tag 自動駕駛

標籤
貢獻30
106
07:18 PM · Oct 26 ,2025
horizondeveloper 頭像 infodator 頭像 whaosoft143 頭像 u_16640205 頭像 u_13717764 頭像 u_17578926 頭像 u_16099335 頭像 u_16504314 頭像 u_14202100 頭像 u_16120231 頭像 gmicloud 頭像 u_16213691 頭像

@自動駕駛 / 博客 RSS 訂閱

u_16213638 頭像

mob64ca1405664d - 中國人工智能學會通訊——AI時代的若干倫理問題及策略 1.3 構建算法治理的內外部約束機制..._weixin

引言：當AI倫理遭遇工程現實 在人工智能技術飛速發展的今天，我們面臨着一個日益明顯的悖論：AI系統在特定任務上的能力已超越人類專家，但其行為的可靠性與合規性卻越來越難以評估和保障。從自動駕駛車輛在複雜路況下的決策，到醫療診斷AI對罕見病例的判斷，再到金融風控模型對邊緣客户的評估——這些系統在展示驚人能力的同時，也暴露出現有評估框架的侷限。 傳統的技術合規性評估建立在確

風控 , 自動駕駛 , 原語 , 前端開發 , Javascript

收藏 評論

u_13717764 頭像

嗶哥嗶特 - 中國汽車產業下一程：路線圖3.0透露哪些信號?

在2025中國產業轉移發展對接活動現場，中國汽車工程學會監事會長李開國圍繞《節能與新能源汽車技術路線圖3.0》(以下簡稱“路線圖3.0”)作專題演講，系統梳理了中國汽車產業未來15年的發展目標、重點技術路線以及產業格局變化方向。 作為中國汽車行業持續推進十年的系統性戰略研究成果，《技術路線圖》已成為產業界、研究機構及政府部門的重要參考文件。本次發佈的3.0版本在結構體系、研

自動駕駛 , 技術路線 , 人工智能 , 基礎設施 , 數據分析

收藏 評論

u_16827017 頭像

全棧技術開發者 - 什麼是「多模態協同決策」？它與多傳感器融合的關係是什麼？知識蒸餾和跨模態蒸餾有什麼關係？不同模態之間的信息衝突應如何解決？

在過去的十餘年中，智能交通與自動駕駛技術的發展被普遍視為人工智能落地應用最具代表性與最具挑戰性的領域之一。人們對自動駕駛的期待不僅僅是“解放雙手”，更是寄希望於其能夠顯著提升道路利用效率，並最後推動社會出行方式的根本變革。然而，當我們深入考察現有的自動駕駛方案時，一個不容迴避的現實逐漸顯現出來：單車智能正在觸碰其發展的瓶頸。 自動駕駛的決策過程高度依賴感知，而感知本質上是車

自動駕駛 , 人工智能 , 深度學習 , 車聯網 , 模態

收藏 評論

u_17578926 頭像

AI科技 - AI決策更優卻遭“人類本能”牴觸，這是為何？

近日，36氪發佈的專題報道《當AI決策優於人類，我們為何會抗拒？》引發廣泛關注。文章以IBM Watson在癌症診療、便利店全鏈路AI接管等真實案例為切入口，指出技術本身並非失敗的根源，而是人機關係的設計缺失導致的抗拒情緒。 一、黑箱效應與信任缺失 AI算法往往隱藏決策依據，用户難以驗證其背後邏輯，形成“門衞問題”。文章強調，提升信任的關鍵在於三點：擬人化、透

數字化轉型 , 鏈路 , 大數據 , 自動駕駛

收藏 評論

horizondeveloper 頭像

地平線智駕開發者 - 大模型 | QWen3 結構解析

一、簡介 25/4/29 發佈的u Qwen3 /u系列模型，共 8 個模型，其中六個u Dense 模型/u分別為，Qwen3-32B、Qwen3-14B、Qwen3-8B、Qwen3-4B、Qwen3-1.7B 和 Qwen3-0.6B。另外兩個u MoE 模型/u分別為，Qwen3-235B-A22B，擁有 2350 多億總參數和 220 多億激活參數的大模型，以及 Qwen3-30B-A3

