.在讨论自动驾驶大模型时，常会有几个评价维度，如感知是否准确、决策是否稳定、系统是否足够鲁棒，以及模型有没有“泛化能力”。相比准确率、延迟这些容易量化的指标，“泛化能力”这个词看起来比较抽象，也更容易被模糊使用。.它没有直观的评价标准，却决定了模型能不能真正走出训练数据、应对真实道路中的未知情况。理解清楚它到底指的是什么、为什么难、又该如何评估，是理解自动驾驶大模型能力边界的第一步。. ..什么是

..1.后量化转换（PTQ）.暂无. . .2. 量化感知训练（QAT）.2.1 模型尾部conv+relu结构未正确开启高精度输出.对于模型尾部的 conv+relu 结构，若发现未能按配置正确开启 int32 高精度输出，可优先检查是否存在共享算子。若 relu 是共享，则不会和其上游的 conv 发生 fuse 融合行为，relu 会单独出现，此时 conv 就不会开启高精度。..2.2 如

# BEVFormer：基于鸟瞰图的时空特征融合框架.## 1. 研究背景与动机.### 1.1 从3D到4D：引入时序维度的必要性.传统的BEV（Bird's Eye View，鸟瞰图）特征可以视为三维空间表征。然而，自动驾驶场景的本质是一个动态过程，单纯的空间信息无法充分描述环境的演变规律。.时序信息的价值：..运动预测：通过历史轨迹推断未来位置.速度估计：基于连续帧计算物体运动速度.遮挡处理

# BEVDet模型代码解析与实现细节.## 一、模型架构概述BEVDet采用四阶段处理流程完成3D目标检测任务：.Image-view Encoder：对环视相机图像进行特征提取.View Transformer：将图像视角特征转换为鸟瞰图(BEV)特征.BEV Encoder：对BEV特征进行编码增强.Head：完成最终的目标检测.![Description](https://prod-dc-

1.模型性能评价指标1.1延时获取模型实测延时latency的方法建议参考用户手册hrt_model_exec工具介绍，本文就不再赘述了。建议的是用latency * 设计帧率去统计每个模型在1s周期内占用的bpu资源，再结合pipeline编排情况去找到需要重点优化的模型。1.2模型带宽在perf文件中有一个模型平均带宽的数字，但这个数字与实车实际所需带宽偏差还是比较大的，因为这个带宽需求是基于

.2025年6月4日，全国标准信息公共服务平台公示关于征求《智能网联汽车 组合驾驶辅助系统安全要求》拟立项强制性国家标准（以下简称标准）项目意见的通知。.该标准由工信部提出，委托全国汽车标准化技术委员会智能网联汽车分会执行。本项目周期22个月，于2024年3月22日申报。公示开始日期为2025年6月4日，公示截止日期为2025年7月4日。..该标准对组合驾驶辅助系统的安全性，做了详细的要求。其中包

..........前言...........2025 年 2 月，国家标准 GB/T 45312-2025《智能网联汽车 自动驾驶系统设计 运行条件》正式实施，首次以国标形式明确了 ODC（设计运行条件）的定义与框架。这一标准的落地，填补了此前国际主流 ODD（设计运行范围）定义的短板，为自动驾驶系统的设计、开发、测试及用户使用建立了统一标尺。当前自动驾驶的一些悲剧仍在敲响安全警钟，ODC 的明

# 01 为什么需要相机标定?.在图像测量和机器视觉领域,相机标定是无法绕开的基础环节。标定的核心目标是建立三维真实世界与二维图像平面之间的数学映射关系,获取相机的几何成像参数。接下来,我们从成像机制出发,逐步剖析标定的必要性和常用方法。相机如何完成成像?相机成像本质上是一个光学-电子转换流程:光线穿过镜头(可视为凸透镜),在感光芯片(CCD或CMOS)上形成投影,芯片将光信号转为电信号,再通过D

.为确保自动驾驶安全，很多技术方案中都会采用感知冗余的方式来兜底，即在车辆上加装多个传感器，以实现更多的信息感知。其实对于自动驾驶汽车来说，每个传感器都有自身的优势和劣势，所能应对的交通场景也不一样。.摄像头看得清楚，能分辨颜色、识别交通标志和车道线，但遇到夜晚强逆光、雾霾或暴雨就容易丢失信息。毫米波雷达在雨雪或尘雾里还能给出速度和距离信息，但对物体形状的分辨率比较差，不能很好判断行人的姿态。激光

..原文信息：.https://hgao-cv.github.io/RAD/.TLDR.il：imitation learning ; rl：reinforcement learning.做了什么？.第一个提出基于 3dgs 来进行 rl 用来做 e2e policy。分以下三步走：...训练一个基础的 bev 和 perception model...freeze感知，用 il 方式训练一个 p

