limit 发表于 2021-7-13 23:59
无人驾驶其实背后搞的是传感器，还有卫星导航，以及各种结合传感器的算法(譬如卡曼滤波，粒子滤波)。这些 ...
gps，滤波之类的技术已经比较成熟了也比较老旧。这波自动驾驶本质还是基于相机，激光雷达之类的图像算法。我比较悲观，觉得自动驾驶达不到L5级别，但即使L3L4也确实是很有发展前景的
长汀烧大块 发表于 2021-7-14 08:20
我也是机械专业，准备走图像处理这个方向的（没办法，传统机械真的式微了）
马上要做的毕设是工业图像处理 ...
加油加油，尽量多搞C++，提高下工程能力，我就是吃了这个亏，现在找工作才会这么被动{:9_516:}
Alewild 发表于 2021-7-14 10:11
是的。就是想让楼主放下压力，合同上签字也并不是一定要去。有好的面试就去参加。
感谢老哥，面试还是会去的{:9_518:}
卖切糕的 发表于 2021-7-14 09:23
这个小公司其实发展还蛮好，有20多年的历史了，工程师给我看了他们的医疗软件，确实是不错的。所以我觉得 ...
作为德国本土小企业，能给毕业生5万其实算是比较有诚意(4万的都有)和实力的了。薪资方面确实跟大企业，尤其非德国本土大企业没法比。但作为补偿，如果老大有资源，一般能通过干活很快共享老大的资源，职场低开高走，但这很考验个人主观能动性，会比较累，小公司养不起闲人。
大公司一般也就只能是螺丝钉的角色，好处是平台好，自身利益有保障。坏处是，舒适区呆久了，容易成为被温水煮的青蛙。但只要自己保持警惕，其实温水青蛙完全可以避免的，还能随时向下兼容。
说起无人驾驶，AI，只是您入职那几大车企，几大500强德企的噱头，进去了就能养老啦。因为这块还在招人，招人条件也相对不怎么苛刻。这种级别的企业，都是一个萝卜一个坑，位置有限，竞争激烈，还得照顾各种关系户，乘着风口进去了也就进去了。
1. 看情况。小公司可以去，但是有更好的平台还是选择其他的。在有些情况下：比如想进入特定行业，毕业生第一份工作找工作障碍签证问题，或者个人原因被局限在特定区域，可以选择。需要记住的是，一旦有了经验（工作第二年）你拥有的议价权会比第一年好很多，并且因为已经有了信息渠道所以再往上走相对容易。
2 不好回答，不是同专业
3 你可以先签合同，然后再面试其他，如果入职前又有了更好的选择可以炒了已经拿到的Offer，法律上没有后果，可能产生的问题是同一家工作在短时间内想在回去会有问题（不过已经有了大公司的offer，这似乎不是什么大问题）
卖切糕的 发表于 2021-7-14 09:33
gps，滤波之类的技术已经比较成熟了也比较老旧。这波自动驾驶本质还是基于相机，激光雷达之类的图像算法 ...
俺稍微剧透一点吧。
gps，滤波确实是老技术，但已经成功应用在产品上，并大量投入市场兑现了。目前要做的就是不断优化算法，调整参数等，来提高计算精度及速度，降低硬件成本和制造成本。博世的定位系统精度已经达到cm级别了，还在优化中。
L5,还有很长路要走，所以投入的研发资金会很多。
另外技术研发跟市场投入量产是完全两个概念。看着德国车企电动和无人驾驶没动静，他们只是没有投入生产，但并不意味着没有投入研发。事实上，我们单位做的这类车企的专利代理，可以说这些企业已经到了不计成本的地步了。而传统内燃机，各种支出被卡得很严。。。
前面有同学说，谷歌无人驾驶不好。谷歌压根儿不造车，没车搞无人驾驶就是空中楼阁，没地基的房子。德国车企的策略就是，一边造着内燃机车，一边研发着无人驾驶电动车，等技术成熟了，再量产。
为什么说谷歌搞无人驾驶就是空中楼阁?
