的，可以用于 HMI 以及排查 corner case，隐式端到端指的是不输出中间结果，直接出控制信号，会更加的黑盒
以下讨论的感知到 Planning 的端到端，包括显式端到端和隐式端到端
2. 关于 UniAD
在 2023 年，UniAD 获得了 CVPR 2023 Best Paper，虽说不算是众望所归，但也给自动驾驶行业的人注入了一剂强心剂，但国内对 UniAD 的褒贬不一。这种褒贬不一不仅仅体现在感知预测规控各个人群独立的视角上。还体现在自动驾驶领域学术界和工业界的 gap，工业界的迭代远大于学术界，corner case 也远多于学术界。论文里面的各个模块其实是自驾团队都会去做的事情，所以将这些串起来做端到端的创新性看起来确实没有那么革命性，故事确实讲的蛮好。并且自驾团队都很看重落地性，因为预研的技术是要落到实车上才能最终体现价值。但论文里面没有提供实车数据（不包含 nuScenes）的数据和 demo，所以令人遗憾吧。还有 Planning 出身的同学经常诟病的一点是：端到端模型可解释性差，而 UniAD 又只放了开环评测的结果，所以实际效果难以令人信服
3. 关于 Tesla 的端到端
国内自动驾驶总体还是 follower，从业者都非常关注每年的 Tesla AI Day 或者 Tesla 相关的技术报告。在感知范式、预测、规划、基建上都会有新启发。个人是做感知方向的，所以见识了 BEV、Occupancy 的技术路线一经发布，在学术界卷起的新浪潮。所以在自动驾驶领域，我个人感受到的还是工业界在推着学术界往前进，而目前来看 Tesla 在这方面应该是毫无疑问的 leader。而在 2023 年，Tesla 的新话题包含 World model 和 E2E，注定会成为未来几年的热门话题。但一众媒体宣扬的 2024 年是大家比拼端到端的一年，我感觉今年的智驾节奏顶多是放 端到端的 demo 出来，端到端模型的真正实车还很远
1. 端到端自动驾驶是什么
端到端感知：输入是图像和传感器的数据，直接输出速度、tracking 结果，避免 Rule-based 的测速测距
感知到 Planning 的端到端：输入是图像和传感器的数据，直接输出方向盘、油门刹车的控制信号
而端到端又分为显式端到端和隐式端到端，显式端到端指的是类似 UniAD 那种有中间的感知结果输出的，可以用于 HMI 以及排查 corner case，隐式端到端指的是不输出中间结果，直接出控制信号，会更加的黑盒
以下讨论的感知到 Planning 的端到端，包括显式端到端和隐式端到端
2. 关于 UniAD
在 2023 年，UniAD 获得了 CVPR 2023 Best Paper，虽说不算是众望所归，但也给自动驾驶行业的人注入了一剂强心剂，但国内对 UniAD 的褒贬不一。这种褒贬不一不仅仅体现在感知预测规控各个人群独立的视角上。还体现在自动驾驶领域学术界和工业界的 gap，工业界的迭代远大于学术界，corner case 也远多于学术界。论文里面的各个模块其实是自驾团队都会去做的事情，所以将这些串起来做端到端的创新性看起来确实没有那么革命性，故事确实讲的蛮好。并且自驾团队都很看重落地性，因为预研的技术是要落到实车上才能最终体现价值。但论文里面没有提供实车数据（不包含 nuScenes）的数据和 demo，所以令人遗憾吧。还有 Planning 出身的同学经常诟病的一点是：端到端模型可解释性差，而 UniAD 又只放了开环评测的结果，所以实际效果难以令人信服
3. 关于 Tesla 的端到端
国内自动驾驶总体还是 follower，从业者都非常关注每年的 Tesla AI Day 或者 Tesla 相关的技术报告。在感知范式、预测、规划、基建上都会有新启发。个人是做感知方向的，所以见识了 BEV、Occupancy 的技术路线一经发布，在学术界卷起的新浪潮。所以在自动驾驶领域，我个人感受到的还是工业界在推着学术界往前进，而目前来看 Tesla 在这方面应该是毫无疑问的 leader。而在 2023 年，Tesla 的新话题包含 World model 和 E2E，注定会成为未来几年的热门话题。但一众媒体宣扬的 2024 年是大家比拼端到端的一年，我感觉今年的智驾节奏顶多是放 端到端的 demo 出来，端到端模型的真正实车还很远
https://muyun.work/e2e.html
写了篇端到端自动驾驶的 Blog，其实去年五月入职读了 UniAD 时候就想写了，但当时理解还不深。趁着最近自己业务调整，分了部分人力去做端到端的落地，写一些粗浅的理解。明天再找学长和 mentor 讨论和完善一下。好久不写技术文章，发现口水话太多了，个人博客里面就先这样吧，等后面发知乎的时候再润色润色，该睡觉了！
写了篇端到端自动驾驶的 Blog，其实去年五月入职读了 UniAD 时候就想写了，但当时理解还不深。趁着最近自己业务调整，分了部分人力去做端到端的落地，写一些粗浅的理解。明天再找学长和 mentor 讨论和完善一下。好久不写技术文章，发现口水话太多了，个人博客里面就先这样吧，等后面发知乎的时候再润色润色，该睡觉了！
当谈论端到端自动驾驶的时候，到底在谈论些什么 - Muyun99 的杂谈
端到端自动驾驶目前尚不成熟，但作为今年的各家厂商必争的领域，写一些自己的理解
刚下班回家，从周三开始，上海又晴朗起来了，我又开始了骑行通勤，骑行通勤的好处是可以顺带听些播客，这几天听了苏东坡和程行甲，一个是仕途不顺在逆境中沉浮，一个是仕途平坦但毅然出走，都是很有思想很乐观的人，今年还是得把《在峡江的转弯处：陈行甲人生笔记》给读了！