毫米波 (mmWave) 是一类使用短波长电磁波的特殊雷达技术。雷达系统发射的电磁波信号被其发射路径上的物体阻挡继而会发生反射。通过捕捉反射的信号，雷达系统可以确定物体的距离、速度和角度。 毫米波雷达可发射波长为毫米量级的信号。在电磁频谱中，这种波长被视为短波长，也是该技术的优势之一。诚然，处理毫米波信号所需的系统组件（如天线）的尺寸确实很小。短波长的另一项优势是高准确度。工作频率为 76–81

一个高效的自动驾驶系统端到端需要在算法设计、数据质量、传感器性能和计算硬件等方面都达到较高的标准，才能在各种驾驶环境中表现出稳定性和可靠性。然而，在实际应用过程中，很多主机厂或算法供应商面对如火如荼的端到端算法即将铺开，广泛应用，还有亟待回答和解决的问题。本文将针对性的分析端到端算法的这些问题点及可能的解决方案。01 “端到端”VS“传统模块化”智驾方案，到底谁更优？有人认为，端到端的实现模式来看

功能概述hbmem api使用说明，包括com buffer、graphic buffer、graphic buffer group、queue、pool、share pool的创建使用，多进程共享等。软件架构说明本文基于libhbmem API实现，调用libhbmem提供的API，实现不同buffer类型的内存申请和进程间共享。代码位置及目录结构  1. 代码位置：/test/samples/

1.引言地平线J6参考算法如何在编译后生成layer-details干货满满-J6工具链常用工具和API整理（含新手示例）在以上两篇文章中，笔者介绍了J6工具链如何生成编译器性能预估perf以及layerdetails的方法，在这篇文章中，我们将首先介绍layerdetails中的参数信息，然后将结合实例分析如何利用layerdetails来分析模型的性能瓶颈，进而对模型的性能进行优化。2.lay

# 1. 引言.在开发、调测过程中，开发人员需要将系统软件、应用软件部署到Soc板端，以用于运行调试。传统的部署方式是通过解压复制或者调用部署脚本。这样的部署方式需要有着方式不统一、维护投入大的缺点。.在linux系统上，大多采用包管理的方式管理软件包，常见的包管理方式如上。相比于部署脚本的方式，使用统一的包管理工具有**规范和优化软件包的发布、管理流程，减少维护工作量、可溯源性高的优点**，适合

如果向朋友解释 “聊天-GPT”，你会怎么做？要讲的东西太多了，以至于很多人放弃了理解 LLM... 但是，如果我们不试图理解它，而是将其简化为以下 3 个想法呢？核心架构是变压器网络。它通过自我监督学习在整个互联网上进行训练，并可通过监督学习在数据集上进行微调核心任务是在循环中预测下一个单词或标记。这样我们就缩小了问题的范围，现在只需了解三件事： 变压器、自监督学习和下一个单词预测。在这之后，我

# 1. 引言.使用地平线 J6算法工具链进行模型部署时，如果你的模型输入是图像格式，通常会遇到如下信息。...对于初学者，可能会存在一些疑问，比如：.

# 1.Abstract.自动驾驶 (AD) 中的端到端架构面临着解释性问题，阻碍了人类对AI的信任。人性化的自然语言已被用于驾驶解释和三维场景描述等任务。然而，之前的工作主要集中在声明性可解释性的范式上，自然语言解释并未基于AD系统的中间输出，这使得解释仅仅是声明性的。相比之下，对齐式可解释性则在语言和AD系统的中间输出之间建立了联系。本文提出了Hint-AD，这是一种整合了AD和语言系统的架构

1.引言J6工具链目前已经提供了比较丰富的集成化工具和接口来支持模型的移植和量化部署，本帖将整理常用的工具/接口以及使用示例来供大家参考，相信这篇文章会提升大家对J6工具链的使用理解以及效率。干货满满，欢迎访问2. hb_config_generatorhb_config_generator 是用于获取模型编译最简yaml配置文件、包含全部参数默认值的yaml配置文件的工具。使用示例：hb_con

CFA pattern：J6:RGGB/RCCB/RCCG/RYYCY J5:RGGB/RCCB/RCCG/RGBIR/RCCC如上，看到J5是支持RGB-IR CFA pattern的，J6上删除了，请问是基于什么考虑啊？看介绍RGB-IR很适合在低光下使用，是车载不需要吗？

# 1. 前言.在完成模型的转换编译后，会得到可以在开发板上部署的hbm模型，hbm（Horizon BPU Model）可以使用地平线推理库UCP( BPU SDK API)进行推理。.horizon_j6_open_explorer 发布物的 samples/ucp_tutorial/dnn/basic_samples/ 路径下有很多的示例，本文会使用samples/ucp_tutorial/

