自动驾驶

决策规划控制面经汇总(66 封私信 / 80 条消息) 卷完了！分享下我的秋招面经（投递近50家自动驾驶与机器人公司） - 知乎

路径规划算法-备忘1979年提出，机器人由点来描述，障碍物用多边形来描述，组合连接各顶点，且各顶点间连线时可见的，再利用优化算法搜索从起点S到终点G的最优路径。

Agilex松灵机器人

ROS 机械臂开发效率低？用 Agent + 具身智能重构开发流程近两年，大模型、AI Agent、VLA（视觉-语言-动作）技术以及 Embodied AI 技术持续推动机器人智能化发展。机器人已经具备：

生成论实验室

判断力与六十四卦：AI的第三块基石作者：周林东，单位：莆田字序生命科技有限公司，地址：福建省莆田市本文核心观点：判断力是AI继Token和Transformer之后的第三块基石。六十四卦的本质是2⁶=64的完备态势空间，是判断力的数学底座。这不是占卜，而是中华文明对认知科学的结构性贡献。

生成论实验室

降U动力学：用一套原理统一解释21项AI技术作者：周林东，单位：莆田字序生命科技有限公司，地址：福建省莆田市声明：本文提出的降U动力学目前是一个统一解释框架，已通过思想实验与工程原型（WOLM判断力引擎）验证了可行性，但尚未在大规模公开基准上完成全部统计检验。欢迎同行进行实证验证与讨论。

SENT/PSI5传感器TSN集成测试：打通传统传感与未来车载网络的“最后一公里”随着汽车电子电气架构向域集中式演进，车载网络正经历从传统总线（如CAN、LIN）到高速车载以太网，再到时间敏感网络（TSN）的深刻变革。在这一过程中，大量基于SENT（Single Edge Nibble Transmission）和PSI5（Peripheral Sensor Interface 5）协议的传感器——如轮速、压力、加速度、角度传感器——作为车辆感知的“神经末梢”，其数据如何高效、可靠、确定性地汇入TSN主干网络，成为智能驾驶系统成败的关键。SENT/PSI5传感器TSN集成测试，正是验证

ORB-SLAM3代码详解 - 第 01 篇 · 系统总览与三线程架构本篇建立 ORB-SLAM3 的全局结构视图：数据从何处进入、在哪些线程之间如何流动、最终存储到何处。后续 17 篇均是对本篇所述各模块的展开。

端到端课程自用 8 规划端到端与VLA 世界模型 RL的关系双系统架构 vlm 负责高层的语义理解传统规划器负责控规好处规划成熟可控坏处系统之间有协同问题端到端 vlm 直接输出控制规划以token模式架构简单缺点对于模型实时性稳定性要求高安全验证难度大

地平线开发者

Horizon 模型多 Batch 配置在 Horizon 模型转换与部署中，涉及三个关键参数：input_shape、input_batch、separate_batch。理解这三个参数的作用与限制，是正确配置模型的前提。

电子科技圈

CXL连接全面赋能AI与车载算力提升，SmartDV CXL全栈IP加速相关芯片设计作者：北京华兴万邦管理咨询有限公司商瑞马华在高性能计算、AI集群与汽车智能驾驶快速迭代的今天，处理器、内存、存储、加速器与协同（异构）计算单元之间的高速互联、缓存一致与低时延通信，已成为决定系统整体性能、可扩展性与可靠性的核心支柱。Compute Express Link®（CXL®）标准凭借开放、兼容、高性能的特性，致力于打破计算系统中的“内存墙”和“异构墙”，因而已从数据中心走向AI集群、边缘AI与汽车智能驾驶，成为新一代智能计算的关键互联标准。

深圳市机智人激光雷达

时空解算与图优化：激光雷达 3D 建图的技术原理与实现流程激光雷达（LiDAR）依托厘米级测距精度、主动探测特性、弱环境光照依赖性，是移动机器人、自动驾驶搭建高精度三维空间地图的核心传感器。激光雷达 3D 建图的核心逻辑：高频采集环境三维点云数据，结合多传感器状态估计与后端全局优化，修正位姿累计误差，构建空间拓扑一致的全局三维地图。

深圳市机智人激光雷达

激光雷达：智慧港口自动化升级的核心感知基石在智慧港口 "无人化、智能化" 转型中，激光雷达凭借全天候、高精度三维感知的技术特性，弥补了传统视觉相机与毫米波雷达在复杂港口环境下的感知短板，成为岸桥、场桥、AGV、集卡自动驾驶等核心装备的智慧感知之眼。

造父智能（哈啰robotaxi）在阿里云环境下构建极致透明的训练加速层存算分离的阿里云环境下，自动驾驶模型训练面临 OSS 数据访问延迟高、GPU 利用率不足的普遍挑战。造父智能（哈啰robotaxi）基于 Alluxio 构建了一套对用户完全透明的训练数据加速层：平台自动完成 OSS Bucket 到 Alluxio UFS 的注册，根据队列节点类型智能选择挂载策略（CSI Ephemeral / Sidecar FUSE / PVC），训练 Pod 内仅可见标准 POSIX 路径，数据加速与缓存管理对用户完全不可见。

奔袭的算法工程师

论文解读--BEV-radar：: bidirectional radar-camera fusion for 3D object detectionBEV视角可以统一不同传感器的坐标空间，避免前视图的几何畸变，更贴合自动驾驶下游路径规划、决策任务的需求，是多传感器融合的天然载体。

深圳市机智人激光雷达

空间几何解算与数字孪生：激光雷达在电力输电通道巡检中的核心机理随着电网网架持续向高海拔、复杂地形延伸，传统人工贴近式巡检与单一可见光巡检面临工况受限、量化精度不足、动态隐患难以预判的瓶颈。激光雷达（LiDAR）凭借主动三维空间建模、多回波植被穿透与数字化全景复现的技术优势，已成为智能电网输变电通道运维的核心装备。

深圳市机智人激光雷达

技术筑牢安全冗余：激光雷达在自动驾驶高阶感知中的底层价值与范式演进高级别自动驾驶（L2+至L4）规模化量产落地的先决条件，取决于车辆感知系统在极端边缘场景（Corner Cases）下的时空解算置信度。尽管视觉摄像头与毫米波雷达作为传统前装主流，构筑了智驾感知的基本盘，但二者分别存在“深度信息缺失/光照高敏感”与“角分辨率低/静止杂波过滤”的物理短板。激光雷达（LiDAR）凭借主动光电探测体制，可实时重构高空间分辨率的三维立体时空，成为高级别自动驾驶感知生态中不可或缺的本质安全冗余底座。

小马哥crazymxm

自动驾驶“跨化身”！Sensor2Sensor用4D高斯泼溅+扩散模型，把网络行车记录仪变成高精度LiDAR真数据这篇由 Waymo、谷歌 DeepMind、约翰斯·霍普金斯大学以及华盛顿大学等顶尖团队联合发布的最新论文，提出了一个名为 Sensor2Sensor (S2S) 的创新生成式范式。它首次实现了将网络上随处可见的单目行车记录仪视频或手机录像，跨化身（Cross-Embodiment）转换为目标无人车专属的 360° 多视角视频以及高精度 LiDAR（激光雷达）点云日志。

为什么静态3DGS+轨迹回放，可以通过强化学习训练端到端自动驾驶？我们一般理解为static 3DGS 是背景，轨迹回放时，障碍物是无法交互的。但是这两篇论文仍然进行了RL强化学习。