图片来源：Yole所谓“中央计算雷达”，是指毫米波雷达中仅实现RF射频前端和很少前处理的“精简雷达”。该雷达将原始数据，通过高速总线传输给域控制器，之后在域控中完成剩余的后处理。“中央计算雷达”的MMIC和处理器分离，雷达本体内部只有很少的计算，主要的雷达处理算法在算力更强的域控中运行，因此“中央计算雷达”又被成为“雷达头”（类似于“摄像头”），或者“卫星雷达”。资料来源：《What does s

不知道是不是有很多像我一样年纪比较大的老家伙执着于喜欢eclipse，所以我想把我配置好的eclipse环境分享出来，附件文件是已经配置好的eclipse开发环境，我在x5上已经成功编译并运行了，我删掉了项目中的模型。下载aarch64的eclipse地址：https://mirrors.ustc.edu.cn/eclipse/technology/epp/downloads/release/20

一、算法简介占据预测是指在自动驾驶系统中，根据传感器的输入，预测三维空间中的每个体素是否被物体占据。占据预测可以有效地解决三维物体检测中的长尾问题和复杂形状的缺失问题。然而，占据预测也面临着一个挑战，即如何在保证准确性的同时，提高速度和降低内存消耗。现有的占据预测方法通常使用三维卷积来处理体素级别的特征，这会导致大量的计算和存储开销，不利于部署到不同的芯片上。为了解决这个问题，文章提出了一种快速和

编译优化选项（必选）-O3 > -O2 > -O1 > -O0。O3优化效果最好，但编译速度最慢。O0无优化，编译最快。输入数据来源（必选）--input-sourceddr 普通Feature，需满足数据layout的对齐要求，额外的padding会增加读写的数据量。数据对齐受--input-layout 影响pyramid 和 resize 都是yuv420-nv12数据格式。数据量小，通常是

电子机械制动系统（EMB）是一种现代车辆制动技术，它结合了电动驱动和机械制动的优势，以实现高效、精确和灵敏的制动性能。EMB系统主要由电机、减速器、夹紧装置、卡钳和控制器等组成。华为在电子机械制动（EMB）领域的进展显著，正积极推动该技术的商业化和量产。2024年4月，华为发布了DriveONE纯电智动（EMB方案），并与江淮汽车在EMB领域展开深度合作。这一方案通过驱动和制动系统的融合控制，旨在

写在前面&笔者的个人理解由于环境多样性和场景复杂性等挑战，非结构化室外环境中的自动驾驶研究不如结构化城市环境中的研究先进。这些环境，如农村地区和崎岖的地形，构成了结构化城市地区不常见的独特障碍。尽管存在这些困难，但在非结构化室外环境中的自动驾驶对于农业、采矿和军事行动的应用至关重要。我们的调查回顾了250多篇关于非结构化户外环境中自动驾驶的论文，涵盖了离线地图、姿态估计、环境感知、路径规划、端到端

参考标题：PoliFormer: Transformer赋能的室内导航革新原标题：PoliFormer: Scaling On-Policy RL with Transformers Results in Masterful Navigators论文链接：https://arxiv.org/pdf/2406.20083项目链接：https://poliformer.allen.ai/作者单位：PR

# 1. 说明和使用方法.- 工具链的OE包默认使用的horizon_nn，使用horizon_nn_gpu时先卸载horizon_nn。.- horizon_nn_gpu版本的位置./open_exploror/ddk/package/host/ai_toolchain下的horizon_nn_gpu-XXX-py3-none-any.whl.- Gpu版本启用情况验证.``` Py

自动驾驶领域的发展见证了采用端到端算法框架的方法的快速增长，这些方法利用原始传感器输入来生成车辆运动计划，而不是专注于检测和运动预测等单个任务。与模块化管道相比，端到端系统受益于感知和规划的联合特征优化。由于大规模数据集的可用性、闭环评估以及对自动驾驶算法在具有挑战性的场景中有效执行的需求不断增加，该领域蓬勃发展。 传统的自动驾驶系统采用模块化部署策略，其中感知、预测、规划等各个功能都是单独开发并

原标题：One Policy to Run Them All: an End-to-end Learning Approach to Multi-Embodiment Locomotion论文链接：https://arxiv.org/pdf/2409.06366代码链接：https://github.com/nico-bohlinger/one_policy_to_run_them_all作者单位