引言在上一篇文章中，我讲述了J6工具链中导出 qat.bc时修改输入输出名称和顺序的教程，其实在板端部署中，hbm模型的 desc信息也很重要。在板端部署工作中，用户可以将模型的版本、task 名称、roi坐标、bbox的scale等信息写进 desc中，然后使用ucp的hbDNNGetInputDesc、hbDNNGetOutputDesc、hbDNNGetModelDesc等接口获取到对应de

夏洛克 · 福尔摩斯蒙着眼睛坐在椅子上。突然，有人摘下他的兜帽，一个60多岁的男人托马斯爵士正坐在一个宏伟的办公室面对他。“福尔摩斯先生”那人开始说。“很抱歉这样叫你来。我相信你在哪里、我是谁，是个谜。”他自豪地开始说。小罗伯特·唐尼饰演的福尔摩斯沉默了一会儿，然后开始说：“至于我在哪里——我在查林十字和霍尔本之间迷失了一会儿。但路过藏红花山的面包店时得救了，因为这是唯一一家在面包上使用某种法国糖

# 1.Abstract.在自动驾驶领域，开发安全且可信赖的自动驾驶策略仍然是一项重大挑战。近年来，结合人类反馈的强化学习（RLHF）因其提升训练安全性和采样效率的潜力而备受关注。然而，现有的RLHF方法在面对不完美的人类示范时，往往会表现不佳，可能导致训练振荡甚至表现比基于规则的方法更差。受人类学习过程的启发，我们提出了物理增强的人类反馈强化学习（PE-RLHF）。该新框架协同融合了人类反馈（如

01 写在最前面从踏入职业生涯就开始接触所谓的 SOA，一直都在思考什么是 SOA，通信基石又是什么？是以太网？是 someip？是 dds？亦或者其他协议？那我的答案：都不是，是大带宽和 IP。SOA 在车载真的是一个很新的东西么？在我看来，其实也不算是，在 cp 中，站在高层开发者来说，RTE+SWC 未尝就达不到我们所谓 SOA 需要解决的痛点！那为啥依然 SOA 还会成为主流的“软件定义汽

前阵子，我参与了一个开源的自动驾驶赛车计划，我们的团队领导要求我们做的第一件事是研究目标检测算法。.我们被困住了。哪种情况下应该使用 go？在工程领域，学术派喜欢默认的技术，让工程师自己审阅论文，然后在一两周后分享他们的结论。我认为这是浪费时间，因为大多数人可能根本没看过，或者在最后一秒匆忙完成。.我们有一个“早期融合”策略，它涉及在我们阅读论文之前就将我们的大脑融合在一起……我们还有一个“晚期融

.SSD:.Q1：单J6如何接入ssd？..J6域控提供PCIe U.2接口引出，可以连接U.2转M.2 NVm设备或其他U.2接口PCIe设备。.J6 PCIe提供PCIe gen4.0 × 2lane，目前由于U.2接口性能限制，可以达到PCIe gen3.0 × 2lane的速率(理论速率2GB/s，实际可达到1.4GB/s)。.将U.2 转M.2 Nvme设备接入域控，使能PCIe需要的信

本文梳理了车载摄像头、毫米波雷达、超声波雷达、激光雷达、V2X，含当前现状、上车情况等，基础科普性质。...自动驾驶三大核心技术分别是环境感知、融合决策、线控执行。其中，环境感知作为自主行驶的基础和前提，是自动驾驶发展的第一个关键环节，其核心在于使自动驾驶系统更好的模拟、最终超越人类驾驶员的感知能力，准确的感知并且理解自身及周围的交通环境。.环境感知是一个复杂的系统，它需要多种车载传感器实时获取周

# 1. 背景.首先感谢地平线工具链用户手册和官方提供的示例，给了我很大的帮助，特别是代码注释写了很多的知识点，超赞！要是注释能再详细点，就是超超赞了！下面开始正文。..最近想着学QAT(量化感知训练)玩玩，大体看了一下地平线的用户手册，不说精度调优之类比较复杂的，光一个QAT上手，就感觉对我这种小白不是很友好，捣鼓了好久，感觉在用户手册中很多基础概念都没写，不同模块之间的关联性也没有详细地介绍，

> 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.高清地图是自动驾驶系统的重要组件，提供精确的驾驶环境信息和道路语义信息。传统离线地图构建方法成本高，维护复杂，使得依赖车载传感器的实时感知建图成为新趋势。早期实时建图方法存在局限性，如处理复杂地图元素的能力不足、缺乏实例级信息等，在实时性和后处理复杂度上存在挑战。..为了解决这些问题，基于Transformer的Map