自动驾驶

空间机器人

自动驾驶 ADAS 器件选型：算力只是门票，系统才是生死线🎯 如果你只盯着 TOPS、像素和“最新芯片”，那你大概率会在 DV / PV / 量产阶段被现实狠狠干一拳。

九章云极AladdinEdu

全球主要市场自动驾驶法规政策对比：中国、美国、欧洲的监管路径与准入要求自动驾驶的商业化落地离不开法规的引导与约束。本文系统对比全球三大主要市场——中国、美国、欧洲在自动驾驶领域的监管路径与准入要求。从监管哲学入手，剖析“渐进式”与“跨越式”路径的差异；详细梳理各国的法规体系、准入管理、测试要求、网络安全与数据保护、责任认定等核心要素；对比分析UNECE R157（ALKS）等关键法规的适用与演进；探讨中国“双准入”模式、美国联邦与州分权机制、欧盟整车框架法规（EU 2019/2144）的异同。最后展望全球法规协调趋势及对中国企业出海的影响，为自动驾驶企业的全球化合规提供参考

【IoT死磕系列】Day 9：架构一台“自动驾驶物流车”，看8种协议如何协同作战目录一、整车通信架构全景图二、协议实战：数据的一生（从下单到车轮转动）场景 1：用户下单，车辆启动（MQTT vs HTTP）

地平线开发者

智能驾驶感知算法的演进智能驾驶中的感知算法，并不是单纯回答“画面里有什么”，而是要回答三个更困难的问题：早期感知算法的发展，很长一段时间都停留在“看清楚图像内容”，而不是“理解真实世界结构”。 BEV（Bird’s Eye View）路线的出现，本质上是一场从图像认知到世界建模的范式迁移。

插曲皆为进阶序章：中美无人车解锁高阶安全能力作者 |王博编辑 |德新近日武汉街头部分萝卜快跑无人车出现短暂停滞，引发不少讨论。事发后相关部门迅速处置，无人受伤，交通也很快恢复正常。

WWW 2026 | 时空数据(Spatial Temporal)论文总结(交通预测，人群移动，轨迹表示，信控等)WWW 2026将在2025年4月13日到17日于阿联酋迪拜（Dubai, United Arab Emirates）举行。

Tool文件夹：瑞士军刀库在自动驾驶科研中，你不仅要写算法，还要处理海量的数据下载、模型管理和文件重命名。这个文件夹里的脚本就是为了帮你完成这些琐碎但必须的外围辅助任务。

硬件控制器是如何实现与ros2_control交互的硬件控制器（如电机驱动器、传感器接口、执行器控制板等）与 ros2_control 交互的核心是通过实现 ros2_control 定义的标准化硬件接口，使 ros2_control 框架能统一读取硬件状态、发送控制指令。这种交互基于“硬件抽象层”设计，屏蔽了不同硬件的底层差异，让上层控制器（如差速控制器、关节轨迹控制器）无需关心硬件细节。

地平线开发者

征程 6X watchdog 问题分析征程 6X SoC 中有 2 路 watchdog，使用 wdt0（监控 linux irq），wdt1（监控 linux 优先级为 50 的 rt kthread）：

地平线开发者

多 Batch 量化校准与单 Batch 校准的数值差异在模型量化过程中，常见的一种工程优化手段是**使用多 batch 进行校准（calibration）**，以提升 GPU 利用率、缩短校准时间。在实践中可以观察到这样一个现象：在部分模型上，多 batch 校准与单 batch 校准得到的量化结果并不完全一致，甚至可能出现精度差异。

CCC：CarCrazeCurator

基于 VLA 的自动驾驶轨迹规划：从思路到落地的实践之路在自动驾驶技术飞速发展的当下，轨迹规划作为决策与控制之间的核心桥梁，直接决定了车辆行驶的安全性、舒适性与效率。近期，我完成了一个基于 VLA（Vectorized Lane Attention，矢量化车道注意力）的自动驾驶轨迹规划项目，并将代码开源至 GitHub（项目地址https://github.com/LQY-hh/VLA-autonomous-driving-trajectory）。这篇博客想和大家聊聊这个项目的背景、核心思路、实现细节，以及开发过程中的一些思考。

深度神经网络的底层数学原理神经网络的本质就是数学，就是函数。在这个复杂的函数中，最基本的单元就是神经元。神经元是一个函数，他的输入是上一层的所有神经元的激活值，输出是一个【0，1】的激活值。每一个神经元都代表着一个特征或者信息，这个神经元就是一个容器。

自驾算法的日常工作？如何提升模型性能？一个成熟的算法训练流程通常包含以下 7 个核心阶段：“垃圾进，垃圾出 (Garbage in, garbage out)” 是深度学习的金科玉律。

PETRV2-BEV模型训练实战：Paddle3D框架下VOVNet主干网络调优如果你正在研究自动驾驶的3D感知，特别是基于BEV（鸟瞰图）的视觉感知方案，那么PETR系列模型一定在你的关注列表里。PETRV2作为该系列的重要升级，通过引入3D位置编码，在保持高效性的同时，显著提升了3D目标检测的精度。

高通携手Wayve：推动端到端AI自动驾驶迈向量产时代在自动驾驶从“技术验证”迈向“规模商用”的关键阶段，产业正在经历一次底层技术路径的重构。2026 年 3 月，Qualcomm Technologies, Inc. 与 Wayve 正式宣布达成技术合作，面向全球车企推出可量产的 ADAS 与自动驾驶解决方案。该方案将 Wayve AI Driver 作为端到端 AI 驾驶智能层，深度融合于高通骁龙 Ride 平台之中，为从“免手驾驶”到“无需视线干预”的自动驾驶能力提供统一架构支撑。

ROS2 机器人少年创客营：Day 3👋 欢迎回到实验室，高级见习工程师！昨天回顾：我们写出了自动画正方形的代码。但是，我们的海龟是**“盲人”！它只知道“走2秒、转1.5秒”，却完全不知道自己实际**走了多远。如果地面打滑，正方形就会画变形。

云服务器开发与SSH通俗解释：你现在为了解决“自己电脑没显卡”无法训练，但是需要一台高性能计算机帮助你给你提供条件进行训练。这时候，你可以去云服务器提供商租借一台配置了顶级 RTX 4090 显卡的电脑。云服务器，就是开在网线另一端的“超级网吧”。

（11-3）感知-运动耦合与行为理解：行为识别与预测行为识别与预测是机器人理解和适应人类及环境动态行为的核心能力。通过感知环境与目标动作、预测未来轨迹及意图，机器人能够提前调整自身策略，实现安全、协作与高效交互。该能力是人机共存环境中自主运动、协作操作和社会性行为的重要基础。

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。