自動駕駛 , 算法

收藏 評論

horizondeveloper 頭像

地平線智駕開發者 - 征程 6 | 多任務 不同幀率 部署方案

1.方案描述 推理多任務模型時，可能會有不同任務分支 部署不同幀率的需求，例如 BEV 動態任務 20 幀，靜態任務 10 幀這種情況。 最簡單的方式是編譯兩個模型，分開推理： 模型 1：backbone+neck+ 動態 head 模型 2：backbone+neck+ 靜態 head 此時，重複的公共部分 backbone+neck 會重複佔用內存與存儲，且 backbone+

自動駕駛 , 算法

收藏 評論

horizondeveloper 頭像

地平線智駕開發者 - mul 與 reduce_sum 的優化實例

一、基礎介紹 什麼是 mul 與 reduce\_sum？ mul 通常指元素級乘法（Element-wise Multiplication），它將兩個形狀相同的張量中對應位置的元素相乘，返回一個與原張量形狀相同的新張量。 reduce\_sum 是一種規約操作（Reduction Operation），它沿指定維度對張量的元素求和，從而 “壓縮” 或 “減少” 張量的維度。如果不指定維度，則對所

自動駕駛 , 算法

收藏 評論

gmicloud 頭像

GMICloud - GMI Cloud@AI週報 | Cursor 2.0發佈自研模型Composer；小鵬發佈新一代人形機器人 IRON

Giants：OpenAI 與與亞馬遜雲科技達成 380 億美元戰略合作；AI 算力競賽進入太空 OpenAI 與亞馬遜雲科技達成 380 億美元戰略合作 本週，OpenAI 與亞馬遜 AWS 簽署了一項價值 380 億美元的多年期算力協議。根據協議，OpenAI 將獲得 AWS 大量先進 GPU 的使用權，以支持其模型研發。此舉標誌着 OpenAI 正式採用多雲戰略，打破了與微軟 Azure 的

資訊 , 自動駕駛 , 機器人 , 人工智能

收藏 評論

horizondeveloper 頭像

地平線智駕開發者 - LLM 訓練基礎概念與流程簡介

1. LLM 訓練基礎概念 1.1 預訓練（Pretrain） LLM 首先要學習的並非直接與人交流，而是讓網絡參數中充滿知識的墨水，“墨水” 理論上喝的越飽越好，產生大量的對世界的知識積累。 預訓練就是讓 Model 先埋頭苦學大量基本的知識，例如從 Wiki 百科、新聞、書籍整理大規模的高質量訓練數據。 這個過程是“無監督”的，即人類不需要在過程中做任何“有監督”的校正，而是由模型自己從大量文

自動駕駛 , 算法

收藏 評論

horizondeveloper 頭像

地平線智駕開發者 - Camsys 時間戳信息簡介

不同平台時間戳介紹 1.征程 3 平台 其中 u64 timestamps： 硬件時間戳，是跟 CPU 一起用的 64 bit system counter，1s 是 24M 個 clock。 FS 的時候從硬件寄存器讀取。讀取的值除以 24000 是毫秒，除以 24000000 是秒。 struct timeval tv; 系統時間， SIF FS 的時候獲取 do\_gettimeofday。

自動駕駛 , 算法

收藏 評論

u_16640205 頭像

mb65f83f0864e54 - 自动驾驶圈最 “实在” 老板

作者：鐘聲 編輯：Mark 出品：紅色星際（ID：redplanx） 頭圖：無人物流小車圖片 自動駕駛圈從不缺愛惜人才的老闆，但要説到對人才的“寵”，新石器餘恩源的動作非常實在。 就在近期新石器完成了D輪融資，幾十個小目標到賬。賬上有錢了，餘恩源搶人動作更猛了。據圈內傳聞，他為了強化技術團隊，在引進人才上各種下功夫，不惜把朝陽酒仙橋公司直接搬到海淀大鐘寺，可謂把誠意拉滿拉足。

數據 , 自動駕駛 , 激光雷達 , 人工智能 , 深度學習

收藏 評論

horizondeveloper 頭像

地平線智駕開發者 - 三種 Badcase 精度驗證方案詳解與 hbm_infer 部署實錄

在模型結構優化與部署量化過程中，開發者往往會遇到一個關鍵任務：​基於歷史 Badcase 數據驗證模型精度變化​，確保模型修改不會引入明顯性能退化。 這類驗證常見於感知、預測、行為識別等任務，尤其在客户交付或精度迴歸過程中十分關鍵。 但實際場景中，Badcase 的來源和管理非常複雜： 數據常常​分散在客户服務器​； 有些數據是​動態生成、無法導出​； 板端資源有限，難以長期駐留模型或數據

