前几次实验里，我一直在折腾 OE-Skills、OE MCP 和 Agent 在征程6工具链任务中的表现。从 Router 能不能选对 Skill，到 Skills / MCP 是否真的能让回答更可靠，再到长链路任务到底一次说完还是分阶段规划，我关注的基本都是一个问题：Agent 给出来的东西到底靠不靠谱？但做到后面，我发现还有一个更基础的问题一直没有真正解决。我手上并没有真实 J6 开发板，也没

> **该示例为参考算法，仅作为在J6上模型部署的设计参考，非量产算法**..# 简介..BEVFormer是当前热门的自动驾驶系统中的3D视觉感知任务模型。BEVFormer是一个端到端的框架，BEVFormer可以直接从原始图像数据生成BEV特征，无需依赖于传统的图像处理流程。它通过利用Transformer架构和注意力机制，有效地从多摄像头图像中学习生成高质量的鸟瞰图（Bird's\-Eye

该示例为参考算法，仅作为在J6上模型部署的设计参考，非量产算法简介高清地图是专门为自动驾驶设计的高精度地图，是地图元素的实例级矢量化表示（人行横道、车道分隔线、道路边界、车道中心线等）。高清地图提供了大量精准的驾驶场景环境信息，是自动驾驶系统规划中不可或缺的基础组件，其中包含丰富的道路拓扑语义信息和交通规则，对于自动驾驶车辆的导航至关重要。传统高精地图的构建主要采用基于SLAM的离线构建方法，这一

该示例为参考算法，仅作为在 J6 上模型部署的设计参考，非量产算法简介3D Occupancy Networks 的基本思路是将三维空间划分成体素网格，并对每个网格进行各类感知任务的预测。目前以网格为中心的方法能够预测每个网格单元的占用率、语义类别、未来运动位移和实例信息。3D occupancy 可以对道路障碍物进行更细粒度的划分，同时获取更精确的占用和语义信息。然而，三维体素表示的处理带来了巨

该示例为参考算法，仅作为在 J6 上模型部署的设计参考，非量产算法性能精度指标GANet模型配置：数据集Input shapeBackboneNeckHeadCULane1x3x320x800MixVarGENetGaNetNeckGaNetHead性能精度表现：FPSLatency/msCulaneF1ScoreJ6MJ6M浮点/量化2258.920.680.7937/0.7908注：CULan

该示例为参考算法，仅作为在 J6 上模型部署的设计参考，非量产算法性能精度指标fcos3d模型配置：数据集Input shapeBackboneNeckHeadNuScenes1x3x512x896efficientnetb0BiFPNFCOS3DHead性能精度表现：浮点/量化精度J6M FPS/Latency (ms)mAPNDS0.2101/0.2070.312/0.3098652.39/1

该示例为参考算法，仅作为在J6上模型部署的设计参考，非量产算法简介SparseBevFusionMultitaskOE模型是一个bev多任务感知模型，包含感知三大任务的检测头：sparse动态检测头，sparse静态元素检测头和通用障碍物检测头。整体的模型结构如下：sparse bev类模型主要思路是通过关键点投影回camera空间采样并进行预测。因此对于多任务模型来说，不同task之间可以共用的

该示例为参考算法，仅作为在J6上模型部署的设计参考，非量产算法。简介为了提供针对 J6 系列芯片专门设计的高效 backbone，我们充分利用了 J6 芯片的硬件特性，设计了高效模型 HENet（Hybrid Efficient Network）。HENet 采用了纯 CNN 架构，结合 depthwise conv 构造轻量化 block，并通过 LayerScale 稳定训练，在精度与 J6

该示例为参考算法，仅作为在J6上模型部署的设计参考，非量产算法简介多目标跟踪是在视频序列的每一帧中定位所有的目标并确定它们的移动轨迹的任务。因为每帧中的目标都可能因为环境的变化而被遮挡，而且跟踪器要想进行长期跟踪或者低帧率的跟踪是比较困难的，所以多目标跟踪是极具挑战性的任务。MOTR（Multiple-Object Tracking with Transformer）能够学习建模目标的长时间变化，

该示例为参考算法，仅作为在J6上模型部署的设计参考，非量产算法。简介激光雷达天然地具有深度信息，摄像头可以提供丰富的语义信息，它们是车载视觉感知系统中两个最关键的传感器。但是，如果激光雷达或者摄像头发生故障，则整个感知框架不能做出任何预测，这在根本上限制了实际自动驾驶场景的部署能力。目前主流的感知架构选择在特征层面进行多传感器融合，即中融合，其中比较有代表性的路线就是BEV范式。BEVFusion

