自动驾驶

「宇树科技」13家核心零部件供应商梳理！2025年2月6日，摩根士丹利（Morgan Stanley）发布最新人形机器人研报：Humanoid 100: Mapping the Humanoid Robot Value Chain（人形机器人100：全球人形机器人产业链梳理）。

扶光与望舒呀

练习：自动驾驶需求：汽车无人驾驶会涉及到大量判断，当汽车行驶的时候遇到了红绿灯，就会进行判断，如果红灯亮，就停止；如果黄灯亮，就减速；如果绿灯亮，就行驶。

智能汽车人

行业分析---小鹏汽车2024全年财报关注新能源汽车方面的行业信息，非常有助于自身职业发展，因此笔者也经常分享相关的行业动态，给各位读者朋友总结相关公司的发展概况。之前也写过两篇小鹏汽车的文章。

自动驾驶系统的车辆动力学建模：自行车模型与汽车模型的对比分析在自动驾驶系统的车辆动力学建模中，自行车模型（Bicycle Model）和更复杂的汽车模型（如双轨模型或多体动力学模型）各有其适用场景和优缺点。以下是两者的详细对比及选择原因解析：

论文阅读笔记——MAGICDRIVE: STREET VIEW GENERATION WITH DIVERSE 3D GEOMETRY CONTROLMagicDrive 论文MagicDrive 通过对 3D 数据和文本数据的多模态条件融合和隐式视角转换，实现了高质量、多视角一致的 3D 场景生成。

CUL-CHMLFRP启动器 windows图形化客户端CUL原名CHMLFRP_UICUL顾名思义为CHMLFRP-UI-Launcher下载地址：https://cul.lanzoul.com/b00pzv3oyj 密码:ff50

OpenEMMA: 基于多模态大语言模型的端到端开源自动驾驶框架OpenEMMA: 基于多模态大语言模型的端到端开源自动驾驶框架OpenEMMA 将前置摄像头图像和车辆历史文本状态作为输入。驾驶任务被构建为视觉问答（VQA）问题，利用思维链推理来指导模型生成关键物体的详细描述、行为洞察和元驾驶决策。这些决策由模型直接推断得出，为生成路径点提供了必要的上下文。为了减轻多模态大语言模型在目标检测任务中已知的局限性，OpenEMMA 集成了经过微调的 YOLO 版本，该版本针对自动驾驶场景中的 3D 边界框预测进行了专门优化，显著提高了检测精度。此外，通过利用多模态大语言模

智能汽车人

行业分析---小米汽车2024全年财报其实，关于小米汽车，笔者之前已经多次介绍过了，包括小米汽车成功的原因、智驾进展以及雷军个人的魅力，见博客《自动驾驶---小米汽车智驾进展》和《微自传系列---雷军》。

联核科技AGV无人叉车有哪些常见的安全防护措施？联核科技的AGV无人自动化叉车作为自动化设备，它的安全防护措施通常涵盖多个层面，以确保在复杂环境中安全运行。以下是联核AGV无人叉车常见的安全防护措施及技术实现方式：联核科技官网-AGV叉车十大品牌-无人叉车厂家-自动化叉车-智能搬运码垛机器人-智能叉车系统解决方案专家

对话周光：自动驾驶实现 AGI，RoadAGI 比 L5 更快 | GTC 2025自动驾驶实现垂直领域的 AGI，有了新路径。不是 Robotaxi，而是 RoadAGI。在英伟达 GTC 2025 上，元戎启行 CEO 周光受邀分享，提出用 RoadAGI，能更快大规模商用自动驾驶，实现垂直道路场景下的 AGI，RoadAGI 的实施平台，是元戎最新分享的 AI Spark：

自动驾驶AEB误触发率评估的必要测试里程估计在自动驾驶系统中, 自动紧急制动 (AEB) 的误触发率 (False Trigger Rate) 是关乎安全性与用户体验的核心指标. 然而, 实车道路测试面临两个核心矛盾:

自动驾驶工程师之多传感器融合篇以下是针对自动驾驶工程师在传感器联合标定与感知融合领域的知识拓展，结合技术原理与行业实践，分层解析关键问题：

Java 大视界 -- Java 大数据在智慧交通自动驾驶仿真与测试数据处理中的应用（136）💖亲爱的朋友们，热烈欢迎来到青云交的博客！能与诸位在此相逢，我倍感荣幸。在这飞速更迭的时代，我们都渴望一方心灵净土，而我的博客正是这样温暖的所在。这里为你呈上趣味与实用兼具的知识，也期待你毫无保留地分享独特见解，愿我们于此携手成长，共赴新程！💖

送我上青云|

Localisation using the Appearance of Prior Structure 论文阅读第三章 Localisation using the Appearance of Prior Structure

自动驾驶背后的数学：特征提取中的线性变换与非线性激活在上一篇博客「自动驾驶背后的数学：从传感器数据到控制指令的函数嵌套」—— 揭秘人工智能中的线性函数、ReLU 与复合函数中，我们初步探讨了自动驾驶技术中从传感器数据到控制指令的函数嵌套流程，其中提到了特征提取模块对传感器数据进行线性变换后应用 ReLU 函数的操作。今天，我们深入挖掘这一过程背后的数学原理，包括权重矩阵、偏置向量以及线性变换的相关知识，帮助大家更全面地理解自动驾驶系统中的特征提取机制。

轨迹优化 | 基于梯度下降的路径规划算法(附ROS C++/Python仿真)🔥课设、毕设、创新竞赛必备！🔥本专栏涉及更高阶的运动规划算法轨迹优化实战，包括：曲线生成、碰撞检测、安全走廊、优化建模(QP、SQP、NMPC、iLQR等)、轨迹优化(梯度法、曲线法等)，每个算法都包含代码实现加深理解

白云千载尽

LMDrive大语言模型加持的自动驾驶闭环系统原理与复现过程记录LMdrive作为一个优秀的开源视觉语言驾驶模型,是未来技术的导向,官方: https://github.com/opendilab/LMDrive?tab=readme-ov-file 论文:https://arxiv.org/abs/2312.07488

自动驾驶中基于潜在世界模型学习多概率决策(LatentDriver)Learning Multiple Probabilistic Decisions from Latent World Model in Autonomous Driving

BEV学习笔记之-LSS 手撕代码BEV (Bird-Eye-View)，鸟瞰视角是一种比相机视角更直观、信息更丰富的视角，非常适合用来做多传感器信息融合，特别是在跨相机物体跟踪方面，能够提供一致性更强的信息。

强化学习 - PPO控制无人机PPO（Proximal Policy Optimization，近端策略优化）是一种强化学习算法，用于训练智能体（无人机）如何在环境中做出决策。它本质上是策略梯度（Policy Gradient）方法的一种改进，旨在提高训练稳定性，同时确保策略更新不过大。