为什么我从智驾转行到了机器人

和部门同事相约一起跳槽找工作,当我说我要转行机器人的时候,我是能够看到他们脸上写满的惊讶。 我目前在全球某头部汽车OEM工作,主要做智驾相关的职位,自从硕士毕业起就在这家公司,至今已在这这里7年了。去年下半年有了跳槽出去看看的想法,从一开始完全想不明白接下来做点什么,到现在坚定地去到机器人领域并且拿到Offer,我想记录一下我的转行心路例程。 在一开始考虑跳槽时候是想着继续在汽车电子尤其智驾领域深耕的,我查阅了很多同行的分享以及刨析了自己过往的工作内容,从一团迷雾中大致看清之后不能继续停留在FO的阶段了,要想办法往系统架构或者软件架构方向去走,即要不向上攀要不就是向下钻,不然随着时间的推移自己没有太多护城河很容易被淘汰。我还专门写了一篇文档用来记录我对过往工作内容的剖析: 我所理解的系统工程师。 在个人摸索之外我也积极广泛与身边人交流,听一听他们的建议,多个前辈以及比较优秀的同事都提到了拥抱AI的重要性,总结起来就是不管做的什么工作内容都要使劲努力往AI方向上靠。对此建议我也是深表同意,我和我的跳槽小伙伴对于怎么切入AI也是讨论了好久,期间我们配置了一台工作站用作跑模型的环境,还一起学习了李沐的网课用作多大模型有一个整体的了解,最后我们还计划移植一个VLA小模型到一个四轮小车上,用作对于模型落地的学习。当时我们得出的结论是智驾模型算法开发基本没戏,想都不用想,微调和强化训练基本上对我们大门也是关的,这个工种的挖人对象是其他领域深耕微调和强化学习的人,而不是像我们传统汽车电子功能开发的人员。唯一可能有机会的切入点是模型部署这一块,最终再好的智驾算法在落地时也不能车上放一个工作站,或者说是将模型放在云端。只要是智驾一定需要跑在本地,并且与车辆其他传感器等车身电子器件有紧密链接,并且安全性可靠性也是车规级的高要求。在这些需求下我们看到可一丝机会,于是计划并努力从这里切入。  

为什么我从智驾转行到了机器人 Read More »

大众汽车对于我的分量

还有十几天就要入职新公司了,在整理当前公司材料的时候很是感慨我竟然在这家公司待了7年,科技行业以跳巢和不稳定著称,这放在7年前刚毕业的我身上是完全想不到的。 回想我德国硕士帮毕业时候,由于并无非常对口实习,我在汽车电子这个行业求职其实非常费劲面试率很低,在最终极限offer二选一的时候一家是初创公司核心职位,另一个是大众集团的一家子公司的螺丝钉职位。两者间纠结了好久,考虑到我并没有在德国长居的打算,我的职业规划也是在德国工作个两三年然后跳槽回国生活,去到初创我应该在回国后机会还很多,但是体验一下大众集团德国这边的氛围这错过了就很难再有第二次机会了,于是再offer间我选择了后者。 而当我入职没多久,赶上了集团对于汽车软件的重视进行了大刀阔斧的改革,原子公司升级成了大众汽车电子公司的全球总部,公司的努力让我真的到了总部工作,同时给了我更大的空间来了解整个汽车电子电器的研发过程,现在回想到在关键的时刻有时候也需要一些运气。 在德国工作期间公司给予了我很体面的生活,很不错的薪水待遇,很好的大厂合同背书,并且是永久聘用再结合德国的福利体系,让很多人羡慕得不得了。一年35天假期以及平均两趟的出国旅行让我也是体验了一把腐朽的资本主义对于底层劳动人民的压迫。另外结合着我在德国读书经历,我可以随时申请办理永居或者入籍拿护照并且选择权在我。真是可以说大众给了我在德国工作生活平衡非常体面的生活。 我回国也是沾了公司不少的光,21、22年时候正值疫情最猛,我一方面想回国工作另一方面又想换个方向,同时叠加疫情都在封控,想把这些都办好真是难上加难。后来我想办法换回了中国分公司,还去到了我想要去的部分,真的是很开心。 在国内WLB的生活让我有机会体验帝都的魅力,期间有幸认识我现在的媳妇。不错的待遇让我能够生个娃,现在已经开始学走路了。假设换到其他公司,由于工作忙碌我可能无法认识我媳妇,同时也由于太卷可能没有经历生娃。 现在7年了我要离开这里,回想起来满满的收获和感恩,不仅在毕业后给我入行的机会,还给了我在北京工作生活扎根的物质条件和勇气。当前生活中很多东西都是大众带给我的,真是很感激。