.很多从事自动驾驶的小伙伴应该对VLA这个概念已经非常熟悉了。VLA即“Visual-Language-Action”（视觉—语言—动作）模型，它的核心是将视觉信息、语言表达和动作控制这三者整合到一个统一的模型框架中。.与传统自动驾驶系统将感知、预测、规划、控制拆解为多个独立模块的做法不同，VLA可以缩短“看见什么”和“如何行动”之间的鸿沟，构建一个能直接将视觉输入和语言描述映射到具体动作或策略的

.每当提到具身智能，第一反应可能就是一个人型机器人，拥有和人类一样的外貌，可以行走、奔跑，甚至可以承担人类的一些简单的重复工作，那具身智能就一定要像人吗？. ..什么是具身智能？.具身智能强调的不仅是大模型思考的能力，还包括用身体去感知、去试错、去碰环境的过程。举个简单的例子，你拧瓶盖、用筷子夹菜、在拥挤的人群里穿行，这些动作背后不仅有脑子在算，手指的形状、皮肤的触觉、关节的可动范围这些“身体属性

.2025年9月12日，阜时科技发布“万向光控™”技术（车载长距主雷达迎来全固态纪元，阜时科技发布“万向光控™️”技术），这是一种纯固态激光扫描技术，通过电磁控制而不是机械转动的方法，让激光束实现大角度的偏转。...这种新型的激光扫描方案，将会使得纯固态、大角度、长距离激光雷达成为可能，并且扫描灵活性更高，成本降低空间更大，或许会引发新一代激光雷达的形态变革。.本文介绍常见的激光雷达扫描方案，纯固

.最近在一篇讨论高精度地图的文章中，有位小伙伴提到一个非常有趣的观点“如果人在陌生的目的地，只依托纯视觉（眼睛）去辨别道路，若没有导航，就只能摸瞎”。对于纯视觉自动驾驶来说，是否也是如此？..图片源自：网络. ..人和机器用“视觉”导航的差异.在讨论这个话题前，先简单聊聊什么是“纯视觉”。所谓“纯视觉”，就是只用摄像头（单目或多目）来完成感知的方案。不管是把图像直接送入一个端到端的神经网络输出控制

# 地平线 J6 部署踩坑记：一次由 stride 引发的推理不一致问题..在把深度学习模型部署到地平线 J6 芯片时，我遇到了一个非常隐蔽、但又极其重要的问题——**量化模型的板端推理结果与编译工具链（bc 推理）的结果不一致**。 .经过一整天的排查，罪魁祸首竟然是输入张量的 **stride（内存对齐）**。..这篇文章将完整记录我的排查思路、对地平线工具链推理理论的理解，以及最终的解决方

.在自动驾驶领域，一提到L3，很多人首先想到的是由美国汽车工程师学会对自动驾驶进行的分类，其根据自动驾驶系统的智能化程度，分为了L0～L5共6个等级。..SAE自动驾驶分级，图片源自：网络.L3为有条件自动化，其具体含义为由无人驾驶系统完成所有的驾驶操作，根据系统请求，人类驾驶者提供适当的应答。这一定义更着重于自动驾驶汽车在汽车行驶功能上的要求。.但最近，某车企在发布会上，提出了“座舱率先进入L3

... . . . . . . Normal. 0. false. . . 7.8 磅. 0. 2. . false. false. false. . EN-US. ZH-CN. X-NONE. . . . . . . . . . . . . . . . . . . . . . .

... . . . . . Normal. 0. false. . . 7.8 磅. 0. 2. . false. false. false. . EN-US. ZH-CN. X-NONE. . . . . . . . . . . . . . . . . . . . . . .

# 一、研究背景与意义.近十年来,智能驾驶领域经历了突破性进展。凭借海量数据的积累、先进算法的革新以及计算资源的飞跃,无人驾驶技术已经突破实验室限制,正在向产业化方向稳步推进。这一转变标志着人工智能在交通领域的深度应用进入了新阶段。.尽管技术层面取得显著成果,但公众接受度仍然面临挑战。症结在于系统决策过程的"黑箱"特性——当车辆做出某项操作时,乘客往往无从知晓背后的逻辑依据。因此,构建透明化的决策

## ✍️ 写在前面的.我在做算法工具链支持的过程中，会不断用到各种数据存储，有的是用户数据分享，有的是为了中间结果对比，有的是为了问题DEBUG等等， **在数据存储、模型权重交付和网络结构迁移上遇到过一些问题，也踩过不少坑**，.比如： .- 用 `torch.save(model, "xxx.pth")` 给客户交付，结果对方一加载就报错，版本不兼容； .- 用 `np.savez` 保