.目前大语言模型的多模态能力和推理迅速提升，在各行业垂直领域的运用不断涌现。作者调研了目前自动驾驶领域大语言模型的运用，主要论文如下，先看整体趋势：. ...双系统（e.g. 理想的快慢系统）...分层规划...多模态大模型（能理解视觉和文本的输入）...人机交互(人机交互新范式)...Chain-of-Thought（思维链）...fine-tune 优于 in context learning

.来源 | PeidongL@知乎、西安交通大学.....链接 | https://zhuanlan.zhihu.com/p/14173403896. ...... .不得不感叹的是，自动驾驶行业的技术的发展日新月异，技术热点已经从BEV迅速地转移到了端到端上。不管如何看待端到端，最近一年端到端的火热已经切实影响到了这个行业的每一个人。相比于在紧锣密鼓恶补各种模型知识的传统规划的工程师而言，大家似

1.导出onnx模型。.服务器端或者本地电脑git clone https://github.com/valeoai/WoodScape.git.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 EXP

在神经网络训练与部署中，激活函数扮演着关键角色，不仅影响模型训练过程，也直接决定了模型部署到实际设备后的性能表现。本文将介绍两种常用激活函数：**Sigmoid** 和 **Hard Sigmoid**，全面对比它们的原理、优缺点、应用场景，并提供实际代码示例，帮助你更好地理解与使用它们，尤其是在量化和嵌入式设备部署场景中。..---..## 一、Sigmoid 与 Hard Sigmoid 简介

1.环境准备.安装依赖库.pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ultralytics.2. 导出 YOLOv9t 的 ONNX 模型 .（1） 创建 Python 脚本文件（如 export_onnx.py） .from ultralytics import YOLO # 加载 yolov9t 的预训练权重.model =

.近年来，自动驾驶技术快速发展，萝卜快跑已经无缝融入了武汉的交通，不少车企的智驾系统也都上路了。. .然而，在复杂交通环境中，如何理解和预防事故仍然是一个巨大挑战。比如前段时间特斯拉 FSD 终于入华。但中国版 FSD 似乎有些「水土不服」，频繁闯红灯、开上人行道、逆行，被网友调侃为「美国司机直接来中国开车」。. .同时，现有的方法往往难以准确解释事故发生的原因，并缺乏有效的预防策略。此外，由于事

..一个通用的具身智能机器人是希望能像人一样处理很多事情，但这很难通过写各种规则实现，即使写规则也要比自动驾驶写规则难的多，因为自动驾驶不太涉及Manipulation任务，而具身智能机器人是要完成各种复杂的Manipulation的，因此一个端到端的通用的VLA大模型便很适合具身智能机器人的需求，这也是随着近几年LLM、VLM、VLA的火爆发展和性能的不断提升，基于VLA的具身智能机器人成为当下

.....OpenDriveVLA：基于大规模视觉语言行动模型的端到端自动驾驶研究......论文信息...标题：OpenDriveVLA: Towards End-to-end Autonomous Driving with Large Vision Language Action Model...作者：Xingcheng Zhou*, Xuyuan Han, Feng Yang, Yunpu

.. . .由于功能的差异，机器人的环境感知系统和汽车自动驾驶的有一定差异，尤其是其中深度相机，在机器人上的应用更为广泛。.例如，深度相机在部分人形机器人中的应用：..其中：...优必选：采用RGBD+双目相机；...傅利叶GR-1：采用深度相机；...开普勒的先行者：采用3D视觉+鱼眼环视相机；...小米CyberOne：搭载的Mi-Sense深度视觉模组采用iToF+RGB（小米设计，欧菲光代

.---..在我们深入探索产品及相关技术应用的过程中，大家针对诸多关键环节产生了一系列疑问。针对这些疑问我们经过收集与系统整理，将高频问题及精准解答汇总呈现，该FAQ旨在为您扫清知识障碍，助力您高效使用产品或技术。另外，我们会根据用户的反馈情况持续进行FAQ的整理和迭代并分期分享给用户。当你遇到困难，不妨来此查找看看，也是这里有与你“志同道合”的伙伴。..# 1. 模型转换..## **1.1 P

.前言：. .本文是《ECU的车规级试验》系列文章合集（点击可查看全部文章）的第十二篇。. .书接前文，EMC相关知识，包括标准及测试等内容较多，前几篇文章已详细介绍了所有的干扰/发射（骚扰）标准，以及传导抗扰标准，接下来要讲的就只剩下辐射抗扰（包含大电流注入BCI）以及静电（ESD）抗扰，这些全部是抗干扰部分的内容了。辐射抗干扰的标准为GB/T 33014，采标为国际标准ISO 11452，本篇