大众汽车对于我的分量 Read More »

北京网约车资格考试

最近工作比较轻松,于是参加了一个很有意思的考试:网络预约出租汽车驾驶员考试资格认定,主要目的是为了来年作为进修用作个人所得税退税,一天时间的准备可以退回来几百元,就当作是做了一个兼职。这个考试的流程不复杂但是内容却挺有意思,尤其是区域科目几乎就是对于北京风俗地理人情最精华点的总结,我在北京生活了四年了很多我却完全不知道,或者有些隐约知道但是了解不清楚。趁着这次考试把一些有趣的点记录一下,就当作对于这个城市做一个深入了解吧,下边是我备考时候节选出来的题目: 雍和宫位于东城区(二)环雍和宫桥和小街桥之间南侧。 天坛公园位于南二环北侧,东侧有著名的(红桥市场)。 从东单路口向北至灯市口途经(协和医院)。 故宫太和殿,俗称(金銮殿)在故宫的中心部位,是故宫三大殿之一,是举行盛大典礼的地方。 北京菜市口百货股份有限公司(菜百总店)位于广安门(内)大街306号。 慕田峪长城,位于北京市(怀柔)区渤海镇慕田峪村,距北京城区73公里,享有”万里长城,慕田峪独秀”的美誉。 (宣武医院)位于广安门内大街和长椿街交汇处。 北京朝阳站位于姚家园路(北)侧。 北京丰台站位于丰台区(正阳大街)4号。 在南三环从分钟寺桥到洋桥要经过(刘家窑桥)。 十渡风景区位于北京市(房山)区西南,有着中国北方唯一一处大规模喀斯特岩溶的地貌。 京剧是地地道道的中国国粹,形成于北京,京剧已有近(200)年的历史。 中国中医科学院广安门医院位于二环广安门桥(东北)侧。 中国石油大厦位于二环( 东直门)桥西北角。 位于二环路沿线的公园:龙潭湖公园 、大观园 、月坛公园。 驴打滚是北京传统小吃之一,以其独特的制作工艺和口感而著称。以(糯米)、红糖和黄豆粉为主要原料,经过蒸制、裹糖、滚黄豆粉等步骤制成。 相声,一种民间说唱曲艺。它以说,学,(逗),唱为形式。 中华人民共和国水利部位于西城区(白广路)二条2号。 中日友好医院位于(朝阳)区樱花东街。 中国棋院位于(东城区)天坛东路80号。 北京市的市树为(国槐)和侧柏。 十三陵景区位于北京(昌平)区北部天寿山麓。 两广大街是指(广安门至广渠门 )之间直线距离的路段。 解放军总医院位于(五棵松桥东南侧)。 外交部位于二环路朝阳门桥(东南)侧。 三环路(太阳宫)桥可直接上京承高速。 北京市花是:月季花和(菊花)。 中国传媒大学位于朝阳区(定福庄)东街1号。 小说《骆驼祥子》的作者是(老舍)。 金融街在西二环路的(东)侧。 S3301京津高速起点是北京市五环路(化工桥)。 北京四合院是由东、西、(南)、北四面房子围合起来形成的内院式住宅。 牛街位于(西城)区,北起广安门内大街,南至南横街。 “北京榜样·京城的哥”文明品牌是”北京榜样”主题活动的子品牌,从(2020)年开始启动,每年度命名一批”北京榜样·京城的哥”。 中华世纪坛坐落在复兴路上,它的东侧紧邻(军事博物馆)。 景山公园位于北京市西城区景山西街44号,坐落在北京内城南北中轴线上,是俯瞰(故宫)全景与北京中轴线的最佳观赏区。 故宫是世界上现存规模最大、保存最为完整的(木制)结构古建筑群之一。 红螺寺位于(怀柔)区怀柔镇卢庄村,是中国北方佛教发祥地和最大的佛教丛林,有”南有普陀,北有红螺”之说。 北京南站位于南二环路(开阳桥)的东南方向。 平安国际金融中心位于东三环(燕莎桥)西北角。 北京饭店在(东长安街)北侧。 国家速滑馆又称为”冰丝带”,位于北京市朝阳区近奥林匹克公园林萃路2号。 国家发展和改革委员会位于三里河的月坛南侧。 北京协和医院是一所位于北京市东城区,集医疗、科研、教学为一体的大型综合医院。北京协和医院在中国乃至世界享有盛名。北京协和医院是中国最早承担外宾医疗任务的单位,医院专门设立外宾和高干门诊部,开设专门的高干、外宾、特需病区。 中国铁道博物馆,由正阳门展馆、东郊展馆、詹天佑纪念馆三个馆组成,是中国国家级专业铁路博物馆。 外交部位于朝外大街南侧。 北京市第四中学,是北京市首批示范性普通高中,高中部位于:北京市西城区西黄城根北街甲2号;初中部位于:北京市地安门西大街教场胡同4号。 北京汽车博物馆位于北京市丰台区南四环西路126号,是中国国家公益性汽车主题博物馆。 北京出租汽车车漆是双色的,其中中间的颜色叫”尊黄”。 人民艺术家老舍原名舒庆春,是北京满族人。

