自动驾驶

拆解自动驾驶核心架构——感知、决策、控制三层逻辑详解随着2026年自动驾驶迈入“超人智能”新阶段，从L2级辅助驾驶的普及到L4级Robotaxi的规模化试点，这项技术正逐步打破“小众黑科技”的标签，成为汽车产业与人工智能领域的核心赛道。对于技术开发者而言，吃透自动驾驶的三层核心架构，是入门与深耕的关键，今天就带大家拆解感知、决策规划、控制层的核心逻辑与技术要点。

window wsl环境： autoware有日志，没有rviz界面/ autoware起不来1. 运行autoware报错： [ERROR] [rviz2-40]: process has died [pid 27797, exit code -6, cmd '/opt/ros/humble/lib/rviz2/rviz2 -d /root/work_space/autoware/install/autoware_launch/share/autoware_launch/rviz/autoware.rviz -s

不做无法实现的梦～

思翼mk32遥控器配置图传和数传教程设备：图传a2mini遥控器：mk32a2mini手册：A2 mini User Manual CN v1.1.pdf

自动驾驶端到端大模型实战——从原理到工程化落地随着自动驾驶技术向L4级规模化迈进，传统模块化架构（感知-决策-控制）的瓶颈逐渐凸显，端到端大模型凭借“数据驱动+端到端学习”的优势，成为突破长尾场景适配难题的核心方向。对于算法工程师而言，吃透端到端大模型的原理与工程化落地技巧，是抢占自动驾驶技术赛道的关键。本文将从核心原理、关键技术、实战难点三个维度，拆解自动驾驶端到端大模型的落地路径，附实操思路供开发者参考。

自动驾驶传感器融合技术解析——L4级落地的核心支撑传感器作为自动驾驶车辆的“感知器官”，其性能直接决定自动驾驶的安全性与可靠性。单一传感器难以覆盖全场景感知需求，摄像头易受极端天气影响，激光雷达成本较高，毫米波雷达细节识别能力不足，因此多传感器融合技术成为高阶自动驾驶（L4及以上）落地的核心支撑。本文将拆解自动驾驶传感器融合的核心架构、主流融合策略、工程化落地难点，以及不同场景下的融合方案选型，为开发者提供技术参考，助力快速掌握传感器融合的核心要点。

渡众机器人

智驭未来，越野如风：北京渡众机器人全新智能履带式机器人教学科研平台正式发布！在人工智能与机器人技术飞速发展的今天，如何将前沿理论与实际应用紧密结合，成为教育科研领域的重要课题。北京渡众机器人科技有限公司凭借深厚的技术积累与创新精神，正式推出智能履带式机器人教学科研平台，为高校、科研机构及技术爱好者提供了一个强大而灵活的科研教学解决方案。

UniDrive-WM：自动驾驶领域的统一理解、规划与生成世界模型在自动驾驶技术的发展进程中，世界模型扮演着核心角色，精准的场景理解与未来预测是保障驾驶安全的关键。当前，尽管已有研究尝试将视觉 - 语言模型（VLMs）应用于规划任务，但大多将感知、预测和规划视为独立模块，存在信息传递瓶颈与误差累积等问题。为此，来自博世北美研究院、华盛顿大学等机构的研究团队提出了 UniDrive-WM，一种基于 VLM 的统一世界模型，在单一架构中实现了驾驶场景理解、轨迹规划和轨迹条件下的未来图像生成。

气象监测设备如何助力精细化环境管理？金叶仪器智能气象站方案探讨在环境监测领域，气象数据的精准获取与分析对于生产生活、公共安全及生态保护具有基础性意义。随着传感技术与物联网的融合发展，气象监测设备正朝着智能化、集成化方向演进。金叶仪器（山东）有限公司基于多年环境监测设备研发经验，推出新一代智能气象监测站，旨在为用户提供稳定、实用的气象数据采集解决方案。

COVLM-RL：利用VLM引导强化学习实现自动驾驶的关键面向对象推理端到端自动驾驶框架在泛化能力、训练效率和可解释性方面长期面临挑战。现有方法虽利用视觉语言模型通过大规模数据集监督学习来提升推理能力，但在新场景中往往缺乏鲁棒性；而基于强化学习的方法虽增强了适应性，却存在数据效率低下和决策过程不透明的问题。

