.在谈及自动驾驶关键技术时，经常会听到一个技术，那就是RTK，很多人看到RTK后一定会想，这到底是个啥技术？为啥这个技术很少在发布会上看到，但对于自动驾驶来说却非常关键？今天智驾最前沿就和大家聊聊什么是RTK。.先说一说RTK是个啥。RTK（Real Time Kinematic，实时动态定位）是一种基于差分载波相位观测的高精度卫星定位技术。简单理解就是，通过一台固定不动、坐标已知的基准站持续接收

不同平台时间戳介绍.J3平台.其中u64 timestamps： 硬件时间戳，是跟 CPU 一起用的 64 bit system counter，1s是24M个clock。 FS的时候从硬件寄存器读取。读取的值除以24000是毫秒，除以24000000是秒。...struct timeval tv; 系统时间， SIF FS的时候获取do_gettimeofday。....J3 时间戳和frame

.最近有位小伙伴在后台提问，最近仰望U8L发布了，侧向激光雷达采用速腾聚创M1P这种远距激光雷达，而尊界问界系列侧向激光雷达采用的是TOF固态激光雷达这种近距激光雷达，哪种方案会成为今后的主流方案呢?今天就围绕这位小伙伴的提问，简单聊聊这个话题，也欢迎大家在留言区讨论自己的看法。如果大家还有什么想问的问题，也可以随时与小编沟通。.虽然这两条路线看起来都叫“激光雷达”或者“光学测距”，但在工作原理、

## 1. 注意力的本质：Q/K/V 的角色与数据流..### 1.1 三个角色.- **Q（Query，查询）**：我要找什么（我的检索意图）。 .- **K（Key，键）**：我是谁（供别人匹配我的“身份标签”）。 .- **V（Value，值）**：我能提供的内容（被加权汇总的语义）。 ..### 1.2 公式.$$.\mathrm{Attention}(Q,K,V) = \mathr

# 1. 分布式推理网络模型.先看一下 分布式推理 (Distributed Inference) 网络的介绍，全部代码以及相关解读如下：..```.import torch.import torch.nn as nn.# PyTorch 的分布式训练/推理框架.import torch.distributed as dist.# 数据加载接口.from torch.utils.data impo

.LIN（Local Interconnect Network）是一种基于UART/SCI（通用异步收发器/串行通信接口）的低成本串行通信协议。它广泛应用于汽车电子系统中，尤其适合座椅、车门、空调等控制模块之间的通信。LIN通常不单独使用，而是与CAN总线配合使用，构成CAN-LIN网关结构，实现整车网络的层次化管理。. .. .本文将从LIN的发展历史、主要特点、通信机制及其实现方式四个方面，带

# 一、背景 . .在模型开发阶段，我们经常会用到 **Gather 算子** 来做张量的索引操作 .在我的模型中，输入是一个五维张量，形状为：`(3, 2, 4, 5, 6)` .模型结构里使用了`Gather(axis=0)`，把这个输入在第 0 维上拆成三份，每一份的形状是：`(2, 4, 5, 6)` .在 PC 上推理没有任何问题，但当模型部署到 **J5** 开发板上时遇到了算子支持

1.环境升级........📙J6 量产版本...J5 CS版本.....python...3.10 & 3.11...3.8.....torch...2.3.0+cu118...1.13.0+cu116.....torchvision...0.18.0+cu118...0.14.0+cu116.....ONNX...1.15.0...1.8.0.....X86 GCC...12.2...5.4

# 1. 常规情况..基础知识：.1. 考虑到模型输出位置量化损失对模型精度的影响较大，工具链推荐模型以linear/conv结尾，此时支持高精度int32输出(在quantized.onnx中，转定点为int32，在前面calib+qat阶段都是float32)，这几乎可以做到无损。.2. J6工具链量化setter模板支持自动设置高精度输出，前提是conv输出直接 接dequant，不作为其他

.随着自动驾驶系统复杂性提升，传统基于规则和基于里程的测试方法已无法满足需求。美国兰德公司研究表明，从统计学角度，自动驾驶汽车需在真实或虚拟环境中进行至少 110 亿英里的里程测试，才能证明其比人类驾驶员更可靠。传统方法难以覆盖如此庞大且复杂的测试需求。近年来，人工智能技术发展迅猛，AI Agent（智能体）凭借其自动执行复杂任务、提升自动化和智能决策效率的优势，为自动驾驶实车测试场景用例生成提供