因为无人驾驶的控制对象是车，确切说是由车的各零部件组成的各系统，以及各系统传感器各种工况的实时数据和历史数据。这些只有传统车企有。有了这些，才能数学建模，才进一步，谈得上(无人)控制。
卖切糕的 发表于 2021-7-14 10:33
加油加油，尽量多搞C++，提高下工程能力，我就是吃了这个亏，现在找工作才会这么被动
谢谢，C++没怎么接触，我目前还在研究python
工程能力是什么呢，你指的是编程能力吗
limit 发表于 2021-7-14 11:13
俺稍微剧透一点吧。
gps，滤波确实是老技术，但已经成功应用在产品上，并大量投入市场兑现了。目前要 ...
原来是业内人士，班门弄斧了。如果是这样的话自动驾驶还真是蓝海，不过我还是再等等看，等到有大规模应用了，估计那时候工作岗位也会变多，无论如何还是得靠大佬开荒，我等小弟才能跟着喝肉汤啊。
长汀烧大块 发表于 2021-7-14 11:29
谢谢，C++没怎么接触，我目前还在研究python
工程能力是什么呢，你指的是编程能力吗
嗯嗯，对的编程能力，还有一些基础info知识，比如数据结构和算法是最重要的，其他的像面向对象，C++的一些基本特性之类的也要掌握。最重要的还是在实践中学习，有一个漂亮的项目经验是很加分的，当然也要看你的职业规划，我在做AI算法的时候完全没用到C++，仅仅用了python以及相关的深度学习框架，这是非常错误的。虽然后面赶紧自己搞了一个小项目，可也是和图像处理这块完全不搭边。真正的企业中项目开发是要考虑实际应用部署的，而这些python就无能为力了。除非你以后读博做科研，否则C++是刚需。
净空师太 发表于 2021-7-14 11:01
1. 看情况。小公司可以去，但是有更好的平台还是选择其他的。在有些情况下：比如想进入特定行业，毕业生第 ...
多谢回答{:9_526:}，我的想法也是这样，作为应届生，尤其还是转行的应届生，第一份工作真的很困难，先积累经验，之后再考虑，打铁还需自身硬啊。
卖切糕的 发表于 2021-7-14 10:41
原来是业内人士，班门弄斧了。如果是这样的话自动驾驶还真是蓝海，不过我还是再等等看，等到有大规模应用 ...
可以先关注起来，如果想在德国发展的话，以您的专业背景
造车方面的无人驾驶，医疗器械方面的微机加工，工业中的各种传感器(也就是Zeiss做的)都很有前景。
德国的优势是工业和硬件。跟其他国家大厂民用商用领域的软件应用还是有很大区别的。
本帖最后由 长汀烧大块 于 2021-7-14 12:02 编辑
卖切糕的 发表于 2021-7-14 11:49
嗯嗯，对的编程能力，还有一些基础info知识，比如数据结构和算法是最重要的，其他的像面向对象，C++的一 ...
唉怎么说呢， 当初学机械，就是因为编程能力不太行才选择的，如果最终还是要做码农，那还不如一开始学Info或者至少学个ET呢... 这个也涉及到未来职业规划，扯远了。。
我选择图像处理也是因为我们学校的机械有这个方向，还有就是我初步接触下来感觉图像处理比较偏算法和应用，而不是编程，很多算法程序都已经有开源的库比如openCV，所以主要是理解算法本质，还有就是如何将图像处理应用在实际问题上(医学/工程等)。这是我现阶段作为入门者的看法，还望前辈指点一下，不知道这个认知对不对
limit 发表于 2021-7-14 10:13
俺稍微剧透一点吧。
gps，滤波确实是老技术，但已经成功应用在产品上，并大量投入市场兑现了。目前要 ...
谷歌从来就没想过造车，就像搞安卓也没想过造手机。pixel是后来的事情，有点像microsoft整surface，给各大厂商一个指导样机。早你这么分析，安卓就是最大的一个空中楼阁
人工智能最大的问题在于，怎么从99%到100%，换句话说，不管你准确度多高，只要不是100%，就有risk，需要risk management，虽然人眼/人脑也有可能犯错，但是这个我们都默认人并不会主观“看错”
limit 发表于 2021-7-14 10:26
为什么说谷歌搞无人驾驶就是空中楼阁?