自動駕駛 , 算法

收藏 評論

u_15641375 頭像

芯動大師 - ROS進階：使用URDF和Xacro構建差速輪式機器人模型

前言 本篇文章介紹的是ROS高效進階內容，使用URDF 語言（xml格式）做一個差速輪式機器人模型，並使用URDF的增強版xacro，對機器人模型文件進行二次優化。 差速輪式機器人：兩輪差速底盤由兩個動力輪位於底盤左右兩側，兩輪獨立控制速度，通過給定不同速度實現底盤轉向控制。一般會配有一到兩個輔助支撐的萬向輪。 此次建模，不引入算法，只是把機器人模型的樣子做出來

yyds乾貨盤點 , 自動駕駛 , 控制系統 , 執行機構 , 人工智能 , 數據結構與算法

收藏 評論

infodator 頭像

容智信息 - 容智Report Agent智能體打通業財數據孤島，實現分析效率10倍提升

在多元業務與複雜產業鏈的架構下，大型集團企業的經營管理長期面臨一個根本性挑戰：如何快速、清晰地看清全域的成本與利潤構成，並讓數據真正服務於動態決策。某業務覆蓋多領域的大型集團，其財務與經營分析部門的實踐，揭示了一個從“被動彙報”到“主動洞察”的轉型路徑。在這一過程中，智能體的引入與應用，成為推動分析效能躍遷、實現持續賦能的關鍵驅動力。 該集團旗下產品線眾多，數據分散在不同區域

數據挖掘 , 自動駕駛 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

horizondeveloper 頭像

地平線智駕開發者 - 征程 6 | linear 高精度輸出配置方式

1. 常規情況 基礎知識： 考慮到模型輸出位置量化損失對模型精度的影響較大，工具鏈推薦模型以 linear/conv 結尾，此時支持高精度 int32 輸出（在 quantized.onnx 中，轉定點為 int32，在前面 calib+qat 階段都是 float32），這幾乎可以做到無損。 征程 6 工具鏈量化 setter 模板支持自動設置高精度輸出，前提是 conv 輸出直接 接 d

自動駕駛 , 算法

收藏 評論

u_15675268 頭像

1艾一刀 - 資本瘋搶無人物流玩家，行深智能的核心底氣是什麼？

文 | 智能相對論 作者 | 孫曉巍 2025年無人物流配送風起雲涌。頭部玩家接連在資本市場有大動作：新石器年內完成第二筆6億美元的融資，九識智能完成1億美元B4輪融資，白犀牛完成B+輪融資，順豐這樣的物流巨頭甚至連投了三次。 毫無疑問，無人物流配送已經成了自動駕駛垂直領域的真正熱門。數據顯示，今年L4級無人物流配送賽道累計融資已超過40億元人民幣。 當乘

數據 , 自動駕駛 , 人工智能 , 深度學習 , 迭代

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - DataWorks千萬級任務調度與全鏈路集成開發治理賦能智能駕駛技術突破

一、智能駕駛數據預處理的行業挑戰 隨着智能駕駛技術的逐級演進，數據驅動的模型訓練範式對數據預處理環節提出三大挑戰： 數據孤島化：需整合攝像頭、LiDAR、毫米波雷達、V2X通信等多模態數據，傳統ETL工具難以實現高效集成。 任務爆炸式增長：單輛測試車每日產生可達50TB 數據，需支持百萬甚至千萬級任務併發調度與彈性擴容。 開發運維一體化需求：要求數據流水線具備高可用性（99.99% SLA

