陈启航 · Autonomous Driving Systems Engineer

• 主导定义新一代L4自动驾驶系统架构，引入端到端方案与实时中间件，重构感知‑规划‑控制数据流，将城区复杂场景端到端延迟从320ms压至120ms，满足车规实时性并支撑NOA功能闭环。

• 牵头实施面向量产的功能安全流程，基于ISO 26262 ASIL‑D构建冗余计算与故障降级架构，完成系统级安全分析、TSC及HSI定义，顺利通过第三方功能安全评估，扫清NOA车规落地关键认证障碍。

• 基于ROS 2与DDS设计确定性通信中间件，抽象20+关键节点零拷贝传输接口，跨域控制器SoC间通信吞吐提升3倍、CPU资源占用下降35%，保障多任务并发下的调度确定性。

• 搭建支持HIL与大规模仿真注入的验证体系，覆盖5000+城区典型与长尾场景，驱动规控迭代效率提升40%，实现NOA百万公里路测零功能失效安全事件。

• 推动端到端架构中规则后处理占比压缩至5%以下，针对无保护左转、人车混行等复杂交互场景开展数据驱动迭代，将长尾通过率从68%提升至93%，使城区NOA在量产车上具备可持续进化能力。

• 针对量产项目需求，主导设计激光雷达、摄像头与毫米波雷达的多传感器前融合算法架构，基于C++与ROS开发实时时空对齐与数据分发组件，实现异构传感器微秒级硬同步与动态外参修正。

• 提出联合点云与图像特征的端到端前融合检测网络，结合卡尔曼滤波进行多目标跟踪及状态预测，在内部评测集上将3D目标检测mAP提升至89%，并在夜间等长尾场景下行人召回率提升35%以上。

• 带领4人算法小组完成融合模块的计算图优化与车规级嵌入式移植，在Orin等平台实现端到端处理延迟<50ms、资源占用率低于15%，通过功能安全评审并成功部署至三款量产车型。

• 建立融合性能回归测试体系与多传感器退化容错机制，将量产路测中因融合异常导致的接管率降低42%，累计支撑逾200万公里泛化测试，保障高阶智驾功能平稳上线。

• 针对感知模型在嵌入式平台实时性受限的瓶颈，主导检测与分割网络的细粒度通道剪枝及int8量化方案设计，基于CUDA与TensorRT构建自定义推理引擎，将核心模型体积压缩至原始的12%，车载域控上单帧推理延迟从120ms降至38ms，精度损失控制在0.7%以内，顺利通过城区路测验证。

• 为加速算法从研发到车端的迭代，搭建跨平台自动化模型压缩‑评测工具链（Python/PyTorch/TensorRT），支持一键剪枝、量化感知训练与硬件在环性能分析，将单模型适配周期由3周压缩至2天，支撑5个以上感知任务的快速嵌入式迁移。

• 针对高精地图离线更新滞后问题，牵头设计基于视觉感知的轻量级动态要素变化检测与在线更新框架，利用CUDA加速特征点匹配与局部建图，将典型道路要素（车道线、标牌）变化发现至云端上线全链路时长由T+1天缩短至分钟级，成功支撑公司在三座城市的高精地图众包更新试点。

• 构建大规模地图差分更新数据生产管线，采用Python结合CUDA实现多源轨迹对齐与要素一致性校验，支持日增数TB级感知数据的快速处理，将动态要素新增/变更的召回率提升至98.5%，显著增强高精地图的鲜度与扩展能力。

• 主导从零搭建基于AUTOSAR CP的域控制器基础软件平台，为多核异构SoC与MCU设计基于DDS的实时通信框架，实现跨芯片数据交换端到端延迟稳定在90 μs以内，支撑早期L2自动驾驶原型系统的多传感器数据通路。

• 从规范解读到代码实现独立交付符合ISO 14229-1的UDS诊断协议栈，覆盖27种诊断服务与安全访问机制，通过Tier1内部ASPICE CL2评估，首次客户端样件集成即达成零协议不符合项。

• 为QNX实时操作系统开发多传感器驱动与CAN‑FD通信调度模块，重构PDU传输时序与DMA路径，将3路激光雷达与毫米波雷达的总吞吐推至120 Mbps，并将CAN总线负载率一直压制在30%以下，确保安全关键帧零丢失。

• 主动将自研诊断协议栈与早期感知融合模块集成，实现域控级ACC/LKA功能闭环，在测试车上完成500公里城市场景路采，为部门后续向L4感知算法栈转型提供可靠的嵌入式验证基座。

• 牵头城市复杂路况L4系统的量产级架构重构，设计基于优先级感知与时间预算的确定性调度框架，将感知‑规划‑控制链路端到端最差延迟从~230ms降至≤90ms，彻底消除长尾抖动，为城区复杂场景实时决策提供毫秒级响应基座。

• 通过全链路延迟拆解与算子级并行流水线重组，部署跨芯片零拷贝共享内存通道，将系统最坏情况执行时间压缩35%以上，稳定保障处理帧率≥20Hz，使车辆在多目标交互路口的安全通过率显著提升并达成量产指标。

• 主导系统ASIL‑D功能安全架构落地，定义故障隔离、冗余切换与降级策略，完成全链路FMEA与FTA分析，推动单点故障诊断覆盖率达99.6%，安全目标违反概率控制在10 FIT以内，并通过权威机构认证。

• 搭建面向量产的高强度实车压力测试体系，设计包含狭窄人车混流、无保护左转等200+城市角落场景，累计完成15万公里复杂路况验证，驱动调度与安全架构迭代，使系统严重接管率降至每万公里0.1次级别。

• 拉通算法、基础软件与硬件团队，建立整车级确定性与安全架构评审规范，沉淀20+项可复用架构标准与技术方案，将量产系统成熟度从Demo级提升至满足车规批量部署的水准。

• 主导多模态全息感知系统架构设计与团队组建，从零搭建激光雷达、摄像头、毫米波雷达的异构传感器在线标定与高精度时空同步流水线，将多传感器空间对齐精度稳定在±2 cm以内、时间同步抖动压缩至50 μs以下，为前融合提供可靠数据基座。

• 设计并实现基于注意力机制的多源前融合深度学习模型，联合优化检测与跟踪任务，在nuScenes 3D检测基准上将mAP提升至68.2%（较基线相对提升12%），并推动多目标跟踪AMOTA达到70.3%，两项指标均进入当时公开榜单前五。

• 自研可微分卡尔曼滤波模块并嵌入端到端跟踪链路，将复杂城区场景下目标ID switch降低42%，实现单次长时稳定跟踪超过300帧，有效支撑L4级城市道路行为预测与决策规划。

• 将全息感知框架沉淀为公司统一的感知底座，后续3个量产/预研项目直接复用，新车型感知适配周期由6个月缩短至约8周，极大加速算法工程化落地效率。

主导自动驾驶系统架构重大升级，获公司内部技术最高荣誉。

研究多传感器在线标定，在ITSC会议获最佳论文提名。