# 1. 研究背景..本工作面向“地面视角生成空中视角图像”这一跨视角图像合成问题，即依据街景图生成对应的鸟瞰或卫星影像。该任务在城市建设规划、应急救援评估、旧城区数字化重建等应用方向具有潜在价值。.由于地面视角与卫星视角在成像角度、遮挡情况以及场景表达上存在显著差异（如建筑立面 vs 屋顶）、城市密集环境中目标被遮挡、不同来源数据的统计分布差异等因素，使得生成结果在结构一致性与真实感方面仍难以兼

.目录：.一、Tesla FSD V14的发布.二、三大要点：自回归transformer，音频感知，内存优化.三、FSD和Robotaxi 网络的关系.四、总结. .. .一、Tesla FSD V14 的发布. .2025 年 10 月 7 日深夜（美国时间），特斯拉正式向北美地区搭载 HW4.0 硬件的车主推送 FSD（完全自动驾驶）V14 版本（具体是14.1版本），这场被业内视为 “近一

.最近有一位小伙伴提出：一直说无人驾驶难实现，但已经有很多无人快递车和无人送餐车投入使用了，他们不是无人驾驶吗？对于这个问题，智驾最前沿想说的是，对于乘用车要求的高速自动驾驶和无人快递车这类的低速自动驾驶，在技术上是趋同的，但并不完全一致。..图片源自：网络.乘用车的高速自动驾驶要面对的是载人的出行场景，速度高、路况多变、驾驶员和乘客的安全感和舒适性是设计核心。而送外卖、送快递的低速无人车只是在封

.2024年7月，理想汽车发布的基于端到端模型、VLM视觉语言模型和世界模型的全新自动驾驶技术架构标志着其全栈自研的智能驾驶研发进入了新阶段。该架构的算法原型创新性地受到了诺贝尔奖得主丹尼尔·卡尼曼提出的“快慢系统”理论启发，旨在让自动驾驶系统模拟人类的思考与决策过程。理想汽车结合端到端与VLM模型，推出了业界首个在车端部署的双系统方案，并成功将VLM视觉语言模型部署于车端芯片上。这套“系统1”与

.自动驾驶的发展并非一成不变，在传统自动驾驶系统中，通常采用分层的体系架构。最底层是感知层，负责将摄像头、雷达、激光雷达等传感器数据转化为车辆能够“看到”的环境信息；其上是跟踪与状态估计层，负责在时间维度关联感知结果，推断目标的速度与运动趋势；预测层则基于当前状态，估计其他道路使用者的未来可能轨迹；决策与路径规划层综合所有信息，生成车辆执行的行动策略；最后，控制层将规划结果转化为具体的油门、刹车和

..........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

.....一、背 景..... .GB 44497-2024自动驾驶数据记录系统 是444系列标准中最详细最复杂的一个，全文有43页，远比95-96两个标准要长。虽然后缀是2024，但实施日期是2026年一月一日。. .. .图  GB 44497-2024出处.  .这个标准包括了硬件规格，防撞耐湿耐高低温度电磁干扰等等一系列要求；也包含了软件动作和数据规范；又和自动驾驶技术强相关。所以涵盖了电

.想要让车辆知道前方有什么、距离多远、是否可以靠近，首先要做的是让其“看”清楚环境。在众多车载感知硬件中，与人类看到世界最类似的一个感知硬件便是车载双目摄像头了。..图片源自：网络.车载双目摄像头（也称立体视觉摄像头，Stereo Camera）模仿人眼的视觉机制，通过两个略有间距的摄像头同时拍摄同一场景，比较两幅图像之间的差异，从而计算出深度信息。.与单目摄像头只能识别形状、颜色，或依赖学习来估

.在谈及自动驾驶感知系统时，经常会看到一个专业词汇，那便是“点云”。作为连接物理现实与数字世界的桥梁，它赋予机器一种超越人类视觉的深度感知能力，让车辆得以精确地“理解”自身在环境中的位置与周遭物体的真实形态。今天智驾最前沿就带大家深度了解下“点云”的含义。. ..什么是点云？.点云，简单来说，就是用数字记录三维空间中每个点的位置。在空间坐标中，每个点都可以用x、y、z三个坐标值表示，有些还会附带反

.2025年11月5日，小鹏汽车正式发布“IRON”人形机器人，其高度拟人的步态与流畅的运动控制引发了行业广泛关注。作为造车新势力，小鹏此举不仅拓展了其技术边界，更凸显出自动驾驶与具身智能两大领域在技术路径上的深度关联。尽管两者在感知、决策、控制的共性框架上高度相似，但仍存在系统性差异，尤其在感知层面有很大的不同。..图片源自：网络. ..感知的相似点.在深入比较之前，我们应先明确“自动驾驶”与“