因为无人驾驶的控制对象是车，确切说是由车的各零部件组成的各系统 ...
作为自动驾驶系统，只需要”相信”底层汽车能够返回正确数据，就可以建模了，不需要自己去造车
shrek_munich 发表于 2021-7-14 11:26
作为自动驾驶系统，只需要”相信”底层汽车能够返回正确数据，就可以建模了，不需要自己去造车
只需要"相信"底层汽车返回正确数据? 这，跟您说的risk控制正好是冲的
举个简单例子，卫星信号多径效应。一辆高速公路行驶的(无人驾驶)车经过路标时接受到的信号会产生多径效应，导致车的行驶轨道突然发生变话。以上只是举例，像这种不按高斯分布的随机干扰，有N多种。不造车N多年的，想都想不到的
本帖最后由 limit 于 2021-7-14 12:28 编辑
shrek_munich 发表于 2021-7-14 11:25
谷歌从来就没想过造车，就像搞安卓也没想过造手机。pixel是后来的事情，有点像microsoft整surface，给各 ...
车跟手机的最大区别在于
无人驾驶会发生很多不可测的，不按高斯分布的干扰变量。而这些干扰变量会影响各传感器采集数据的误差，导致控制失误。另外，各类传感器自身的offset，随温度及老化程度不断变化，还有各车的各零部件的物理性能根据供货商不同也都不同。
说简单点，无人驾驶的控制难度，在于输入全是各种变量。而这些变量种，有些是完全没规律的。有些变量要根据物理系统(即车的各零部件组成的系统)的特性能找到一些规律。不造车，就没有原始数据定义这些变量，只能做最简单的数学模型。这种简单数学模型远不能满足实际应用场景的需求。我猜，谷歌特斯拉吹嘘的无人驾驶，就是类似于有轨电车，只限于固定路线固定场景的应用。所以，
而安卓，只是一个操作系统，根本就没有上述变量。
其实工业控制中的编程，也就是嵌入式系统，重点并不完全在编程，而在于对整个物理系统的理解。就这点而言，机电出身的做工业控制，嵌入式系统的，本身的机电基础是很有帮助的，并没有白学。
limit 发表于 2021-7-14 11:35
只需要"相信"底层汽车返回正确数据? 这，跟您说的risk控制正好是冲的
举个简单例子，卫星信号多径效应。 ...
卫星信号多径效应，或者更general一点，传感器本身同样会有干扰数据，这个并不奇怪，我也从没说过不需要这些知识/经验，但是这些都属于input的一部分，自动驾驶系统并不需要自己“理解”这些数据，汽车本身的embedded system完全可以自己“理解”以后把结果发送给自动驾驶系统
limit 发表于 2021-7-14 11:50
车跟手机的最大区别在于
无人驾驶会发生很多不可测的，不按高斯分布的干扰变量。而这些干扰变量会影响各 ...
你对自动驾驶理解的有点过时了吧，自动驾驶出租车早就在路试了
我从来没有否认过环境中会有很多的信号源，每个信号源都有自己的信噪比，如何理解把这些“原始数据”变成可以进一步学习/决策的输入是硬件层需要解决的问题。难道没有自动驾驶，现在汽车这些信号分析就不做了？
shrek_munich 发表于 2021-7-14 12:59
你对自动驾驶理解的有点过时了吧，自动驾驶出租车早就在路试了
我从来没有否认过环境中会有很多的信号源 ...
难道没有自动驾驶，现在汽车这些信号分析就不做了？
现在的汽车当然有做信号分析，只是不够完美，需要进一步优化，所以才有无人驾驶等级之分
就这点，我看发和LZ一致，L5还有很长路要走 。目前L3可以期待一下.
