.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.•

.灵巧抓取为什么这么难？.近两年，具身领域在认知、感知和规划层面取得了显著进展，但让机器人在物理世界中实现精细手部操控、像人类一样执行复杂的灵巧操作，仍是非常大的难题。目前具身领域已经突破了人类语言理解、物体和场景识别、规划具体任务步骤，但在灵活抓握、感知调节力度等方向还存在很多问题。.真实场景中，灵巧抓取会面临精确控制、高维运动规划和实时适应动态环境等挑战，任务复杂性要求强大的机械设计和先进控制

声明：本文主要参考开源资料进行学习整理，如有错漏，欢迎评论交流~1. 简介1.1 什么是智能驾驶智能驾驶，或常听到的自动驾驶、无人驾驶、辅助驾驶，是指车辆借助传感器（如摄像头、雷达、激光雷达、超声波传感器等）控制器、执行器等硬件设备，结合人工智能、计算机视觉、自动控制等软件技术，在没有或极少人工干预的情况下使车辆完成从感知环境、理解交通场景、规划路径、执行控制这一完整驾驶任务。基于不同自动化程度的

前言.在准备BEVFormer模型推理时，相信很多开发者都遇到过这样的困惑：模型输入除了常见的imgs和reference_point之外，还需要额外的五个神秘输入。这些输入到底是什么？应该如何准备？本文将详细解答这些问题。.一、问题背景.1.1BEVFormer模型的输入结构.BEVFormer量化模型在推理时需要以下输入：.基础输入：...imgs: 多视角相机图像.reference_poi

..1. 功能概述¶.本文的sample实现单路、多路VIO通路接入和处理，以下介绍1V、2V、6V接入的场景。..1.1. 软件架构说明¶.调用VIO API来实现整个数据通路，实现多路camera接入。同时能够dump每一路数据的图像。 软件控制图如下：...1.2. 硬件数据流说明¶.每个场景的图中已经标明硬件连接关系。..备注.运行sample示例需要硬件外设满足场景图中的硬件连接关系，如

.1. 功能概述¶..解码h264/h265视频或jpg图片，生成yuv图像。..1.1. 软件架构¶.采用MediaCodec的poll模式来解耦输入和输出，可使解码帧率性能达到最优。 在主线程中灌码流数据：取出一个空的input buffer，配置码流数据的地址信息（如phys addr），再queue input buffer并通知解码器处理该帧数据； 另一个线程取输出YUV图像：通过sel

> 💬 最近在处理算法工具链相关问题时，我遇到了一个关于 **InstanceBatchNorm 支持** 的兼容性问题。 .> 借这个机会，我也系统学习并梳理了各类 **Normalization 算法** 的原理、差异，以及在不同芯片（特别是地平线 BPU）上的支持情况。 .> 本文算是一次总结与分享，也希望能为正在做模型部署、调优或量化的同学提供一个完整参考。 ...## 一、引论

1.需求场景在智能驾驶等复杂业务场景中，模型往往具备多任务分支结构，例如在同一个网络中同时包含BEV动态任务（如目标检测、跟踪、运动预测）与BEV静态任务（如地图构建、车道线提取、可行驶区域预测），这些任务对推理频率（Frames Per Second, FPS）的要求通常并不相同。也就是有不同任务分支 推理不同帧率的需求，例如BEV 动态任务 20帧，静态任务 10帧这种情况，BEV模型结构简单

文档版本修订内容修订时间v2.0使用流程、精度起始推荐配置修改订正2026/06/20v1.0初始版本2025/10/30这份指南聚焦开发者使用 PTQ 时的实际需求，从 “解决什么问题”“怎么用 PTQ 解决” 的角度，提供实战步骤与技巧，手册（训练后量化PTQ）中已有的通用内容将直接引用在线链接，避免重复。一、PTQ推荐使用流程模型检查解决的核心问题对于一个新的 ONNX 模型，首先需要快速确

....01..... 引 言.... .....在汽车电子迅猛发展的当下，车载诊断系统已成为车辆不可或缺的一部分。它犹如车辆的"健康管家"，实时监测着各系统的运行状态，一旦发现异常，便及时发出警示，为车辆的维护保养、故障排查提供关键依据。OBD（On-Board Diagnostic，车载诊断系统）与UDS（Unified Diagnostic Services，统一诊断服务）是当前车载诊断领域