自动驾驶

地平线开发者

【地平线J6工具链入门教程】J5到J6算法部署迁移指南python3.10 & 3.113.8torch2.3.0+cu1181.13.0+cu116torchvision

已落地量产的自动驾驶VLA技术解析：从“感知智能“到“认知智能“的工程化突围适用对象：自动驾驶算法工程师、决策规划模块负责人、量产落地项目经理阅读建议：本文为《端到端自动驾驶》专栏的开篇导论，建议结合后续章节的代码实操一同阅读。

康谋自动驾驶

视觉重建到物理仿真，3DGS如何走向工程应用？目录一、引言二、从重建到表达三、3DGS物理交互与光学仿真关键技术1、3DGS物理交互2、3DGS反射建模

复杂工程拆解：自顶向下设计，自底向上实现读研以来，也做了几个复杂一些的工程了，但对于如何去设计，规划一个复杂工程项目仍然没有头绪，或者说没有清晰的思路。因此在gemini的帮助下，尝试去建立一套设计复杂项目的规范：

BestOrNothing_2015

从零认识自动驾驶经典规划算法： Hybrid A*、Lattice 与 EM Planner目录一、为什么一定要理解这三个算法？二、先用一句话理解三者三、规划问题到底在求什么？3.1 车应该走哪条路？

深度强化学习 | 基于Double DQN算法的移动机器人路径规划(附Pytorch实现)本专栏以贝尔曼最优方程等数学原理为根基，结合PyTorch框架逐层拆解DRL的核心算法(如DQN、PPO、SAC)逻辑。针对机器人运动规划场景，深入探讨如何将DRL与路径规划、动态避障等任务结合，包含仿真环境搭建、状态空间设计、奖励函数工程化调优等技术细节，旨在帮助读者掌握深度强化学习技术在机器人运动规划中的实战应用

神宝能源：启动国内首个极寒工况5G+无人驾驶项目知行产研【原文发表于2020年5月28日 20:01】本文聚焦神宝能源智慧矿山建设相关动态，分享极寒工况下5G+无人驾驶项目的启动情况，为矿山智能化建设提供参考。

自动驾驶技术演进：路径规划与行为决策的突破与落地随着人工智能、传感器与大数据技术的迭代升级，自动驾驶已从概念探索迈入规模化落地的关键阶段，其核心竞争力始终聚焦于「路径规划」与「行为决策」两大技术模块——二者作为自动驾驶系统的“大脑中枢”，直接决定了车辆运行的安全性、高效性与适应性，其技术演进历程，也成为自动驾驶产业成熟度的核心缩影。

破解自动驾驶感知决策难题：智能导航技术与实战指南一、自动驾驶技术的核心范式：从感知到决策自动驾驶技术的本质是构建一套能够替代人类驾驶员的环境感知 - 行为决策 - 运动控制闭环系统，其核心挑战在于如何在动态、不确定的交通场景中，实现安全、高效、舒适的自主行驶。

自动驾驶核心技术：环境感知、路径规划与实时地图导航的全栈实践一、自动驾驶技术范式：感知 - 规划 - 导航的闭环演进自动驾驶技术的本质是构建一套环境感知 - 行为决策 - 运动控制 - 实时导航的闭环智能系统，其核心目标是在动态、不确定的交通场景中，实现安全、高效、舒适的自主行驶。这一范式可拆解为四大核心模块：

【Generative AI For Autonomous Driving】1 生成式AI重塑自动驾驶的技术浪潮与体系化挑战专栏导读：作为《生成式AI驱动自动驾驶》系列的开篇，本文将带您穿越自动驾驶二十年的发展脉络，剖析从DARPA挑战赛到生成式AI革命的技术跃迁。我们将揭示传统自动驾驶面临的"长尾困境"与"可靠性危机"，并阐述生成式人工智能（Generative AI）如何通过世界模型、多模态大模型与合成数据引擎，为L5级完全自动驾驶开辟新路径。

【Generative AI For Autonomous Driving】7 生成式AI驱动自动驾驶的未来图景：开放挑战、社会机遇与技术展望文献来源： Wang Y, Xing S, Can C, et al. Generative ai for autonomous driving: Frontiers and opportunities[J]. arXiv preprint arXiv:2505.08854, 2025.

【Generative AI For Autonomous Driving】5 生成式AI在自动驾驶中的六大应用场景：从数据合成到智慧交通文献来源： Wang Y, Xing S, Can C, et al. Generative ai for autonomous driving: Frontiers and opportunities[J]. arXiv preprint arXiv:2505.08854, 2025.

【Generative AI For Autonomous Driving】6 生成式AI在具身智能领域的拓展：从自动驾驶到通用机器人的技术迁移文献来源： Wang Y, Xing S, Can C, et al. Generative ai for autonomous driving: Frontiers and opportunities[J]. arXiv preprint arXiv:2505.08854, 2025.

ARM+FPGA+AI工业主板定制专家

基于ARM+FPGA+AI的船舶状态智能监测系统（一）总体设计

【Generative AI For Autonomous Driving】4 自动驾驶生成式模型前沿实战——从图像合成到多模态大模型的技术全景解析文献来源：Wang Y, Xing S, Can C, et al. Generative ai for autonomous driving: Frontiers and opportunities[J]. arXiv preprint arXiv:2505.08854, 2025.

出门吃三碗饭

CARLA: 如何在 CARLA 中回放自动驾驶场景对于自动驾驶（AV）开发，集成到开源 CARLA 自动驾驶模拟器中的 Omniverse NuRec 库提供了强大能力。这是一项实验性新功能，适用于 NVIDIA Physical AI Dataset 中已完成重建的示例场景。

Hyper-Diffusion-Planner(1): 论文解读论文链接：https://arxiv.org/pdf/2602.22801项目主页：https://zhengyinan-air.github.io/Hyper-Diffusion-Planner/

高工智能汽车

前沿之声 | 塑造自动驾驶体验的半导体技术本文作者是 TI 汽车系统总监 Mark Ng。他以去年意利雨夜的“压力驾驶”场景切入，用半导体技术视角拆解自动驾驶的变革逻辑。