大數據處理 , 大數據 , 自動駕駛 , 數據庫 , 人工智能

收藏 評論

horizondeveloper 頭像

地平線智駕開發者 - 開發者 | 2025 智能駕駛開發者系列培訓在京順利召開！

11 月 30 日，由地平線、中國汽車工程學會主辦，聯合中國智能網聯汽車產業創新聯盟打造的 2025 智能駕駛開發者系列培訓在北京圓滿落幕。本次培訓吸引了北京理工大學、吉林大學、長安大學、一汽、廣汽、比亞迪、蔚來汽車、賽力斯、中信科智聯、北斗智聯、億咖通等 60 餘家來自全國高校、科研機構以及整車與零部件企業的廣泛參與。累計參與人數​超 400 人​，106 位專業學員參與線下實踐，現場氣氛熱

自動駕駛 , 算法

收藏 評論

infodator 頭像

容智信息 - 智能體平台怎麼選？2026企業採購清單+評分模型

隨着Agentic AI從實驗階段進入工程化落地深水區，企業對智能體平台的採購邏輯正在發生根本性變化。Gartner在最新預測中指出：到2026年，超過50%的中大型企業將部署智能體系統，直接參與甚至承擔核心業務流程的執行與決策。 這一判斷的關鍵並不在於“企業是否會上智能體”，而在於：什麼樣的智能體架構，才真正有能力進入核心流程，而不是停留在外圍輔助層。 正是在這一背景下，企業的關注

資訊 , 數據挖掘 , 自動駕駛 , 自然語言處理 , 人工智能

收藏 評論

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（11.28-12.05）

本週全球科技企業密集發佈AI領域新成果，騰訊、崑崙萬維、快手、Meta、智譜AI、生數科技、DeepSeek、Runway、NVIDIA、華為、Mistral AI、阿里、火山引擎、可靈AI等推出多模態、3D生成、視頻生成、推理優化等方向新模型，聚焦性能提升與商業化適配；技術上，華為發佈MoE推理優化技術、商湯開源原生多模態架構；同時，階躍星辰開源 GUI 智能體，拍我AI、Anuttacon推出

資訊 , 自動駕駛 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_16640205 頭像

mb65f83f0864e54 - 華為乾崑走向生態推動者

作者：鐘聲（微信：zsheng518） 編輯：Mark 出品：紅色星際（ID：redplanx） 頭圖：華為乾崑發佈會圖片 汽車智能化即將走向一個新的階段，從L2+大規模普及，向L3有條件自動駕駛實現商業化突破的關鍵階段過渡。 在這樣的階段，行業也產生了新的需求和形勢，技術供應商們也在思考和

商業 , 數據 , 自動駕駛 , 人工智能 , 深度學習

收藏 評論

infodator 頭像

容智信息 - Agent-100平台體驗報告：企業級智能體試用平台到底值不值得用？

在大量企業推進數字化、智能化的過程中，一個現實問題正在反覆出現：不是沒有AI工具，而是“能真正解決崗位問題的工具太少”。財務報銷審核依然堆積、盡職調查週期依然漫長、保險方案匹配仍靠人工經驗、市場分析離不開IT排期、客服與運營被重複性工單吞噬精力……這些問題並非企業不願投入，而是過去多數AI產品並未圍繞真實業務流程設計。在此背景下，我們對Agent-100智能體試用平台進行了系統化體驗與實測

自動駕駛 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

infodator 頭像

容智信息 - 什麼是Agentic AI？通俗解釋為什麼企業都在做智能體

如果你最近頻繁聽到一個詞——Agentic AI（自主式人工智能），但又隱約覺得它不像是“又一個AI概念”，那你的直覺是對的。 我先給一個結論式判斷： Agentic AI不是AI的新功能，而是企業用AI的“新方式”。 它標誌着AI正從“會回答問題”，升級為“能把事情做完”。 這也是為什麼，過去一年裏，幾乎所有頭部企業都在密集討論“智能體”。 很多人對AI的認知，仍停留

自動駕駛 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_15718612 頭像

小怪獸會微笑 - 自動駕駛強化學習Reward設計代表方法和示例demo

10個與獎勵函數設計相關的關鍵概念、技術或方法，併為每個提供一個簡化的Python代碼片段來幫助理解其思路。 碰撞懲罰 (Collision Penalty) 思路: 最基礎的安全獎勵。如果發生碰撞，則給予一個大的負獎勵。 創新點: 直接且易於實現，強制代理避免事故。 d

sed , 機器學習 , 優先級 , 自動駕駛 , 人工智能 , Css , 前端開發 , HTML

收藏 評論