自动驾驶

Python自动驾驶图像识别完整实战教程（OpenCV+YOLOv8，附可直接运行源码）本文从环境搭建、传统视觉车道线检测，再到深度学习目标检测完整实现。所有代码都经过本地调试运行，新手跟着步骤复制就能跑通，适合想要做智能小车、自动驾驶仿真项目、ADAS辅助驾驶原型开发的开发者。

数聚天成DeepSData

自动驾驶感知数据集选型指南：目标检测、分割、车道线、车牌识别摘要：本文梳理了自动驾驶感知任务中常用的公开数据集，涵盖综合感知（KITTI/nuScenes/Waymo/BDD100K）、语义/实例分割（Cityscapes/Mapillary）、车道线检测（TuSimple/CULane/LLAMAS）与车牌识别（CCPD/OpenALPR），横向对比各数据集的传感器配置、标注类型、场景规模与授权限制，并总结了按任务选型的方法以及商用授权、地域差异、隐私合规等常见注意事项，帮助读者快速定位适合自身项目的数据集。

蓝悦无人机

自动驾驶论文解读：深度学习自动驾驶系统预测与规划集成综述名称：The Integration of Prediction and Planning in Deep Learning Automated Driving Systems: A Review

重卡自动驾驶数据引擎升级，智加科技凭借Alluxio实现训练吞吐10倍跃迁在 L4 重卡自动驾驶量产前夜，数据规模决定算法迭代速度，数据吞吐定义研发竞争力。一辆自动驾驶重卡日均产生 TB 级传感器数据，PB 级数据湖成为标配，多云混合架构成为行业常态。但算力持续增长，数据却在"爬行"——如何解决对象存储 I/O 瓶颈、统一多云数据管理、最大化释放 GPU 算力价值，是业内智驾企业在规模化运营阶段普遍需要面对的技术课题。

NVIDIA智能汽车技术实战营笔记——Alpamayo2026年1月5日，拉斯维加斯CES展台上，NVIDIA发布了一款名为Alpamayo-R1的自动驾驶模型。彼时，大多数人仍将其视为又一篇“VLA（视觉-语言-动作）论文的工程实现”。但随后半年间，这个模型以惊人的迭代速度完成了从10B到32B、从单前向到360°全景、从开环预测到闭环强化学习的三级进化，悄然重塑了端到端自动驾驶的技术版图。

标定（Calibration）00-3：自动驾驶常用传感器Camera / LiDAR / Radar / IMU / GNSS 各自解决什么问题？自动驾驶汽车要想在复杂多变的道路环境中安全行驶，首先必须能够**“看懂”周围世界**。这依赖于强大的感知系统，将外界环境转化为机器可用的信息。当前自动驾驶系统常用五大传感器：摄像头（Camera）、激光雷达（LiDAR）、毫米波雷达（Radar）、惯性测量单元（IMU）和全球卫星导航系统（GNSS）。它们各有所长，也各有短板。例如，摄像头能获取丰富的颜色和纹理信息，但夜间或强光下效果不佳；激光雷达提供精准的三维距离测量，但在雨雪雾等天气中性能下滑且成本高昂；雷达对速度测量和恶劣天气具有强鲁棒性，但分辨率相

一见已难忘

4类红外热成像目标检测数据集（轿车/行人/货车/摩托车）| 4300张YOLO红外夜视检测数据集适用于自动驾驶、智能安防与红外目标检测研究本数据集为面向红外热成像视觉感知场景构建的高质量目标检测数据集，专门针对夜间环境、低照度环境以及复杂天气条件下的目标检测任务设计。数据集共计包含4300张高质量红外热成像标注图像，覆盖道路交通、户外巡检、夜间监控等真实应用场景，适用于YOLO系列、Faster R-CNN、SSD、RetinaNet等主流目标检测算法的训练、验证与测试。

自动驾驶之心

ResWorld：端到端自动驾驶的时序残差世界模型（北航&中关村实验室）点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近30个方向学习路线作者 | Jinqing Zhang等

从‘视觉翻译官’到‘决策指挥官’：VLA模型如何重塑自动驾驶的神经中枢当特斯拉的FSD系统在旧金山街头自主完成30分钟无接管行驶时，行业意识到一个关键转折点已经到来——传统基于规则的分层式自动驾驶架构正在触及能力天花板。这种将感知、预测、规划模块机械串联的"流水线式"设计，虽然结构清晰却存在致命缺陷：每个环节的信息损失会像多米诺骨牌般逐级放大，最终导致系统在复杂场景中的表现支离破碎。