北京网约车资格考试 Read More »

LeetCode排序章:算法与生活的共鸣

(这份随想记录于2026.02.23,最近在整理学习笔记时再次感觉枯燥的数据结构与算法竟然也能讲解这么有意义,于是二次整理准备发出来) 新年假期将数据结构与算法的主体内容复习完毕,之后每天做几题保持手感,便不再投入过多精力于LeetCode——终于,真正开始AI与机器人领域的学习了。 最后几天读到《排序算法》章末,颇受触动。这段文字将数学原理讲得通透,又不失幽默,且意涵早已超越算法本身,引人反观生活。 二分思想部分,”一尺之捶,日取其半,logn世竭”的化用让我想到:许多被奉为人生哲理的大道理,在数学家眼中不过是可推导的逻辑,并无神秘可言。这让那些听起来格外抚慰人心的华语骤然褪色——一切皆有章法。我想,数学家的孤独或许正源于此:身心灵的慰藉在此处失效,唯有逻辑冰冷而诚实地运转。 “治”的过程被比作《活着》里的那句话:”小鸡长大了就变成了鹅,鹅长大了,就变成了羊,羊再长大了,就变成了牛……”初读只觉无厘头,下一秒却像被什么戳中了——这不就是文学版的量变引起质变吗?所有的成长都不会浪费,只要持续积累,终会有一个奇点让过往悉数兑现。 后文的猴子排序听着荒诞,却真有严谨的数学家亲自实践。一本正经地做无厘头的事,严肃得好玩。至于睡眠排序,读完后我想:若我是老板,手下员工交出这等算法,我必深吸一口气告诉自己莫激动——问题终究是能解决的,无非慢些。员工既是我招的,他们能想出如此”优秀”的算法,也有我的一份”功劳”。 最后的奇迹排序像是全章的升华。时间复杂度为正无穷的算法,竟能被写进教材,其价值已上升到人生哲理的高度。作者总结:若只是等待、什么也不做,终将一事无成。但我觉得这解读稍嫌狭隘。正如猴子排序——等待够久,说不定宇宙射线就让内存bit位翻转、数据自愈了呢?真正上过班的人或许有类似体验:一个棘手的难题搁在那儿,过段时间竟自然而然消解了,或问题本身就不复存在了。这难道不是奇迹算法的某种应用?甚至,难题放久了,工作没了,或公司没了,算不算某种维度的”解决”? 当然,最后这部分纯属开脑洞,当不得真。遇到问题,最优解仍是正面应对——就像我现在想换工作,虽然有了AI,虽然之后大部分是Vibe Coding,但是作为基本功测试必过在线测评,既然绕不开刷题,便坦然拥抱,将能做的事做到最好。与君共勉。 (排序算法章节内容节选,原文链接见文末) 归并排序: 总结起来,归并排序分成两步,一是拆分数组,二是合并数组,它是分治思想的典型应用。分治的意思是“分而治之”,分的时候体现了二分的思想,“一尺之棰,日取其半,logn 世竭”,治是一个滚雪球的过程,将 1 个数字组成的有序数组合并成一个包含 2 个数字的有序数组,再将 2 个数字组成的有序数组合并成包含 4 个数字的有序数组…如《活着》一书中的经典名句:“小鸡长大了就变成了鹅;鹅长大了,就变成了羊;羊再长大了,就变成了牛…” 猴子排序: 1913 年,法国数学家埃米尔·博雷尔出版了一本谈概率的书籍,其中介绍了「打字的猴子」概念,引发了「无限猴子定理」这个有趣的实验构想。 无限猴子定理:让一只猴子在打字机上随机地按键,当按键时间达到无穷时,几乎必然能够打出任何给定的文字,比如莎士比亚的全套著作。 这个理论说明「把一个很大但有限的数看成无限」的推论是错误的。猴子精确地通过键盘敲打出一部完整的作品发生的概率是极其低的,但并不是零。 2003 年,普利茅斯大学艺术媒体实验室课程的教师和学生使用 2,000 英镑津贴做了这个实验,结果打出了 5 张几乎全是S的纸,没有一个完整的句子。 无限猴子定理启发出了一个排序算法:把待排序的数组交给猴子,只要猴子不断地打乱数组,总会有一次排序成功!这个算法被称为猴子排序,英文名是 bogo-sort(英文名源于 Quantum bogodynamics)。其中,可以使用「快速排序」章节中介绍的洗牌算法来打乱数组。 Random random = new Random(); private void bogoSort(int[] arr) { while (true) { if (isAscendingSorted(arr)) break; shuffle(arr); } } public