该示例为参考算法，仅作为在J6上模型部署的设计参考，非量产算法简介PETR 是一个 3D 目标检测模型，它把 3D 位置引入 Transformer 解码：通过 3D 位置编码将图像特征与 3D 空间位置关联，Transformer 的 query 直接与 3D 位置编码特征交互预测 3D 检测框，无需显式 BEV 特征构造。本文将介绍 PETR 在地平线 J6 平台上的优化部署。性能精度指标PE

引言一个有意思的现象是：Qwen2.5-VL 3B 和 7B 两个规模，用的是同一份代码、同一张结构图、同一套模块名，只是跑出来的网络一大一小。按直觉，规模不同应该要写 if size == "3B": ... else: ... 这样的分支才对。但实际上没有。本文要回答的核心问题就是：为什么仅靠读取 config.json，就能用同一份代码完成 3B 和 7B 两种规模的网络构建？答案可以浓缩成

该示例为参考算法，仅作为在J6上模型部署的设计参考，非量产算法。简介轨迹预测任务的目的是在给定历史轨迹的情况下预测未来轨迹。这项任务在自动驾驶、智能监控、运动分析等领域有着广泛应用。传统方法通常直接利用历史轨迹来预测未来，而忽略了预测目标的上下文或查询信息的影响。这种忽视可能导致预测精度的下降，特别是在复杂场景中。QCNet（Query-Centric Network）引入了一种query-cen

该示例为参考算法，仅作为在J6上模型部署的设计参考，非量产算法简介在自动驾驶感知系统中，激光雷达（LiDAR）凭借直接测距、不受光照影响的优势，是3D目标检测的重要传感器。LiDAR 3D 检测通常先将无序点云体素化（voxel/pillar 化）为规则的伪图像表征，再通过2D卷积网络提取特征并完成检测框的回归与分类，代表性方法包括 VoxelNet、PointPillars、CenterPoin

..前几篇里，我分别测试了 OE-Skills Router 的路由纪律，以及 OE-Skills、OE MCP 对征程6工具链回答的影响。..这些实验让我发现一个更实际的问题：当任务从“某个工具怎么用”变成长链路规划时，应该让 Agent 一次性给出完整方案，还是让它先拆阶段、逐段展开，最后再汇总？..直觉上，分阶段规划应该更稳。..它有更多轮次，可以逐步检查模型、数据、PTQ、HBDK/HBM

该示例为参考算法，仅作为在J6上模型部署的设计参考，非量产算法简介在自动驾驶感知系统中，激光雷达（LiDAR）凭借直接测距、不受光照影响的优势，是3D目标检测的重要传感器。LiDAR 3D 检测通常先将无序点云体素化（voxel/pillar 化）为规则的伪图像表征，再通过2D卷积网络提取特征并完成检测框的回归与分类，代表性方法包括 VoxelNet、PointPillars、CenterPoin

该示例为参考算法，仅作为在J6上模型部署的设计参考，非量产算法简介在自动驾驶视觉感知系统中，BEV（Bird's Eye View）感知通过将多视角图像特征转换到统一的鸟瞰图空间，实现多摄像头融合的3D感知。其中基于 Lift-Splat-Shoot（LSS）的 BEV 方法通过深度估计与视锥点云投影完成 2D 到 3D 的视角转换，是主流的 BEV 感知路线之一。bev_vtv2 是基于 LSS

该示例为参考算法，仅作为在J6上模型部署的设计参考，非量产算法简介图像分类是视觉感知的基础任务，也是许多检测、分割等下游任务的 backbone 来源。在车端部署时，分类/特征提取网络既要有足够的精度，又要兼顾 BPU 的算力利用与访存带宽约束，因此通常需要针对芯片计算特性做软硬件协同设计。MixVarGENet 是地平线自研的面向分类任务的高效 backbone，高度秉承"软硬结合"的设计理念，

上一篇里，我用 10 组固定的征程6任务盲测了 OE-Skills Router。那一轮回答了一个问题：面对 ONNX PTQ、PyTorch QAT、HBDK/HBM 编译、UCP 推理和真实板端性能请求时，Router 能不能把任务送到合适的 Skill，同时守住“没有 OE、没有 J6 板卡就不能假装已经跑通”的边界。但还有一个更直接的问题没有回答：**如果把同一组征程6问题交给普通 Cod

上一篇里，我用 Codex + OE-Skills 把征程6模型部署里常见的几个概念先理了一遍：HMCT、HBDK、HBM、UCP，以及 PTQ 和 QAT 两条不同的入口。但当时还有一个问题没有验证：OE-Skills 真遇到具体的征程6开发任务时，能不能稳定找到正确的 Skill？比如普通 ONNX 做 PTQ，应该进入 HMCT；PyTorch 模型做 QAT，应该进入 Plugin；到了