自动驾驶

避开欧美红海，深耕中东沙漠：萝卜快跑的差异化出海能走多远？出品I下海fallsea撰文I胡不知2026年1月6日，迪拜酋长国的阳光穿透薄雾，落在萝卜快跑一体化运营基地的蓝色顶棚上。当天，这家百度旗下的自动驾驶出行平台，从迪拜道路与交通管理局（RTA）手中接过了全无人驾驶测试许可——这是迪拜首个且唯一的此类许可，意味着萝卜快跑的无人车可在指定区域脱离安全员，仅靠云端监控完成公开道路测试。

VGGT-Long：突破千米级长 RGB 序列单目 3D 重建的极限在自动驾驶、机器人导航等关键领域，从单目 RGB 流中感知 3D 环境是核心技术需求。然而，现有 3D 视觉基础模型在处理千米级、无标定的户外长序列时，往往受限于内存瓶颈和累积漂移问题，难以实现精准且稳定的 3D 重建。近期，来自南开大学和南京大学的研究团队提出了 VGGT-Long 框架，通过 “分块 - 对齐 - 闭环” 的极简设计，成功将单目 3D 重建能力拓展至千米级无界户外场景，无需相机标定和深度监督，性能媲美传统标定方法。

gorgeous(๑>؂<๑）

【中科院-张启超组-AAAI26】WorldRFT: 用于自动驾驶的带强化微调的潜在世界模型规划文章：WorldRFT: Latent World Model Planning with Reinforcement Fine-Tuning for Autonomous Driving

自动驾驶中间件iceoryx - 同步与通知机制（二）本章深入讲解 iceoryx 的通知平面（Notification Plane），包括信号量、WaitSet、回调机制等同步原语的实现与使用。这些机制使得订阅者能够高效地等待数据到达，而不需要轮询。

自动驾驶中间件iceoryx - 同步与通知机制（一）本章深入讲解 iceoryx 的通知平面（Notification Plane），包括信号量、WaitSet、回调机制等同步原语的实现与使用。这些机制使得订阅者能够高效地等待数据到达，而不需要轮询。

CAN系列 — (6) CAN FD 带宽、CPU、中断：工程上是如何一起算的？CAN系列 — (1) 一帧 CAN 报文在 ECU 中的完整生命周期 CAN系列 — (2) CAN 接收中断是如何触发的？一帧一中断真的合理吗？ CAN系列 — (3) Radar Object List 在 MCU 内部是如何被拼装、校验并最终被消费的？ CAN系列 — (4) Radar Header 报文：为什么它是 MCU 感知周期的“锚点” CAN系列 — (5) COM / PduR / CanIf 的职责边界：为什么它们不能互相越界 CAN系列 — (6) CAN FD 带宽、CPU、中

Autoware Universe 感知模块详解 | 第十二节 CUDA 编程基础——CUDA执行模型当我们在上一节中讨论"数据准备层"和"推理层"时，已经提到了 CUDA 加速这个关键词。在 Autoware CenterPoint 的实现中，点云预处理（范围裁剪、多帧融合、坐标变换）、特征编码（VFE 的体素化操作）、甚至某些后处理流程（如范围过滤）都有 CUDA 实现的版本。这不是可选项，而是在边缘设备（如 NVIDIA AGX Orin）上达到实时性能的必要条件。

如何通过选择正确的畸变模型解决相机标定难题在自动驾驶、机器人导航和三维重建等领域，我们常常需要让相机“看到”的二维图像与激光雷达扫描的三维点云精确对齐。这个对齐过程称为“联合标定”或“外参标定”，它决定了相机与激光雷达之间的空间位置关系。

CAN系列 — (8) 为什么 Radar Object List 不适合“直接走 CAN 信号”CAN系列 — (1) 一帧 CAN 报文在 ECU 中的完整生命周期 CAN系列 — (2) CAN 接收中断是如何触发的？一帧一中断真的合理吗？ CAN系列 — (3) Radar Object List 在 MCU 内部是如何被拼装、校验并最终被消费的？ CAN系列 — (4) Radar Header 报文：为什么它是 MCU 感知周期的“锚点” CAN系列 — (5) COM / PduR / CanIf 的职责边界：为什么它们不能互相越界 CAN系列 — (6) CAN FD 带宽、CPU、中

驾驶认知的本质：人类模式 vs 端到端自动驾驶在讨论自动驾驶系统时，一个常见的误解是把“开车能力”等同于“驾驶智能”。事实上，人类驾驶与端到端自动驾驶之间的核心差异，并不在于动作精度或感知能力，而在于认知结构与任务管理模式。