YOLO数据集集合

自动驾驶道路视觉开源数据集TT100K工程化使用文档｜道路标识目标检测资源｜开源数据集分享自动驾驶感知、车载视觉算法研发场景中，国内道路交通标识公开高质量数据集稀缺，多数开源数据集存在图像分辨率偏低、标注格式不兼容主流检测框架、道路场景单一等问题，自研采集标注将耗费大量人力与时间成本。TT100K作为适配国内路况的交通标志专用数据集，开箱即用YOLO标准标注，可快速支撑车载识别模型训练与学术课题实验。

Knight_V_Schumacher

基于5090D服务器的NVIDIA Alpamayo实验Alpamayo（如Alpamayo-R1-10B）是由NVIDIA社区（nv-community）推出的前沿开源自动驾驶大模型项目。该项目致力于将大语言模型（LLM）的强大推理能力与自动驾驶的视觉感知和动作控制深度融合，打造具备**“视觉-语言-动作”（Vision-Language-Action, VLA）**能力的下一代物理AI（PhysicalAI）系统。

NVIDIA博客-预训练去想象，微调去行动：世界-动作模型 (WAM) 的崛起原文：Pretrained to Imagine, Fine-Tuned to Act: The Rise of World-Action Models，NVIDIA Technical Blog，2026 年 6 月 15 日，作者 Moritz Reuss（NVIDIA Seattle Robotics Lab）。中文整理说明：本文由上述英文技术博客翻译、整合并补充延伸阅读而成，保留原文全部插图、表格与论文超链接；为中文读者增补了术语解释、编者按与统一参考文献。文中所涉"假设/猜测"等措辞忠实于原文

机器人学习中的世界模型：一份全景式技术综述本文是对论文《World Model for Robot Learning: A Comprehensive Survey》（arXiv:2605.00080v1, 2026.04）的中文深度解读。作者团队：Bohan Hou, Gen Li, Jindou Jia, Tuo An, Xinying Guo, Sicong Leng, Haoran Geng, Yanjie Ze, Tatsuya Harada, Philip Torr, Oier Mees, Marc Pollefeys, Zhua

广东王多鱼

第 08 章 — Agent 化编排层级：L3 Agent 层（重构升级）目标：把前七章手写的 if/else 流程，重构成显式的状态图（LangGraph），换来可观测、可扩展、可中断。本章产出：一个基于 LangGraph 的问数状态机。依赖：第 07 章的全部能力模块。

广东王多鱼

第 03 章 — Schema 检索（应对大库）层级：L1 基础层 + L2 能力层目标：当表数量爆炸时，只把"相关"的表注入 prompt，解决 token 超限与选表干扰。本章产出：一个基于向量检索的 SchemaRetriever。依赖：第 02 章的 schema.py。

世界动作模型（WAM）综述：从 VLA 到具身智能的下一前沿本文是对综述论文 World Action Models: The Next Frontier in Embodied AI (Wang et al., 2026, arXiv:2605.12090) 的系统整理与讲解。论文主页：https://openmoss.github.io/Awesome-WAM ；代码仓库：https://github.com/OpenMOSS/Awesome-WAM 。

YOLOv8-QSD: 革新自动驾驶视觉感知的小目标检测算法YOLOv8-QSD是一种为了提高自动驾驶车辆在复杂交通环境中检测小物体的准确性和速度而设计的改进型算法。它基于YOLOv8，并采用结构重参数化技术优化了多样化分支块（DBB）模型。YOLOv8-QSD通过双向特征金字塔网络（BiFPN）集成了多尺度特征，并引入了基于查询的模型和新的管道结构来解决长距离检测的挑战。在SODA-A数据集上的测试结果显示，YOLOv8-QSD在速度和准确性方面均优于YOLOv8，准确率达到64.5%，计算需求降低了7.1 GFLOPs。

OMNIDRIVE：一种由LLM协同的多智体世界模型，采用统一潜协压缩技术，用于多视角驾驶视频生成26年6月来自北大、厦门大学、韩国KAIST、台大、武汉大学、武汉理工、清华和福建厦门集美大学的论文“OMNIDRIVE: An LLM-choreographed Multi-agent World Model With Unified Latent Co-compression For Multi-view Driving Video Generation”。

World Engine：迈向自动驾驶的后训练时代26年6月来自港大、华为、上海创新研究院、源策未来（Archon Robotics)公司、KE:SAI德法研究所、Nvidia、南阳理工、valeo.ai、清华和图宾根大学的论文“World Engine: Towards the Era of Post-Training for Autonomous Driving”。

事件相机商业化落地的 “最后一道关键门槛”当事件相机的工程接入路径被打通——能接入计算平台、能参与实时处理、能完成具体任务，从技术层面看，它似乎已经具备了进入真实系统的条件。