目前自动驾驶出租车就是我说的只能在特定路线和特定应用场景使用。就这点，本质上跟无人工厂搬运机器人无差别。就是一个outdoor，一个indoor的差别，前者能接受卫星信号结合惯量传感器及激光扫描传感器。后者接受WLAN或手机信号结合惯量传感器和激光扫描传感器
长汀烧大块 发表于 2021-7-14 11:59
唉怎么说呢， 当初学机械，就是因为编程能力不太行才选择的，如果最终还是要做码农，那还不如一开始学Inf ...
指点不至于，我只能跟你分享我的想法，毕竟我也是才半只脚入门而已。机械从2019年底就开始不景气，如果是国内也就算了，连德国也是这样。学了机械也不一定就完全是要做机械的工作。我当时本科选择机械也是懵懵懂懂，后来来了德国才意识到自己并不喜欢这个专业。
对于所有学科来说数字化和自动化都是趋势，没有必要去想当初如何如何，没人能预见到之后的每一步。所以，不停的寻找方向，持续学习才是正解。我开始的想法很幼稚，就是想做编程的工作，可是编程的工作也有很多种，it，图像处理，工业软件，游戏等等。
图像处理确实是有算法和应用，你有一个想法，和你能把想法实现出来是两码事。挖掘想法提出新算法的是科学家，不会编程可能不太行，因为你要验证你的想法，但是代码能力不需要特别强。如果你是做应用做开发，那么你要把别人的想法成功实现出来，而且还需要考虑程序运行时间长短，占用内存大小等等因素，这一步其实并不简单，对代码能力是有要求的。
我用python和深度学习框架设计过一个算法，这里用到的程序并不需要我完成的多么好，即使这个东西要跑一天也没事，我就是看我想法对不对。具体的实现过程不需要我从头开始，我就是能用现成的就绝对不自己写，代码能力要求不那么高。
然而最后我发现我没那个脑子去搞科研，所以我毕业之后去找工作了，做软件开发。那我就得提高我的代码能力去写代码，去实现别人的想法。这种情况下，我就要恶补计算机的知识，因为我不是科班出身，我必须要知道怎么去尽可能好的去写好一个软件。
还是要看你自己的意向，你想读博走科研路线，那你就多看论文，多思考，编程能力没有那么重要，python就很适合你来验证想法用。如果你想进企业，写代码，那么编程能力是第一位的，而且对于性能要求很高，C++是必须的。
当然以上这些都是针对图像处理算法的，就业的话也不只这一条路，产品经理，技术支持，销售，路多着呢。就算写代码也是分很多的，我前一阵找的不太顺利的时候都想放弃C++了，转Java。说白了我也没什么特别的喜好，有发展能赚钱就够了，之后走一步看一步喽。
如果你很迷茫，那就赶紧着手找个东西先做起来，做着做着你就知道你适合什么了，别人的建议始终只适合别人，你自己的路只有你自己走得出来，行动吧。
shrek_munich 发表于 2021-7-14 12:55
卫星信号多径效应，或者更general一点，传感器本身同样会有干扰数据，这个并不奇怪，我也从没说过不需要 ...
自动驾驶不需要自己"理解", 是因为人类理解后建立数学模型写进程序了
无人驾驶的难点就是input是N多个实时变量，且很多变量不按高斯分布，而控制系统是非线性系统。input直接影响数学建模的精度，譬如每次递归迭代算法参数变量的权重设置精度。input特性可是常年造车的积累，真正有用的数据恐怖也不会对外公开。
limit 发表于 2021-7-14 13:14
现在的汽车当然有做信号分析，只是不够完美，需要进一步优化，所以才有无人驾驶等级之分
就这点，我 ...
在路上和工厂机器人有本质的区别，你以为无人出租车路试的目的是测试能从a到b么？你可以在网上找一下视频，当然现阶段还是有安全员要坐车上，主要想测，第一能不能识别出行人，车辆等各种物体，第二能不能根据路面情况合理选择行车路线，这些工厂里的机器人可不需要考虑
limit 发表于 2021-7-14 13:35
自动驾驶不需要自己"理解", 是因为人类理解后建立数学模型写进程序了
无人驾驶的难点就是input是N多个实 ...