LeetCode排序章:算法与生活的共鸣 Read More »

ROS2学习笔记:C++最小支持Parameters的节点

通过如下命令新建一个package框架: ros2 pkg create –build-type ament_cmake –license Apache-2.0 cpp_parameters –dependencies rclcpp 支持Parameters的最小节点源代码: #include <chrono> #include <functional> #include <string> #include <rclcpp/rclcpp.hpp> using namespace std::chrono_literals; class MinimalParam : public rclcpp::Node { public: MinimalParam() : Node(“minimal_param_node”) { auto param_desc = rcl_interfaces::msg::ParameterDescriptor{}; param_desc.description = “This parameter is mine!”; this->declare_parameter(“my_parameter”, “world”, param_desc); timer_ = this->create_wall_timer( 1000ms, std::bind(&MinimalParam::timer_callback, this)); } void

ROS2学习笔记:C++最小支持Parameters的节点 Read More »

电波表调时区

前几天在老家看到墙上一块小时候就有的石英钟,好多年过去了走得还非常准,于是我问爸妈这块表哪儿来的,爸爸回答道是他当时从县里百货大楼买的,80块钱,日本表,年龄应该和我一样大了,并且还说不仅准还省电,一节5号电池用一两年。于是我又端详了一会儿,三十多年过去了,这块表依旧能感觉出来其真材实料的质感。想到我现在也有了自己的家,但是家里墙上一块表也没有,有想法我也有了买个能够经历岁月洗礼的挂钟的想法。 于是我从日本亚马逊直邮了一个SEIKO精工品牌的表,看照片就很喜欢,等拿到实物更加是觉得精美但又克制,是我期待的能够在家里用几十年的挂钟。 我买的这款可以接收送信所发出的无线电波实现时间校正,塔台虽在日本福岛和九州,可中国沿海大部分城市也能在空旷地方收到信号,我试了在北京也是能接收的,从而实现精准时间设置。可是自动对时有一个巨大的问题就是同步的时间是日本时间,和中国时差有1小时,所以“分秒”会很精确但是时间上比北京时间快一小时。 于是我得想办法调个时区。 首先将电池拆下再重新装回,在室内接收到电波之前,表针会自动回到12点时刻,此刻立刻再次拿掉电池。然后将背面的几个螺丝拆掉,这样子稍微晃一晃外边一圈的木框就能轻轻拿下来: 拆完木框后轻轻将表盘玻璃也可以扣开,该玻璃和表盘是通过双面胶固定的: 接下来就该调时区了,断电情况下,分针和秒针保持不变,将时针往前拨一小时,即将12点拨成11点: 再将玻璃片以及木框擦干净,原位装回,这样就时区调好啦: 最后装回电池,放在窗户边开阔处,等待电波同步,至此就一台非常精准北京时间的电波挂钟就设置完啦。拿在手里越看越喜欢我选的这个款式,你们觉得怎么样呀。  

