自动驾驶

文火冰糖的硅基工坊

[创业之路-350]：光刻机、激光器、自动驾驶、具身智能：跨学科技术体系全景解析（光-机-电-材-热-信-控-软-网-算-智）光刻机、激光器、自动驾驶、具身智能四大领域的技术突破均依赖光、机、电、材、热、信、控、软、网、算、智十一大学科体系的深度耦合。以下从技术原理、跨学科融合、关键挑战三个维度展开系统性分析：

数据与后端架构提升之路

在自动驾驶数据闭环中的特征工程应用目录1. 特征预处理详解1.1 无量纲化处理1.2 二值化处理1.3 One-Hot编码1.4 缺失值处理

在Carla中构建自动驾驶：使用PID控制和ROS2进行路径跟踪机器人技术是一个多学科领域，涉及机械设计和计算机科学的各个领域，例如计算机体系结构、网络和数据库。由于它集成了不同的领域，它通常被视为系统工程。机器人技术的核心软件组件是数学密集型的，必须经过高度优化才能保持低延迟。机器人技术的主要软件组件是：

[论文梳理] 足式机器人规划&控制流程 - 接触&碰撞的控制 - 模型误差 - 自动驾驶车的安全&合规（4个课堂讨论问题）目录问题 1：足式机器人运动规划 & 控制的典型流程 (pipline)1.1 问题1.2 目标1.3 典型流程（Pipeline）

自动驾驶-一位从业两年的独特视角2023.03 作为一名大三学生，加入到某量产车企，从事地图匹配研发 2023.07 地图匹配项目交付，参与离线云端建图研发 2023.10 拿到24届校招offer 2024.07 正式入职 2025.01 离线云端建图稳定，开始接触在线车端融图研发

基于视觉的自动驾驶 3D 占据预测：回顾与展望24年5月来自北航大学的论文“Vision-based 3D occupancy prediction in autonomous driving: a review and outlook”。

机器觉醒时代

华为发布全球首个L3商用智驾ADS4.02024年10月2024世界智能网联汽车大会上，余承东讲到：“华为ADS 4.0将于2025年推出高速L3级自动驾驶商用及城区L3级自动驾驶试点，希望加快L3级自动驾驶标准的进程，推动L3级自动驾驶技术的普及。”

Sce2DriveX: 用于场景-到-驾驶学习的通用 MLLM 框架——论文阅读《Sce2DriveX: A Generalized MLLM Framework for Scene-to-Drive Learning》2025年2月发表，来自中科院软件所和中科院大学的论文。

地平线开发者

C++ 部署的性能优化方法在编写前后处理函数时，通常会多次用到一些变量，比如模型输入 tensor 的 shape，count 等等，若在每个处理函数中都重复计算一次，会增加部署时的计算量。对于这种情况，可以考虑使用结构体，并定义一个初始化函数。先计算好需要的值，之后需要用到该变量的时候直接引用（&）传递即可。

NVIDIA高级辅助驾驶领域的创新实践与云计算教育启示人工智能正在重塑现代交通的面貌，而自动驾驶技术无疑是这场变革中最具颠覆性的力量之一。作为全球AI计算的领军企业，NVIDIA凭借其全栈式技术生态和创新实践，为自动驾驶的产业化落地树立了标杆。从芯片到算法，从仿真到安全，NVIDIA不仅推动了技术边界的突破，更为云计算与行业应用的深度融合提供了生动范例。作为一名云计算教育工作者，我深感这些技术实践不仅是前沿科技的展示，更是未来教学案例的宝贵素材。

自动驾驶领域专业词汇（专业术语）整理以下是分类整理的自动驾驶领域专业词汇表，涵盖 AI、芯片、传感器、自动驾驶核心、辅助驾驶、安全、通信、车灯、泊车、测试标准等类别：

自动驾驶L4级技术落地：特斯拉、Waymo与华为的路线之争随着自动驾驶技术进入L4级（高度自动化驾驶）商业化探索的关键阶段，全球头部企业围绕技术路线与商业模式展开激烈竞争。特斯拉、Waymo与华为分别代表视觉优先、全栈自研Robotaxi、车路协同生态化三大技术流派，其差异化发展路径折射出自动驾驶产业的多元生态。本文通过对比三者在传感器配置、算法架构、数据积累与商业布局的差异，揭示L4级技术落地的核心挑战与未来趋势，为行业提供系统性参考。

NVIDIA高级辅助驾驶安全与技术读后感ll在阅读了 NVIDIA 高级辅助驾驶安全报告后，使公司致力于推进高级辅助驾驶汽车技术、同时考虑安全和标准化感染了我。它显示了 NVIDIA 在安全、法规合规性以及与全球标准组织合作方面的做法。报告中最使人注意的地方是 NVIDIA 积极参与国际标准化工作，具体有ISO 26262功能安全和 ISO 21448预期功能安全，这显示了 NVIDIA 将其技术与全球安全标准适应的做法。

地平线开发者

征程 6 逆向自证hbm与bc一致性在征程 6 算法工具链使用过程中，会存在算法侧与软件侧的交接，偶尔会遇到，需要自证清白的情况，例如：如果遇到了这种问题，算法侧的同学怎么自证清白呢？怎么证明可能是 c++与 python 前后处理不一致的问题？

自动驾驶分级Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles(2021)

简单分析自动驾驶发展现状与挑战技术分级与渗透率当前量产乘用车的自动驾驶等级以L2为主（渗透率约51%），L3级处于初步落地阶段（渗透率约20%），而L4级仍处于测试和示范运营阶段（渗透率约11%）246。

山重水复疑无路@

NVIDIA --- 端到端自动驾驶参加了NVIDIA 高级辅助驾驶开发者实验室的活动，本次活动基于 NVIDIA 汽车行业的端到端解决方案——DRIVE AGX™ 平台，实现高级别智能和安全性的软硬件开发工具和 AV 基础设施。并且NVIDIA自动驾驶实验室推出了一系列自动驾驶算法最新的前沿研究视频以供学习，其中视频 “大规模端到端驾驶” 详细的介绍了Hydra-MDP框架，接下来进行简单的梳理。

「地平线」创始人余凯：自动驾驶尚未成熟，人形机器人更无从谈起温馨提示：运营团队2025年最新原创报告（共210页）——正文：近日，国内智驾芯片上市公司[地平线]创始人兼CEO余凯（先生）接受腾讯新闻访谈时，提到如今大火的人形机器人，核心观点可概述为：自动驾驶和人形机器人技术路径高度重叠（“大脑”层面），自动驾驶尚未成熟，人形机器人更无从谈起；目前商业闭环并不成立，没有收入的理想，烧不久。

开源｜上海AILab：自动驾驶仿真平台LimSim Series，兼容端到端/知识驱动/模块化技术路线导读随着自动驾驶技术快速发展，有效的仿真环境成为验证与增强这些系统的关键。来自上海人工智能实验室的研究团队推出了LimSim Series——一个革命性的自动驾驶仿真平台，它巧妙解决了行业面临的三大挑战：仿真精度与持续时间的平衡、功能性与实用性的冲突，以及评估系统的全面性。

LLM应用于自动驾驶方向相关论文整理（大模型在自动驾驶方向的相关研究）1、《HILM-D: Towards High-Resolution Understanding in Multimodal Large Language Models for Autonomous Driving》