你还是没有看懂我在写什么，input是有很多不确定性，而且也肯定会影响建模，造车厂也不会对外公开
但是这些东西上层的自动驾驶系统不需要知道，这是下层车载嵌入式系统处理然后再把结果向上告知驾驶系统的事情
还是拿手机做一个比方，底层电路进来的可能是原始的电信号，手机OS并不需要自己去interpret这些信号，这是下层硬件驱动要做的事情，同样，你把车厂如何处理input的这些控制系统看成车硬件的“驱动”，自动驾驶系统并不需要知道你驱动的细节，我只知道你能处理，并且告诉我结果和信度就可以了
limit 发表于 2021-7-14 14:14
现在的汽车当然有做信号分析，只是不够完美，需要进一步优化，所以才有无人驾驶等级之分
就这点，我 ...
无人驾驶商业化有一个重大的、非技术上的障碍。
那就是，假设对方全责，无人驾驶车辆直冲冲地撞上去把对方废掉。人民能不能接受？这一点，在中国可以靠政令强制推行；在德国也不太是问题，德国人力驾驶平常在马路上就是这么干的。但是如果你关心以前美国的一些新闻，你就知道这件事在美国的舆论阻力很大。即便是行人突然横穿马路被撞死，人们也会反对无责自动驾驶车辆。
你可能说了，那我自动驾驶车辆靠高超的应激反应尽量躲开全责的对方，不就把问题解决了吗。如果你这样干，那不久的将来就会产生“逗自动驾驶车辆”之类的prank游戏。
所以，目前来看无人驾驶的商业化还非常遥远，它的难点在法律法规上。
Kosmonaut 发表于 2021-7-14 19:28
无人驾驶商业化有一个重大的、非技术上的障碍。
那就是，假设对方全责，无人驾驶车辆直冲冲地撞上去把 ...
德国在马路上也不能看到对方全责就直冲冲装上去的....比如前面有人横穿马路，你在可以控制的范围内不刹车直接把人撞死，你确定还是对方全责？
这贴有些歪楼了。说到自动驾驶，其实贬低美企，抬高德企没有任何意义。L4及以上的自动驾驶，如果美企搞不出来，德企（很大概率）也搞不出来。就说前面吹的驾驶数据，全球目前谁还有比特斯拉更牛X的。另外哆嗦两句，特斯拉的AutoPilot，实质上就是妥妥的L3，只是披了一层L2的皮去规避各类监管风险，而德企能对标的产品还（暂时）木有。注意产品才是企业的根本竞争力，而非技术。
shrek_munich 发表于 2021-7-14 20:58
德国在马路上也不能看到对方全责就直冲冲装上去的....比如前面有人横穿马路，你在可以控制的范围内不刹车 ...
我也不是说，轻松可以躲开的情况下故意往上撞，你明白我想表达的意思就好。
Kosmonaut 发表于 2021-7-14 20:28
无人驾驶商业化有一个重大的、非技术上的障碍。
那就是，假设对方全责，无人驾驶车辆直冲冲地撞上去把 ...
无人驾驶还面临一个长期以来存在的哲学两难困境，如果车前面面有10个人，紧急打方向盘会撞死傍边的一个行人，但车前面的10个人就不会死，自动驾驶应该如何选择？是选择不打方向盘撞死10个人，还是打方向盘撞死1个人以救活10个人。
（所有回答当然要撞死一个人换10个人的生命的人，再给你一个假设，如果那一个行人就是你呢？或者你的至爱之人呢？）
这么难的哲学困境，你让自动驾驶去解决，难为人家了
Uldenbaturu 发表于 2021-7-15 09:53
无人驾驶还面临一个长期以来存在的哲学两难困境，如果车前面面有10个人，紧急打方向盘会撞死傍边的一个行 ...
对自动驾驶这个并不算哲学问题吧……反正整体伤亡最小就是了……
即使是人工驾驶，这个问题依然存在，并不是只有自动驾驶要面对