该帖子为社区文章QAT链路模型改造指南提供了对应附件的下载方式：calib和qat运行均以集成在下面这个脚本当中：horion_qat_mm.py，示例配置文件：detr_r50_8xb2-150e_coco.pycalib quant analysis脚本为：test_qa_multi.py 额外补充：当前代码仅在mmengine的标准模型上进行验证，针对mmengine二次开发的代码不保证代码

J6M域控A/B主线束引出接口详细定义、上边的3个按钮是什么（误触了一下以后上边显示为0）

地平线J3手册中说支持RGMII和RMII。但是问天工AI说是支持RGMII 和 MII。应该参考哪个？当前硬件设计成了MII连接到了一个phy芯片上，这种uboot和kernel驱动如何修改？

calibrate model 成功后Killed了，模型量化和编译没有做，如果直接对calibrate model 进行模型量化和编译。2026-07-09 23:41:21,303 INFO End to calibrate the model.2026-07-09 23:41:22,684 INFO Saving model to: /open_explorer/sparse_e2e/mod

在J6M芯片上，calibration和qat训练都结束了，在导出模型export的时候，报错：Traceback (most recent call last):  File "/usr/local/lib/python3.10/dist-packages/horizon_plugin_pytorch/tensor_dispatch_wrapper.py", line 275, in torch

1、芯片型号：J6-M2、OE包:j6_OE_v3.0.31_py103、问题定位：DSP加速4、问题描述：基于GndNet对点云进行地面分割，前处理中体素化与Centerpoint中略不同： （1）GndNet三个输入：voxels [2000，100，4]；coors [2000, 4]；num_point_prt_pillar [2000] （2）体素化后

和芯片无关和板卡无关天工开物开发包 OpenExplorer 版本：openexplorer/ai_toolchain_ubuntu_22_j6_gpu:v3.8.1，容器docker内开发fcos3d模型的训练nuscenes数据集训练fcos3d模型开发包目录里面的两个文件，/horizon_j6_open_explorer_v3.8.1-py310_20260326/samples/ai_t

使用hb_verify 比较两个模型，报以下错误，可能是什么原因？root@0dfbf82a04e7:/open_explorer/sparse_e2e# free -h total used free shared buff/cache availableMem: 62Gi 5.0Gi

root@f90c9f3d213e:/open_explorer/horizon_j6_open_explorer_v3.8.1-py310_20260326/samples/ai_toolchain/horizon_model_convert_sample/03_classification/03_resnet50# free -h total used

1、芯片型号：j6-M2、OE包版本：v3.9.03、问题定位：模型部署4、问题描述：目前有2D目标检测，3D点云检测，3D点云地面分割三个模型，是否可以在J6-M中同时启用BPU推理？是否会出现资源抢占？要实现这个功能该如何设置？

硬件环境:MARTIX_SIP_J6X_V2P0问题描述：使用flash.py烧写MCU镜像之后，板子启动不可，电流在0.11A左右，在执行官方手册中提供的空片/救砖的方法后，fastboot烧写失败。恢复的步骤:1.将SW2-2拨到ON的状态，确认此时MCU的串口在打印UUU.2.按照J6系统软件手册/J6X MCU指导手册1.2.4章节的步骤.\dfu-util-static.exe -d 3

和芯片无关和板卡无关天工开物开发包 OpenExplorer 版本：openexplorer/ai_toolchain_ubuntu_22_j6_gpu:v3.8.1，容器docker内开发fcos3d模型的训练 + 训练数据集3D框可视化 + predict可视化nuscenes数据集训练fcos3d模型，训练bev模型的 训练时加载数据，过滤框的机制多过滤了一些框，具体见附件的，附件的图片

本文基于地平线征程6芯片的特性以及部署经验积累，将在各场景的模型设计上给出高效模型结构建议，以达到加速用户的模型部署效率和落地效果的目的。高效backbone为了 提供针对 J6 系列芯片专门设计的高效 backbone，结合 J6 芯片的硬件特性，设计了高效模型 HENet (Hybrid Efficient Network)。模型介绍参考社区文章：https://developer.horiz

1、芯片型号：J6-M2、OE包:j6_OE_v3.0.31_py103、问题定位：模型转换检查4、问题描述：基于GndNet对点云进行高程回归和地面分割，3个动态输入：voxels：[N, 100, 4]，coors：[N, 4]，num_points：[N] 第一步执行onnx的check时报下错误：ONNX IR version: 7.Opset version:

社区征文获奖名单排名昵称投稿文章奖品说明🥇no_name5 篇奖品池礼品自选 1 份价值 1000 元（含）以内🥉Darth Nihilus2 篇奖品池礼品自选 1 份价值 300 元（含）以内🥉老登评测2 篇奖品池礼品自选 1 份价值 300 元（含）以内恭喜以上同学在本次征文活动中拔得头筹！如果对于名单有问题的同学，请联系@D-bot 进行核实。奖品池1000 元礼品AirPods 4（

J6e pcie rc配置refclk为cc mode。modprobe hobot-pcie-rc 会卡住。是有什么东西没配置导致的吗？

2026/06/12 12:13:07.553 ERROR [vp_codec_set_input][0730]hb_mm_mc_dequeue_input_buffer failed ret = -2684354432026/06/12 12:13:07.554 ERROR [WorkFunc][0070]Module Camera SetImageFrame

RDKx5 按指定分辨率（1920x1080）打开双目摄像头,并将摄像头采集到的数据进行编码，camera出现丢帧，错误码-268435443是什么错误2026-06-12 12:12:59.044] [cam1] [INFO] heartbeat frames=2242 bytes=80018452 run_ms=75012 avg_fps_x1000=29888 max_frame_gap_m