自动驾驶

CCC：CarCrazeCurator

【DriveGen 文件详解】04——evaluate.pyLQY-hh/DriveGen-Transformer-: 自动驾驶技术的发展离不开海量数据的支撑，但稀有场景（如极端天气、突发事故）的数据采集成本极高。**DriveGen** 旨在通过扩散模型生成高质量的驾驶场景视频，为自动驾驶算法提供无限的虚拟训练数据。 ### 核心价值 https://github.com/LQY-hh/DriveGen-Transformer-

从零实现《三角洲行动》手游自动跑刀脚本：ADB 直控 + OpenCV 视觉识别 + 固定点位搜刮)三角洲自动跑刀教程声明：本文仅用于分享 Android 自动化与计算机视觉的工程实践，所有内容面向技术学习。竞技游戏的用户协议通常禁止第三方自动化工具，请勿用于线上对局。Demo 与思路仅供研究，后果自负。

云器 Studio Data Agent开启数据开发“自动驾驶”时代--云器 Data Agent 产品深度解析数据开发领域有一个再熟悉不过的场景：业务方周五下班前扔来一个需求，要分析最近三个月各险种的赔付率趋势，顺带看看代理人违规行为和业绩之间有没有相关性。你打开数据库，面对几十张表名语焉不详的业务表，先花半天时间找数据、问口径、确认字段含义；再花半天写 SQL、跑结果、发现口径对不上又改；周一交付，业务说分析维度变了……

不做无法实现的梦～

无人机仿真软件与气球仿真实现无人机仿真飞控验证起飞降落姿态控制航点任务失效保护感知算法相机深度相机激光雷达SLAM控制算法PIDMPC

【光流】自动驾驶光流任务 DeFlow: Decoder of Scene Flow Network in Autonomous Drivingpaper: https://arxiv.org/abs/2401.16122 code: https://github.com/KTH-RPL/DeFlow

地平线开发者

profiler debug 工具用法与高一致性策略工具链用户手册中提供了 profiler debug 工具的使用教程，对于常规流程，大家可参考官方用户手册。本文主要基于一些典型场景进行使用上的介绍。

地平线开发者

Conv+BN+Add+ReLU 融合机制简介在使用地平线算法工具链进行量化部署时，遇到两种 FuseMode：OnlyBN、BNAddReLu。引起思考，融合的目的是什么？融合怎么做到的？是等效的吗？

地平线开发者

量化训练时 fusebn/withbn 简介Batch Normalization （BN）：深度学习中常用的归一化层，核心作用是对每个 batch 的特征做（x - μ）/σ 归一化（μ 是均值，σ 是方差），并通过可学习的 γ、β 调整分布；

自动驾驶数据驱动规控进化之路最早的数据驱动尝试极其简单粗暴：把人类驾驶时的摄像头画面作为 $X$，把方向盘转角作为 $Y$，用一个简单的卷积神经网络（CNN）做有监督回归训练。

自动驾驶仿真平台：理论、架构与实践问题：自动驾驶系统需要在各种场景下测试安全性。数据：结论：纯路测无法验证自动驾驶的安全性——必须依赖仿真。

特斯拉同款智慧充电站方案 | 德思特5G天线方案，解决充电桩分散联网难题在传统能源逐渐紧张的现在，新能源汽车正在逐步替代燃油汽车并侵占汽车市场。与此同时，也相应开发了电动汽车充电桩市场。由于充电设施位置分散，数量庞大，为保证用户体验和运营效率，必须要提供充电导航、状态查询、充电预约、费用结算等服务。而要提供这些服务，就必须要对这些充电设施进行联网并构建充电智能服务平台，便于使用者查询、使用，也便于管理人员统一管理监控和数据采集。

小米世界模型也来了：重建+生成一体化，实现秒级仿真+实时预测！「10秒3D重建、0.19秒/帧生成」目录01 理解这项工作的价值需要先理解它所要缝合的那道裂痕1. 纯重建路线：精准但“死板”，无法突破观测边界

不会计算机的g_c__b

Argoverse API 完全解析：自动驾驶数据集与高精地图开发利器在自动驾驶技术飞速发展的今天，高质量的数据集和强大的数据处理工具成为了科研与工程落地的关键。由 Argo AI（现隶属于大众集团与福特）开源的 Argoverse 项目，不仅提供了大规模的 3D 跟踪与运动预测数据集，还配套了功能丰富的 API，帮助开发者高效地处理 LiDAR、相机、地图等数据。本文将深入剖析 Argoverse API 的设计思路、核心功能以及实际使用方法，为从事自动驾驶、机器人、SLAM 等领域的读者提供一份详细的技术参考。

【通识】具身智能、机器人、智能驾驶研发主线：世界模型与VLA技术深度调研世界模型（World Model）与视觉-语言-动作模型（Vision-Language-Action, VLA）是当前具身智能和智能驾驶两大核心研发主线的技术底座。自2018年Ha与Schmidhuber提出World Models以来，这两条技术路线经历了近八年的独立演进，在2026年迎来历史性融合节点。Physical Intelligence发布的π0.7首次在机器人领域实证了"组合泛化"（Compositional Generalization），将世界模型作为Subgoal Image Pro

生成论实验室

算力时代结束，判断力时代开始当前AI有一个默认的信仰：算力决定一切。参数越大越好，数据越多越好，GPU越多越好。这个信仰正在逼近它的边界。训练一个前沿大模型的成本已达数亿甚至数十亿美元，而能力提升的边际效应越来越小。更大的模型没有解决幻觉问题。更大的模型没有解决安全脆弱性问题。更大的模型没有让AI变得更可靠。

比亚迪发布中国首款4nm制程智驾芯片，布局高等级自动驾驶5月28日，比亚迪召开“敢为”智能化战略发布会，董事长王传福表示：“电动化上半场看电池，智能化下半场看芯片。”由此，比亚迪重磅发布中国首款4nm制程智驾芯片——璇玑A3，加速推进智能化下半场进程，引领全球汽车行业智能化变革。

生成论实验室

降U定律：宇宙认知动力学第一定律在前面的系列文章中，我反复提到一个概念——降U。有读者问我：降U到底是一个技术方案，还是一个自然规律？如果是技术方案，那它只是一种选择，别人可以不用。如果是自然规律，那它就是一个必须遵循的法则，谁也绕不开。

生成论实验室

我们给AI装上了判断力AI能写诗、能编程、能聊天。但它有一个致命缺陷——它不知道自己不知道。你看，大模型从接收输入到生成输出，中间没有一个环节在判断“现在是什么情况”。它只是在统计概率的驱动下，沿着最可能的路径滑行。所以它会用最自信的语气编造一个完全错误的答案——不是它在撒谎，而是它根本没有“真假”的概念。