# 一、背景与问题提出.在 J6m 芯片平台，`grid_sample` 算子原生只支持 **int8 输入**。 .然而，许多模型在训练时对特征输入精度要求较高，**int8 精度不足以支撑推理效果**，必须要 **int16 输入** 才能保证精度。 ..如果不解决：.- 模型精度显著下降；.- 结果分布与训练预期不一致；.- 后续部署和优化步骤复杂化。 ..因此，需要找到一种方法在算子

..1. 一分钟速览...问题：R1-style LRM（如 DeepSeek-R1、Kimi 1.5）在复杂任务上表现惊艳，却普遍存在 overthinking——推理链过长、冗余、重复，导致延迟 & 成本飙升。...贡献：首篇系统综述高效推理的 survey，提出 「单模型优化 vs 多模型协作」 双层分类框架，覆盖 100+ 最新方法，并给出 4 大前沿应用展望。....2. 背景：当“想太

...LLM的发展极大地推动了自然语言理解和决策制定的进步，展现了在推理、规划和工具使用方面的显著能力。说到这，近期国产LLM密集发布，卷的很，比如刚开源的智谱GLM-4.5v，拿下41个榜单SOTA，PaperAgent基于此做了一个科研助手Agent：.GLM4.5之后，智谱又开源GLM-4.5V，实测下来视觉推理能力贼强~.LLM时代，自主智能体已成为实现AGI的强大范式。然而，随着基于智能

.写在前面：.在 PTQ量化模型的过程中，往往存在一些敏感节点，如Conv算子,matmul算子等，我们通常倾向于将其设定为高精度的int16输入。但由于硬件原因限制，即使指定Conv算子的精度为int16，但实际指定结果是只有其中一个以int16精度输入，另一个仍然是int8，例如激活是int16.而权重weight是int8.如下图所示：...其中激活的量化数据类型是int16，而权重的量化数

一、前言..随着深度学习模型的不断发展，量化（Quantization）作为一种优化手段，已经在嵌入式设备和资源受限平台上得到了广泛应用。特别是在边缘计算和智能硬件领域，量化能够有效减小模型的存储占用并加速推理过程。PTQ（Post-Training Quantization）作为一种无需重新训练模型的量化方式，因其简便性和高效性而成为常用的部署手段。.然而，PTQ过程中常常会遇到模型精度下降的问

**YOLO11 模型量化调优小记：从失败到突破**..在近期参与项目的过程中，我遇到了一些关于 YOLO11 模型量化部署 的问题。虽然手上几乎所有常见的调优手段和工具都用上了，但模型的量化效果依旧不理想。相信很多同学在部署模型时，也会踩到类似的坑。今天就结合自己的实践，总结一些 调优小 trick，希望能给有需要的朋友提供参考。..**遇到的问题**..在使用 PTQ（Post-Trainin

Lane模型采用PTQ链路部署时，INT8量化精度损失明显，希望经过精度调优后，所有校准数据上输出的平均余弦相似度不低于0.99。..# 1. 校准模型精度调优.首先采用HMCT default INT8量化，校准算法选择了max_asy_perchannel，所有输出平均相似度均未满足需求。.``` sh.+------------+-------------------+-----------

.近日，太平洋汽车和易车网对于多个热门车型进行了AEB性能的横向评测，测试过程非常精彩。.如下是部分测试结果：..图片来源：太平洋汽车（https://www.bilibili.com/video/BV1MrdUYvEZ4/）..图片来源：易车（https://www.bilibili.com/video/BV1hMLRz8EHV/）.其中，从测试结果来看，排名靠前的车型基本均是采用视觉+雷达的融

. .接收单元是激光雷达的核心器件，其地位相当于摄像头里面的CIS。.笔者在2024年10月份的文章：雪岭 · 激光雷达未来『最核心』器件——SPAD-SoC，初步探讨过SPAD-SoC的应用特点。..当时也邀请了数位激光雷达专家，对SPAD-SoC技术进行了精彩分享（包含视频和讲义下载，链接见文末）：...今年以来，SPAD-SoC热度在不断提升，包括速腾、禾赛、华为等多个头部玩家都在加大SP

.目前车载激光雷达的主要玩家只有4个：禾赛、速腾、华为和图达通。.根据NE时代基于中国乘用车终端数据的统计，TOP4玩家近一年（2024.5~2025.4），按月度的配套装机量汇总如下：..数据来源：NE时代.截止到2025年Q1，TOP4玩家以季度为单位的销量（全球乘用车市场）变化如下：..数据来源：Yole.可以看到，华为的激光雷达产品自2022.Q3正式量产以来，市场份额在快速提升。.华为激