.前言：. .本文是《ECU的车规级试验》系列文章合集（点击可查看全部文章）的第十一篇。. .书接前文，本篇将继续介绍GB/T 21437标准，但GB/T 21437这个标准比较复杂，既有传导发射部分，也有抗扰的内容。. .为便于大家理解，根据我们这一系列文章的思想，标准的介绍均按照干扰/发射（骚扰）与抗干扰的维度去进行划分，然后逐步讲解。关于干扰/发射的所有标准及测试之前已全部讲完了，接下来我们

J6X gpu 应用场景.==================..典型场景.-----------.多路拼接.-----------.多路拼接场景如下图所示。4路3M的相机数据经过PYM处理后存储到DDR，GPU从DDR中读取4张YUV格式的图片进行拼接处理。.完成任务后，GPU输出数据保存在DDR中（输出格式可以是RGB也可以是YUV）。后续可以通过IDE进行显示，通过网络或PCIE传输或者传给

....GDC基本原理.GDC硬件是根据配置的map表对图像进行处理，map表存储的是畸变矫正信息，GDC硬件处理时，不是按行处理，是有一个tile的概念，会把输入图像按照map表进行tile划分，然后以tile为单位，读取输入图像区域，进行矫正处理，完成所有tile处理之后，一帧图像也就处理完成；...场景.GDC回灌场景，作为算子加速模块，GDC每一帧配置都可以重置，在图像处理过程中，出现某一

....场景..  11V感知典型场景，前视独占CPE0，既front sensor-CIM0-online-ISP0-online-PYM0通路配置，在实车运行时，偶现前视拿不到帧的情况，出错日志如下：.midtrim kern.err kernel: [ 1849.205988] [E|PYM|hobot_pym_ops.c+1479]: [P0] pym_fault_status_check

..一、缓存机制基础.1.1 缓存类型对比.....属性.Cache Buffer（缓存）.No Cache Buffer（非缓存）...是否经过 CPU cache.是.否（直接访问内存）...访问速度.快（命中时）.慢（每次都访问主存）...数据一致性.需要手动 flush/invalidate.自动同步，无需额外操作.....1.2 典型应用场景...缓存缓冲区 ：适用于高频CPU访问场景（

# 1. 引言..智能驾驶感知模块可以根据目标的属性和环境信息，分为三类关键任务：动态感知任务、静态结构感知任务和可通行区域（Freespace）感知任务。本文将介绍三大任务中常见的精度评价指标。如果有不正确的地方，欢迎评论指正。..# 2. 动态常见指标..在 BEV（Bird’s Eye View）动态任务中，核心目标通常是检测和跟踪空间中动态的物体，比如汽车、行人、自行车等。为了全面评估这类

. 前言：. .本文是《ECU的车规级试验》系列文章合集（点击可查看全部文章）的第十篇。. .书接前文，EMC相关知识，包括标准及测试等内容较多，前几篇文章已详细介绍了GB/T 18655标准中关于传导及辐射发射的测试标准及实际的DV测试，本篇将继续介绍GB/T 21437标准，但GB/T 21437这个标准比较复杂，既有传导发射部分，也有讲抗扰的内容。. .为便于大家理解，按照前篇的思想，标准的

.前言：. .《ECU的车规级试验》系列文章：. .ECU的车规级试验：DV试验（一：标准概述）已发布.ECU的车规级试验：DV试验（二：电气环境标准简介）已发布.ECU的车规级试验：DV试验（三：电气负荷标准及测试）已发布.ECU的车规级试验：DV试验（四：机械负荷标准及测试）已发布.ECU的车规级试验：DV试验（五：气候及防护、化学标准及测试）已发布.ECU的车规级试验：DV试验（六：EMC标

. 前言：. .《ECU的车规级试验》系列文章：. .ECU的车规级试验：DV试验（一：标准概述）已发布.ECU的车规级试验：DV试验（二：电气环境标准简介）已发布.ECU的车规级试验：DV试验（三：电气负荷标准及测试）已发布.ECU的车规级试验：DV试验（四：机械负荷标准及测试）已发布.ECU的车规级试验：DV试验（五：气候及防护、化学标准及测试）已发布.ECU的车规级试验：DV试验（六：EMC