Coovally AI模型快速验证

“看起来像世界”≠“真世界”！WorldLens全维度解构自动驾驶世界模型近年来，随着生成式AI技术的突破，世界模型（World Models）已成为自动驾驶与具身智能领域的核心研究方向。从文本直接生成驾驶视频，到可控的4D动态场景合成，当前模型已经能够产出视觉上足以“以假乱真”的驾驶画面。

自动驾驶中的传感器技术89——Sensor Fusion（12）https://www.thinkautonomous.ai/blog/tesla-end-to-end-deep-learning/

神经蛙没头脑

2026年AI产品榜·全球总榜， 2月3日更新AI产品榜·全球总榜，涵盖网站榜(Webstie) 和应用榜(App) 两大平台。网站榜(Webstie) 按照 Webstie 访问量排名，时间周期 2025年12月。应用榜(App) 按照 App 月活跃用户排名，时间周期 2026年1月。

知行科技与印度头部汽车零部件供应商Uno Minda签署战略合作协议近日，知行科技与Uno Minda Limited签署ADAS解决方案战略合作协议，双方将首先基于一款明确车型进行ADAS方案的印度本土化开发，并在未来不断拓展合作广度和深度，通过战略协同把握好印度汽车市场电动化、智能化转型的重要机遇期。

量子赋能多智能体路径规划：破解无人机、自动驾驶的 “避撞难题”本文为《 Hybrid Quantum-Classical Multi-Agent Pathfinding 》的阅读笔记，原文链接： [2501.14568] Hybrid Quantum-Classical Multi-Agent Pathfinding。

ONES 签约北京高级别自动驾驶示范区专设国有运营平台——北京车网ONES 签约北京市高级别自动驾驶示范区专设国有运营平台——北京车网。北京车网是北京市首家智能网联领域基础设施投资运营平台，曾公开发布全球首个自动驾驶车路协同数据集 DAIR-V2X，及全球首个开源开放智能网联路侧操作系统 “智路 OS”，在车联网与自动驾驶领域具备显著的行业引领地位。

王锋(oxwangfeng)

基于 DINO 与 Chinese-CLIP 的自动驾驶语义检索系统架构✅ 使用 DINO 的视觉编码器（ViT-Huge）提取图像特征，再配合 Open-Vocabulary Detection 方法实现“开集检测”

数据与后端架构提升之路

论边云协同架构在自动驾驶系统中的应用2024年3月，我参与了某科技公司“新一代L4级自动驾驶测试平台”的研发工作，在项目中担任系统架构师，负责整体技术架构设计与核心模块选型。该平台旨在解决复杂城市工况下的自动巡航、动态避障与路径规划难题。鉴于自动驾驶车辆（端侧）每日产生TB级海量数据，且对决策延迟有毫秒级的严苛要求，传统单一的云计算或边缘计算模式均无法满足系统在实时性、带宽成本及模型迭代效率上的综合指标。因此，我设计了一套基于KubeEdge的边云协同架构。本文将结合项目实践，从资源协同、数据协同、智能协同及应用管理协同四个维度，详细论述该

开源的自动驾驶框架目前主流的开源自动驾驶框架，这类框架覆盖了从入门学习、算法研发到工程落地、实车部署的全场景，核心分为全栈式框架（覆盖感知/预测/决策/规划/控制全流程，可直接对接实车）和模块化框架（聚焦单一环节，适合算法定制开发），同时还有轻量化入门框架（适合新手快速上手）。

智能交通顶刊TITS论文分享｜如何利用驾驶感知世界模型实现无信号灯路口自动驾驶？本推文介绍了智能交通领域顶级期刊IEEE Transactions on Intelligent Transportation Systems（简称为TITS）的一篇论文《Integrating Driving-Aware World Model With MPC for Autonomous Driving at Unsignalized T-Intersections》。该论文提出了一种集成了驾驶感知世界模型与模型预测路径积分控制的端到端自动驾驶框架，旨在解决自动驾驶车辆在无信号灯T型路口等复杂交互场

hjs_deeplearning

文献阅读篇#16：自动驾驶中的视觉语言模型：综述与展望（翻译）自动驾驶中的视觉语言模型：综述与展望文章发表于一区Top期刊IEEE Transactions on Intelligent Vehicles，DOI 10.1109/TIV.2024.3402136