电波表调时区 Read More »

在Jetson Orin Nano上基于Ollama私有化部署OpenClaw

媳妇工作需要调研AI,尤其OpenClaw在工作场景中的应用。不少帖子建议买个Mac Mini小巧省电24小时待机,我手头正好有个闲置的Nvidia Jetson Orin Nano 开发板,性能也强的很67 TOPS,打算拿来用作本地部署的载体。在此记录一下过程,小伙伴有闲置Jetson也可以参考一下利用起来。 对于一个新拿到手的Jetson Orin Nano Developer Kit,官方的NVIDIA SDK Manaer真是好使用,媲美树莓派的官方系统烧录工具,基本上就说鼠标点点点就行了。如果硬盘足够的话建议在工具页面将所有的依赖都一次性都勾上都安装好,省的系统装好后再费劲解决CUDA、cuCNN等依赖。 系统装好后,插上网线,从路由器端找一下IP,登录就可以开始装OpenClaw和基于Ollama的本地大模型了。先使用Ollama本地部署大模型,目前Ollama已经给Jetson适配过了从而调用GPU,如果看脚本中也可以看到对于Jetson使用的是Jetpack的环境而不是自己装的CUDA环境,直接运行就OK: curl -fsSL https://ollama.com/install.sh | sh 从安装进度可以看到过程中下载安装了Jeston独有的一些库: jetson@ubuntu:~$ curl -fsSL https://ollama.com/install.sh | sh >>> Cleaning up old version at /usr/local/lib/ollama >>> Installing ollama to /usr/local >>> Downloading ollama-linux-arm64.tar.zst ######################################################################## 100.0% >>> Downloading ollama-linux-arm64-jetpack6.tar.zst ######################################################################## 100.0% >>> Creating ollama user… >>> Adding

在Jetson Orin Nano上基于Ollama私有化部署OpenClaw Read More »

Copilot初始化技巧

最近的一个学习项目使用VS Code和Copilot为主要开发环境,Vibe Coding真是大大提高生产力,这个项目几乎99%的代码都是AI写的,整体来说是一个结伴编程的模式,我充当整体架构把控,AI帮我每个模块每个模块来实现。这个项目很复杂,持续了几个月,而VS Code的Copilot上下文很可怜,所以我充分使用了大量markdown文档记录进度记录plan,也用到了copilot-instructions.md 来让Copilot每次对话开始时主动读取一些规范性背景性得文档。可是实际用下来到你觉到大模型仅止步于此,并没有主动执行读各个模块的plan/progress的步骤。所以每次重启IDE后,模型感觉都很弱智,说了解背景也了解一点,但是不多。 解决首次开IDE后AI大模型对于记忆丢失的问题,一个解决方法是将项目重要背景以及当前进展写入copilot-instructions.md,但是这会使这个文件超级臃肿,另外一方面是我现在用到了,创建一个prompt脚本,每次新打开IDE手动运行一下,一方面让Copilot真正读一下其他的几个plan/progress文档,另一方面给我们一个当前状态的总结。 /session-start 使用这套模式主要是由于Copilot对于历史记忆做的不好,另外这套模式能够生效的一个前提是plan/progress文档能够及时且准备更新,我是通过一个skills完成的,当和大模型说特定命令,大模型就会逐个将模块中各自的以及项目整体的plan/progress根据当前的修改完成更新: 这是我使用VS Code Copilot的一些心得,如果对你有用,帮忙点个赞吧。      

Copilot初始化技巧 Read More »