.大家好，我是PaperAgent不是Agent今天分享2最新篇具身智能（Embodied AI）世界模型（World Model）和安全挑战的系统性综述..🌏 为什么你需要关心“世界模型”？.具身 AI （Embodied AI）的核心痛点是“我动之后，世界会变成什么样？”世界模型（World Model）就是智能体的“脑内小宇宙”——它先模拟未来，再决定当下。从 Dreamer 到 Sora

.小鹏汽车自动驾驶产品高级总监袁婷婷老师，最近在微博发表了2篇涉及激光雷达应用的文章，在业内引起了广泛的讨论，本文也做一些探讨。..2025年5月8日，发表《小鹏的物理世界基座大模型，和行业现有的自动驾驶模型有什么区别？》：..原文：https://weibo.com/ttarticle/p/show?id=2309405164053256339668. .2025年5月16日，发表《关于模型参数

.激光雷达是自动驾驶系统的重要感知单元，凭借着精确的距离感知能力和复杂环境光适应能力，在提升自动驾驶系统整体性能、保障驾乘安全方面，发挥着重要的作用。.根据Yole Lidar 2025的报告显示，激光雷达正在从高端车迅速往中低端车型渗透，有些10万级别的车型已经开始搭载激光雷达。..图片来源：Yole.同样，在智能割草机领域，激光雷达也开始逐渐规模化应用，渗透率正在不断提升。HOOKII、觅道、

.理想汽在ICCV'25期间也分享了些新东西！目前还没有视频对外。.VLA团队负责人詹锟老师做了一场世界模型的presentation，名为World Model: Evolving from Data Closed-loop to Training Closed-loop。自动驾驶之心第一时间做了解读分享给大家~..首先是介绍下理想VLA司机大模型：..回顾了理想汽车智能驾驶的发展路线，从规则时

.前言.当前，训练后量化（PTQ）技术已在大模型 8bit 量化场景中展现出较好效果，但当量化精度降至 8bit以下时，模型性能会显著下滑。为解决这一问题，研究团队聚焦大模型量化感知训练（QAT），提出了一种无数据（data-free）蒸馏方法—— 该方法依托预训练模型生成数据，既能精准保留原始模型的输出分布，又可脱离原始训练数据实现对任意生成模型的量化。.同时，考虑到大模型部署中 KV 缓存对显

.自动驾驶车路协同技术（V2X）是通过车辆与车辆、车辆与道路设施、车辆与云端的实时信息交互，为自动驾驶提供 “超视距感知” 和 “协同决策” 能力，核心是打破单车感知局限，提升行驶安全与交通效率。..核心技术架构（V2X 交互类型）.V2X 是 “车对外界一切” 的交互总称，主要包含四大核心场景：..车与车（V2V）：车辆之间直接通信，传递车速、位置、刹车意图等信息。比如前车急刹时，可瞬间将信号传

.自动驾驶规划决策技术是自动驾驶系统的 “大脑”，核心是基于感知信息和环境状态，为车辆规划安全、高效、合规的行驶路径并做出实时驾驶决策。.核心定位与目标.规划决策技术衔接感知系统和执行系统。它接收摄像头、雷达等传感器的环境数据，结合高精度地图、定位信息和车辆状态，输出两类核心指令：路径规划确定车辆 “走哪条路、怎么拐”，决策控制确定车辆 “加速、减速、变道、停车” 等操作，最终实现无人干预的安全驾

.1.概述¶.稳定性对项目交付、用户体验有着非常重要的影响，一般定义的稳定性问题是遇到了系统异常重启或者系统卡死等，即无法按照预期为客户继续提供功能和服务。地平线SoC平台提供了多种调试手段，去分析系统遇到的稳定性问题。.首先我们需要了解征程系列的软硬件方案及异常reset路径，通过了解异常路径定位发生异常的节点和步骤，定位到问题方向。.其次，我们需要对发生问题节点提取的调试信息，包括抓取log、

Vulkan.--.Vulkan是3D图形和计算的开放标准之一，它有3个特点：底层，低开销，跨平台。.Vulkan旨在解决OpenGL的缺点，其“底层”特点意味着允许开发人员获得更多的GPU控制权，.多线程渲染是它的重要特性之一。.... hint::. | Vulkan应用程序可通过两种方式实现与显示的交互：一种是借助WSI Layer实现（当前未集成），另一种是通过自主实现的显示交互逻辑完成。

EGL.---.EGL是Khronos渲染API（如OpenGL ES）与底层本地平台窗口系统之间的接口。.它能够处理图形上下文管理、表面缓冲区绑定和渲染同步，辅助实现高性能、加速的3D渲染。..以下是支持的EGL 1.5拓展功能（拓展详情请查阅 `EGL `_）：..• EGL_EXT_client_extensions.• EGL_EXT_create_context_robustness.•