自动驾驶

地平线开发者

【理想汽车智驾方案介绍专题 -1】端到端+VLM 方案介绍2025 年的 GTC 大会上，理想汽车的分享了其最新一代的辅助驾驶方案 MindVLA（视觉-语言-动作端到端大模型）的相关技术方案，此模型结合了 V-Spatial Intelligen、L–Linguistic Intelligence、A-Action Policy 这 3 种先进技术，包含了当时国际上最先进的模型和概念，比如 LLM、VLM、VLA、Diffusion model、Reinforcement Learning 等等。

地平线开发者

理想汽车智驾方案介绍专题 1 端到端+VLM 方案介绍2025 年的 GTC 大会上，理想汽车的分享了其最新一代的辅助驾驶方案 MindVLA（视觉-语言-动作端到端大模型）的相关技术方案，此模型结合了 V-Spatial Intelligen、L–Linguistic Intelligence、A-Action Policy 这 3 种先进技术，包含了当时国际上最先进的模型和概念，比如 LLM、VLM、VLA、Diffusion model、Reinforcement Learning 等等。

地平线开发者

征程 6 | UCP 任务优先级/抢占简介与实操多模型推理场景中，可能会存在谁先谁后，甚至 A 模型任务正在运行，但需要被 B 模型任务抢占的情况。针对这种情况，地平线提供了模型优先级控制策略。

一碗白开水一

自动驾驶激光3D点云处理系统性阐述及Open3D库函数应用一、自动驾驶激光3D点云处理的核心挑战与流程自动驾驶系统依赖激光雷达（LiDAR）生成的高精度3D点云数据实现环境感知，其处理流程需解决以下核心问题：

地平线开发者

开发者说｜Aux-Think：为什么测试时推理反而让机器人「误入歧途」？论文题目：Aux-Think: Exploring Reasoning Strategies for Data-Efficient Vision-Language Navigation

自动驾驶数据仓库：时间片合并算法。在自动驾驶数据仓库，数据都是以时间片的方式进行保存、检索和流转的，但是这些时间片数据的自然时长可能在很大程度上无法直接满足模型的训练和评测，因此时间片的切分、交集计算、合并，前后扩等，就成了对数据进行二次加工、处理的常态化需求，这篇文章给小伙伴们分享一个对连续时间片进行合并的算法。

AGX Xavier 搭建360环视教程【一、先确认方案】设备默认自带 NVIDIA 硬件编解码能力（NVDEC/NVENC），但是需要你在 OpenCV 和 FFmpeg 里正确启用 + 调通 GStreamer 或 nvmpi，才真正能用起来！

端到端自动驾驶：挑战与前沿End-to-End Autonomous Driving: Challenges and Frontiers

阿里云大数据AI技术

基于MaxCompute MaxFrame 汽车自动驾驶数据预处理最佳实践在汽车自动驾驶场景中，车端（量产车、研采车）持续产生并采集海量数据，包括图片、音视频、雷达、GPS等内容，这些数据通常以 ROSbag文件形式进行存储。

从深度学习的角度看自动驾驶A Survey of Autonomous Driving from a Deep Learning Perspective 我们探讨了深度学习在自主驾驶中的关键模块，例如感知，预测，规划以及控制。我们研究了自主系统的体系结构，分析了如何从模块化，基于管道的框架到综合端到端模型组织的知识和信息。通过详尽地概述自动驾驶的进步领域并桥接各个研究领域，我们的调查旨在将各种研究线程综合为统一的叙述。

小庞在加油

Apollo源码架构解析---附C++代码设计示例Apollo是由百度开源的自动驾驶平台，其源码架构设计复杂且高度模块化，是学习大型软件工程设计的绝佳案例。本文将以通俗易懂的方式，结合C++伪代码示例，解读Apollo的核心架构设计思想，帮助初学者理解如何从零构建一个可扩展、高可靠的自动驾驶系统。

地平线开发者

地平线走进武汉理工，共建智能驾驶繁荣生态7月3日，武汉理工大学汽车工程学院与地平线联合启动“智驭未来：智能驾驶技术解析与实践初探”暑期卓越学堂项目**。该项目聚焦智能网联与智能驾驶技术前沿，通过校企协同授课、真实产业场景实践，深化“新工科”人才培养模式，为学生提供从理论到工程落地的全链条能力提升。

小lo想吃棒棒糖

自动驾驶的“安全基石”：NVIDIA如何用技术守护未来出行作为一名计算机视觉方向的学生，我常常思考一个问题：自动驾驶技术究竟如何在复杂多变的现实环境中实现“零事故”？在深入研究NVIDIA的自动驾驶解决方案后，我发现答案藏在一个名为Halos的全栈安全系统中。它不仅是技术堆叠的产物，更是对“安全优先”理念的极致诠释。今天，我想从一名大学生的视角，拆解NVIDIA如何通过硬件、软件和验证体系的协同创新，为自动驾驶筑起一道坚固的“安全护城河”。

【自动驾驶】经典LSS算法解析——深度估计论文题目：Lift, Splat, Shoot: Encoding Images From Arbitrary Camera Rigs by Implicitly Unprojecting to 3D

YOLO在自动驾驶交通标志识别中的应用与优化【附代码】随着自动驾驶技术的快速发展，交通标志识别（Traffic Sign Recognition, TSR）作为环境感知的关键组成部分，其准确性和实时性直接关系到行车安全。YOLO（You Only Look Once）作为一种高效的目标检测算法，因其出色的速度和精度平衡，在自动驾驶领域得到了广泛应用。本文将深入探讨YOLO在交通标志识别中的应用，并提供详细的代码实例，展示如何优化YOLO模型以适应这一特定任务。

阿里云大数据AI技术

10倍处理效率提升！阿里云大数据AI平台发布智能驾驶数据预处理解决方案阿里云大数据AI平台重磅发布智能驾驶数据预处理解决方案，可帮助汽车行业客户实现构建高效、稳定的数据预处理产线流程，数据包处理效率相比自建可提升10倍以上，数据处理推理任务优化提速1倍以上，相同资源产能提升1倍[1]，从源头提高了自动驾驶模型产出的效率，有效支撑智驾技术落地。目前，80% 以上中国车企的辅助智能驾驶跑在阿里云大数据AI平台上。

自动驾驶安全技术的演进与NVIDIA的创新实践自动驾驶技术正以前所未有的速度发展，从高级驾驶辅助系统(SAE L2级)到完全自动驾驶出租车(SAE L5级)，这一技术革命正在重塑全球交通运输行业。然而，随着自动驾驶系统复杂度的提升，如何确保其在各种道路条件下的安全性成为行业面临的核心挑战。NVIDIA作为自动驾驶计算平台的领导者，通过其DRIVE平台和一系列创新技术，为行业提供了从数据中心到车辆的全栈式安全解决方案。

地平线开发者

征程 6M 部署 Omnidet 感知模型服务器端或者本地电脑 git clone github.com/valeoai/Woo…进入 omnidet 下的 models 文件夹下面找到 onnx 文件夹，会找到 export_onnx.py 文件。根据文件顶端说明，需要去配置相关的文件。进入 data/params.yaml 中，在配置文件的最下 main 可以找到# -- ONNX MODEL EXPORT --相关配置。choices 中可以选择你需要的任务，加入你只需要分割，就将 onnx_modelg 更改为 segmentic，假如

UE实现路径回放、自动驾驶功能简记1.路径回放是多个经纬度点位组成的历史数据2.实现方式: ·使用多个点位数据绘制样条线·使车辆等模型根据已绘制的样条线移动