益莱储中国

2026 CES 聚焦 Physical AI：AI 硬件、具身智能、自动驾驶、芯片战争、机器人、显示技术等全面爆发2026年1月6-9日，国际消费电子展（CES 2026）在美国拉斯维加斯开幕，海内外厂商集中展示人形机器人、AI硬件、智能家居等领域的最新成果，全球科技竞争进入新阶段。CES 2026的关键主题围绕Physical AI(物理AI)展开,标志着AI从软件向实体世界的全面渗透。从NVIDIA的Rubin平台到Boston Dynamics的量产Atlas,从量子计算的商业化推进到自动驾驶的突破,技术创新正在加速从概念验证走向实际部署。芯片战争、显示技术革命以及智能家居的AI化,共同勾勒出2026年科技产业

相机与激光雷达联合标定：如何选择高辨识度的参照物在自动驾驶、机器人与三维感知领域，相机与激光雷达是两种互补的核心传感器。联合标定的目标是获取两者之间的精确坐标变换关系，使来自不同传感器的数据能在同一坐标系下对齐，从而完成深度融合与感知任务。

Autoware Universe 感知模块详解 | 第十一节：检测管线的通用工程模板与拆解思路导引第一节里把“为什么要从工业级框架入手、如何用阶段化路线把检测功能包吃透、以及怎样把工程交付与个人能力成长并行推进”这条主线讲清楚了：先跑通闭环，再拆解模块，随后补齐训练—导出—部署—增量更新，最终上升到范式抽象与可迁移能力。但当真正开始进入源码细节时，最容易遇到的困难不是“看不懂某个函数”，而是缺少一个稳定的全局坐标系：不知道某段代码属于整条链路的哪一层、为什么要这样设计、以及出了问题该从哪里排查。

Hyper Agent：企业级Agentic架构怎么实现？在AI技术深度重构企业数字化与自动化体系的进程中，Agentic Architecture正在从“前沿概念”快速演进为企业级系统架构的新范式。与偏重交互体验和单点能力的消费级Agent不同，企业级Agentic架构直接嵌入真实业务流程，连接核心系统、真实数据与组织责任，其成败不取决于模型是否“聪明”，而取决于是否“可控、可治理、可持续”。

退休钓鱼选手

BehaviorTree行为树-机器人及自动驾驶摘要：行为树是一种模块化、层次化的决策框架，广泛用于机器人及自动驾驶系统。它通过树状结构组织任务节点，实现清晰的任务编排与动态响应，显著提升了复杂场景下的决策可读性、可维护性与可靠性。在自动驾驶中，行为树高效协调感知、规划与控制模块，是实现安全、智能驾驶的关键技术之一

CAN系列 — (3) Radar Object List 在 MCU 内部是如何被拼装、校验并最终被消费的？本文统一使用 MCU（Microcontroller Unit）表示雷达 CAN FD 报文的接收与处理节点。在系统架构语境中，该 MCU 可能承担域控制器（DCU）的角色，但在本文讨论的 CAN 接收、AUTOSAR 链路与 Object List 拼装问题上，两者指代同一执行实体。

CAN系列 — (4) Radar Header 报文：为什么它是 MCU 感知周期的“锚点”在前面的几篇文章中，我们已经反复提到一个角色——Radar Header 报文。它出现的频率甚至高于 Object Data 本身：

Autoware Universe 感知模块详解 | 第十节：工程角度的自动驾驶检测管线方法论站在 2026 年的当下，模块化架构自动驾驶体系中感知领域已经进入到"工程化成熟度高、研究红利递减"的阶段。当我们打开 Autoware Universe 或 Apollo 这样的工业级框架，会发现检测、跟踪、预测三个任务已经形成了成熟的分工体系，而框架内置的 CenterPoint、YOLOX 等模型也已经经过了多个迭代和实战验证。在第一部分中，我将着重介绍感知的三个主要子任务。

冻伤小鱼干

《自动驾驶与机器人中的slam技术:从理论到实践》笔记——ch8（1）自动驾驶对SLAM的应用主要集中在定位与建图这两大模块。在定位模块中，也常常需要使用DR或LIO进行局部的位置估计。

地平线开发者

征程 6 | cgroup sample本 sample 实现限制进程 cpu 占用率和运行的 cpu 核功能，此处主要介绍该 sample 的实现与使用方法。