1. 写在前面 & 笔者的个人理解在具身任务中，代理需要在探索过程中全面理解3D场景，这迫切要求开发一种在线、实时、细粒度且泛化性强的3D感知模型。然而由于高质量的3D数据相对匮乏，直接在3D空间中训练此类模型几乎是不可能的任务。幸运的是，视觉基础模型（Vision Foundation Models, VFM）已经在2D计算机视觉领域取得了革命性的进展，这为使用VFM辅助3D感知成为可能。但是，

#01 背 景在 2024 年 SAE COMVEC（Commercial Vehicle Engineering Congress）大陆集团商用车与特种车辆负责人 Georg Fässler 提出了几个观点：“Data processing and seamless connectivity will play a central role in future commercial vehicl

1 torch.utils.data.DataLoader 1.1 torch.utils.data.DataLoader 介绍是地平线docker里面自带的；是 PyTorch 中用于加载数据集的工具，它能够高效地批量加载数据，并支持多线程、多进程等加速数据加载的方式。下面是一个详细的使用示例，展示了如何使用 DataLoader 加载数据集。“from torch.utils import d

# yolov8_obb模型转换和部署..## 1.yolov8_obb pth转换onnx.### 1.1将yolov8_obb pth转换onnx,并且设置opset=11..```.from ultralytics import YOLO. .# 加载模型.model = YOLO('runs/obb/train3/weights/best.pt') # 加载自己模型训练示例.model.

       自动泊车端到端算法ParkingE2E介绍一、算法介绍：自主泊车是智能驾驶领域中的一项关键任务。传统的泊车算法通常使用基于规则的方案来实现。然而，这些方法在复杂泊车场景中的有效性较低，因为算法设计复杂。相比之下，基于神经网络的方法往往比基于规则的方法更加直观和多功能。通过收集大量专家泊车轨迹数据，并通过基于学习的仿人策略方法，可以有效解决泊车任务。在本文中，我们采用模仿学习来执行从R

1.引言为了应对低、中、高阶智驾场景，以及当前AI模型在工业界的应用趋势，地平线推出了J6系列芯片，如下：在软硬件架构方面，征程6不仅保持了对传统CNN网络的高效支持能力，还强化了对Transformer类型网络的支持，主要表现为大幅强化了对逐点计算、数据搬运的能力。基于J6硬件平台的增强和算法移植的痛点，同时坚持‘软硬协同’的设计理念，J6工具链衍生了诸多新特性。在【J6工具链性能分析与优化-1

在拍摄一部电影时，我们自己能拍一镜到底吗，或者一个场景呢？几年前，我和我前女朋友在影院里观看了《La La Land》的开场场景--“Another Day of Sun ”这个开场的场景制作非常精良。长达 6 分钟的开场几乎没有 “剪辑”，是由一个不间断的镜头，场景从一个演员移动到另一个演员，从一辆车移动到另一辆车，并且所有镜头都是在高速公路上拍摄的。而这能顺利实现，是因为剪辑可以实现透视、缩放

# 01 前 言..汽车软件 SWC（Software Component）的概念主要来源于 AUTOSAR（Automotive Open System Architecture）架构。. .在 Autosar 架构中，SWC是核心概念之一，代表了一个独立的、可重用的、自我描述的、可替换的软件单元。这些软件组件具有清晰的输入输出接口，相较于整个汽车电子系统来说，是一个更小的功

display server sample功能概述本文的demo为基于Wayland协议的Weston服务，使用DRM后端和Open GLES渲染后端进行图像合成和显示，此处主要介绍sample的使用方法。软件架构说明本文中Weston服务为开源的Weston 11.0.93版本，基于Wayland协议实现，通过libdrm实现显示控制，支持gl-render和pixman两种渲染后端。硬件数据流

camera diag sample功能概述本文的demo sample主要描述当前camera相关外设诊断的当前状态，并提供自定义实现的方法及使用说明。软件架构说明本sample基于现已实现的camera诊断架构，libcam内的外设诊断功能对外设硬件状态进行监测，并支持将故障状态发送给MCU处理，或通过事件回调方式通知应用处理。若打开诊断功能且使能诊断报告发送时，在libcam.so中会引用l