自动驾驶

从零搭建自动驾驶中间件（二）：共享内存零拷贝通信的工程实践这是系列第二篇。上一篇聊了"为什么自研"，这篇开始聊"怎么设计"——从自动驾驶系统最核心的通信层开始。

CUDA-BEVFusion 开箱即用镜像使用指南为了避免繁琐的环境配置，本文提供了一个预置环境的 Docker 镜像，帮助开发者快速上手 CUDA-BEVFusion。该镜像包含了完整的训练与推理依赖，用户无需从零搭建环境即可开始模型训练、量化和部署。

从零搭建自动驾驶中间件（三）：事件驱动与协程调度的工程实践这是系列第三篇。前两篇聊了"为什么自研"和"共享内存通信"，这篇聊调度——有了数据通道之后，如何让模块高效地跑起来。

从零搭建自动驾驶中间件（五）：状态机、诊断与运维——让系统“可观测、可控制“这是系列第五篇。前四篇聊了通信、调度、回灌这些"运行时"能力，这篇聊三个让系统从"能跑"变成"可靠"的关键能力：状态机、诊断、运维。

从零搭建自动驾驶中间件（四）：数据录制与回灌——算法调试的核心基础设施这是系列第四篇。前三篇聊了通信和调度，这篇聊一个让算法工程师"离不开"的功能——数据录制与回灌。如果说通信是中间件的骨架，调度是心脏，那回灌就是灵魂。

从零搭建自动驾驶中间件（一）：为什么自动驾驶需要自研中间件如果你正在读这篇文章，大概率你已经接触过 ROS2 或 CyberRT，甚至可能正在维护一套自研的中间件系统。我也是这样——从事自动驾驶行业三年，从 ROS2 起步，到深度使用 CyberRT，再到参与 HyperFlow 的设计开发，对自动驾驶中间件有了不少踩坑和思考。

地平线开发者

Linux 性能优化工具Linux 的性能问题，依赖于各类性能工具，针对不同性能场景，选择合适的工具，可以大大提高整个性能优化的效率，下图是性能问题和工具图谱：

地平线开发者

征程 6X 之 Memory corruption 问题分析方法对于系统中出现随机、不可解释的异常指针访问或数据错误导致的异常，一般要考虑是内存使用上出现了 UAF（Use-After-Free），OOB（Out-of-Bounds）。

地平线开发者

Sparse4D：从 Dense BEV 到工程可落地的世界建模在 BEV 路线逐渐成为智能驾驶感知主流之后，一个现实问题开始变得无法回避：BEV 在方法论上是正确的，但以 Dense BEV 为核心的实现方式，并不天然适合长期运行在真实系统中。

2026年5月5日英伟达股价 4 月 27 日单日暴涨 4%，收于每股 216.61 美元，总市值达到 5.26 万亿美元，把第二名谷歌母公司 Alphabet（4.24 万亿）远远甩在身后。四大超级云厂商（Meta、谷歌、微软、亚马逊）今年合计砸 7250 亿美元建 AI 基础设施，英伟达占 AI 加速芯片市场约 90% 的份额，这股热钱直接往英伟达口袋里流。

自动驾驶领域热点简报(2026-04-26 ～ 2026-05-03)2025 年 12 月，工信部正式公布我国首批 L3 级有条件自动驾驶车型准入许可，北汽极狐、长安深蓝各有一款纯电动轿车入选，分别在北京、重庆的指定区域开启上路试点。2026 年被业内公认为"L3 级自动驾驶发展元年"，智能驾驶从单一技术比拼，升级为政策体系、安全标准、生态协同的综合发展。

SLAM 08.后端-非线性优化视觉里程计能给出一个短时间内的轨迹和地图，但不可避免的误差累积，这个地图在长时间内是不准确的。要想构建一个尺度，规模更大的优化问题，以考虑长时间内的最优轨迹和地图，这时后端优化就出现了。

端到端课程自用 4 规划基于自规划AR的端到端规划 AI 笔记这是一个非常核心的架构认知问题。简单来说，“自回归大模型”是“怎么用”（一种生成策略），“Transformer”是“用什么”（一种底层架构）。它们共同构成了现代端到端自动驾驶的“大脑”。

端到端课程自用 5 规划基于Difussion 的端到端planner AI 笔记这张图展示的是 Diffusion Policy（扩散策略）的数学建模过程，它是将图像生成领域的 DDPM（Denoising Diffusion Probabilistic Models）应用到机器人操控（Visuomotor Policy Learning）上。

地平线开发者

QAT 量化配置的等效构建方法 —— 从 Base 之争到"量化"在 QAT 项目中，只要遇到精度问题，工程师的第一反应通常是：先上全 int16，看精度上限。这是完全合理的。

10大算力芯片某某XXU全解析：CPU/GPU/TPU/NPU/LPU/FPGA/RPU/BPU/DPU/GPGPU在 AI 大模型、自动驾驶、边缘计算全面爆发的今天，算力已经成为数字时代的 “新石油/新电力”，而承载算力的各类处理器芯片，就是驱动这场技术革命的 “发动机”。

康谋自动驾驶

软实时、NTP还是PTP？矿山数采时间同步方案实测与选型目录一、引言二、三类同步方案的技术特性2.1 软实时方案：应用层时间戳2.2 NTP方案：系统时钟同步

扩散模型在自动驾驶路径规划中的技术演进与产业格局扩散模型（Diffusion Model）是一类生成式模型，其核心思想源于非平衡热力学中的扩散过程。它通过两个相反的步骤来学习数据分布：前向过程（Forward/Noising Process）：从真实数据（如人类驾驶轨迹）开始，逐步添加高斯噪声，经过 T 步后，数据完全变成纯噪声。这个过程是固定的马尔可夫链：

自动驾驶视觉相关的坐标系自动驾驶视觉感知中，坐标系的转换是理解图像如何从三维世界映射到二维平面的关键。主要涉及以下四个核心坐标系

AGV算法笔记

CVPR 2025 最新感知算法解读：GaussianLSS 如何用 Gaussian Splatting 重构 BEV 表示？这几年自动驾驶里的 BEV 感知几乎成了“必争之地”，很多方法不断往更大的 Transformer、更密的 3D 网格、更复杂的跨视角注意力上堆。但问题也越来越明显：精度确实在涨，算力和显存也在一起涨。