Jetson Orin Nano安装Pytorch CUDA环境

最近在学习大模型在机器人上边的应用,想着通过一个能够自己设备训练的模型以及Jetson来体验一遍整个模型从训练到部署的全流程。前期都是在一台高性能工作站上边学习的,X86下对于配置环境以及解决依赖等问题相对还是好解决的,毕竟用户基数大。多数情况遇到的一些运行问题,结合大模型以及Github的评论区,很快就有解决方案的。之前了解到Jetson是英伟达自己出的产品,CUDA环境方面应该不是啥大问题,可事实真的很打脸,在我将模型训练摸索差不多,在服务器可以稳定运行后,打算挪到Jetson上边运行过程中真的费了好大的劲。于是我记录一下,说不定有其他朋友遇到同样的问题。 我拿来学习的是SmolVLA这个机器人大模型,使用的是最最常用的Pytorch框架,这个在Jetson上安装CPU版本很顺利,基本上从pip或者conda直接安装都OK,关键在对于Jetson的CUDA加速版本的Pytorch,由于是ARM架构而不是常见的X86, pip及conda库默认是没有的。想完全按照大模型指导推荐的版本安装几乎是不可能,我摸索了几天终于是找到了行得通的解决方案。 首先安装Jetson 平台专用的软件开发套件(SDK),通过这个过程可以装上绝大多的依赖库: sudo apt install nvidia-jetpack 然后通过命令检查当下的CUDA版本: nvidia-smi 最后在半官方的论坛安装编译好的适配Jetson ARM架构的Pytorch以及Torchvision包: pip install torch torchvision –index-url https://pypi.jetson-ai-lab.io/jp6/cu126 在上边步骤完成后,Python导入torch会提示有一个cuDSS相关的动态链接库找不到,从Nvidia官方论坛下载: https://developer.nvidia.com/cudss-downloads 至此已经可以在Jetson上使用CUDA加速版本的Torch来运行模型了。总结下来简单的几步,但是卡了我好几天,反思下来就说对大模型太过于依赖,甚至是过于信任大模型实时网页搜索的能力。可能是由于Jetson资源相对较少,被多数X86环境配置帖子稀释的原因,大模型给的绝大多数链接都是不能用的,要不货不对板好不失效。并且解决方向也有问题,遇到Pytorch 2.6找不到就推荐降级,而低版本的ARM版本CUDA Torch Torchvision也全网很难找到资源。可能Torch还好,对于Torchvision编译好的wheel包真的很少很少。在我找到https://pypi.jetson-ai-lab.io/jp6/ 半官方的资源站后,提供的是最新版Pytorch 2.10版本,安装后提示缺cuDSS相关的包,此时大模型给出的强烈建议是不要用最新的2.10版本torch,说唯一可行的就说用旧版本,因为2.10太新了缺乏的包绝大多数情况需要自己编译,这个在jetson本身条件下几乎不可能。我被说服了用了一整天时间找旧版本的包,真是找不到。没辙我去到了Nvidia官网看论坛,想着是这么常见的问题,不应该只有我遇到。果然翻了几个帖子就看到Nvidia官网已经提供了最新的cuDSS编译好的安装包。 想在这里感慨以下就是大模型用多了对于搜索引擎的使用能力都快倒退了。很多时候大模型对于网络资源搜索很有限,搜出来结果很肤浅,并且一些论坛似乎对于大模型也不友好,很多搜不到或者说需要登陆才能查看。对于一些相对小众的领域,感觉逛论坛寻找解决方案还是必不可少的,大模型并不是每个细枝末节都是专家,尤其涉及软硬件结合的,感觉coding工具发挥能力就被很大限制了。     Reference: https://pypi.jetson-ai-lab.io/ https://docs.nvidia.com/deeplearning/frameworks/install-pytorch-jetson-platform/index.html https://forums.developer.nvidia.com/t/jp-6-1-torchvision-error-when-built-from-source/314940 https://forums.developer.nvidia.com/t/problem-with-installing-torchvision-on-jetson-orin-nano/312860 https://forums.developer.nvidia.com/t/https-forums-developer-nvidia-com-t-installing-torch-and-torchvision-on-orin-nano-335317-u-joel-alejandro11366/346925/2 https://pypi.jetson-ai-lab.io/jp6/cu126 https://developer.nvidia.com/cudss-downloads?target_os=Linux&target_arch=aarch64-jetson&Compilation=Native&Distribution=Ubuntu&target_version=22.04&target_type=deb_local https://forums.developer.nvidia.com/t/help-me-with-correct-pytorch-and-torchvision-versions-requirement-for-jetpack-6-2-1-orin-super/343688/15 https://forums.developer.nvidia.com/t/pytorch-and-torvision-version-issue-runtimeerror-operator-torchvision-nms-does-not-exist/312446  

Jetson Orin Nano安装Pytorch CUDA环境 Read More »