自动驾驶

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。

Latent-WAM 核心技术深度解析：从设计哲学到实现细节本文基于对论文《Latent-WAM: Latent World Action Modeling for End-to-End Autonomous Driving》的深入研读和讨论，系统性地梳理该框架的核心技术要点。文章按照从宏观到微观、从训练到推理的逻辑顺序组织，结合伪代码示例，力求呈现一个完整、清晰的技术全景。

EM-Core自动驾驶类脑世界模型——全域客观认知底座（V1.0 正式版）文档归属：EM-Core 通用智能系统适用场景：EM-Core AD 自动驾驶认知系统文档版本：V1.0 原创提出者：文波福开源协议：CC BY 4.0

生成论实验室

给机器人和自动驾驶装上判断力，会怎样？我们之前聊了一件事：给AI装上判断力。文章发出去后，有人问我：你说的判断力，用在聊天机器人身上我懂了——不该说的不说，不确定的不乱编。但要是用在机器人和自动驾驶身上呢？

爱娶媳妇的苗同学

MV2DFusion 3D-BEV检测学习教程核心思想：3D Detection = 图像分支 ⊕ 点云分支 ⊕ Fusion Transformer

先把态度摆正

NAVSIM数据驱动仿真平台NAVSIM（全称 Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking）是一个专为端到端自动驾驶算法设计的、数据驱动的非反应式自动驾驶车辆仿真与基准测试。

汉语相对英语的核心对比优势分析汉语相对英语的核心对比优势分析汉语（表意文字）与英语（表音文字）属于两套完全不同的底层语言体系。相较于英语依赖语音记录、词汇孤立迭代的特性，汉语凭借音形义统一的底层架构，在构词逻辑、学习效率、表达精度、文明传承与数字时代适配性上具备结构性、系统性优势，是一套高度自洽、可推演、可无限拓展的优质语言系统。

小白要努力sgy

实时通信框架CyberRT除了乘用车，ROS肯定是这块的王者，生态丰富，工具完善，上手很快，缺点就是缺少工程考虑，做产品需要自己定制。