怎么获取芯片的开发者文档，没有权限，是不是需要审批，需要走什么流程吗

关于如何从R核把时间同步给A核的问题，在论坛中找到一条相关的回复基于这个回复还是有一些我自己的疑惑：R核是StbM直接把时间写入RTC，还是通过另一个TimeSync_Master模块来写入RTCA核是不是也需要一个TimeSync_Slave来读取RTC Shadow的时间，然后更新System Time从R核RTC写入到A核RTC Shadow读取，是否要考虑中间产生的时间差Delta Tim

如题

Hi，各位开发者们，龙虾热继续升级！当 OpenClaw 遇上大模型，自动驾驶正在迎来真正的「智能副驾」时代从多模态感知到端云协同从智能交互到未来座舱这一波技术融合，将如何重塑我们的出行体验？一、本期话题基于OpenClaw与大模型的结合，预测AI大模型与自动驾驶融合的技术趋势，讨论OpenClaw在多模态感知、端云协同等场景中的应用前景，畅想未来智能座舱形态。二、本期奖品截止2026年4月10日

目前想要在云端x86环境调用CUDA，C++做批量数据推理。模型量化采用的是QAT，已有过程中产生的bc及最终产物hbm模型。目前hbm推理调用x86库，效率达不到要求，同时也看到有hbm_infer这个接口实际推理发生在板端，不太符合要求；bc推理看hb_runtime接口没有显示调用cuda接口。个人想法是将python调用cuda推理bc封装成库，C++调用，想问一下这种实现是否能达到预期，

OE包版本：3.0.31我们在进行C++开发的时候，需要利用cnpy相关内容，在编译的时候从OE包中哪里去找cnpy的库呢？

芯片：J6B使用horizon_j6_open_explorer_GPU_v3.7.0工具链转换模型后，进行模型指标对比时，HBRuntime接口加载中间产物模型ptq_model.onnx。无法推理，直接报错报错信息如下：（最新的OE 包不支持中间产物推理吗) self._sess = ort.InferenceSession(. File "/usr/local/lib/python3.

采用lpwm的 trigger信号触发相机曝光，J5侧怎么获取相机开始曝光时刻（或者lpwm trigger时刻）的时间戳？

芯片型号：J3天工开物开发包 OpenExplorer 版本：horizon_xj3_open_explorer_v2.6.4-py38_20240319问题定位：参考官方的流程进行qat，编译得到hbm后推理并用自己的后处理代码离线评估时，发现部分指标下降很大，特别是分割的指标，检测的指标还好首先进行浮点训练，得到float-checkpoint.ckpt，评估得到精度指标如下：进行qat训练，

昨天我们这边尝试使用地平线开源的配置以及开源的sparse4D权重去走PTQ的链路. 参考的也是PTQ示例的做法, 但是发现float.onnx经过 hb_compile --skip compile 得到的定点模型输出的余弦相似度很差. 并且失去了检测效果. 这个问题方便帮忙定位一下什么原因吗? 附件中带有使用的浮点模型onnx, 配置, 以及使用的校准数据.

我们现在要在J6E的芯片上部署ppo的policy模型，但是在量化的部分看上去有比较大的误差，当前是采用模仿学习的方法，把强化学习模型的输出action作为真值，然后进行qat的训练，但是看上去离散的action之间存在一些误差，导致最终的结果误差较大，目前是存在layernorm合cross-attention两个看起来会比较敏感。有什么针对这种纯强化学习部署的方案嘛？

我看见社区文章里有maptrv2_resnet50_bevformer_nuscenes,但是我在官方的示例中没有这个

OE版本：OE_v3.7.0文件路径：/open_explorer/samples/ai_toolchain/horizon_model_train_sample/scripts/configs/detection/fcos3d/fcos3d_efficientnetb0_nuscenes.pyinfer_transforms = [. dict(. type="Resize3

继2026年第一期智驾开发干货征集圆满落幕，地平线开发者社区 2026 第二期征文活动重磅来袭！「征程 6」芯片量产落地场景持续拓展，Physical AI、VLA 大模型、城市 NOA 量产优化等前沿技术方向全面开花，更有软硬协同极致优化、长尾场景解决方案等实战赛道亟待解锁！一、征文主题本次征文仍基于征程 6系列芯片，聚焦技术进阶、量产落地、物理智能融合三大核心方向，提交技术文档 /demo 均

芯片型号：J6Mopenexplorer版本：horizon j6_open_explorer_v3.2.0-py310_20250616问题定位：模型转换精度下降。问题描述：模型结构及参数基本与参考配置一致，只是dataset不一样参考配置：samples/ai_toolchain/horizon_model_train_sample/scripts/configs/bev/bev_sparse

问题：onnx的batch维度是动态的，但在yaml配置文件中指定了明确的batch和input_shap大小，但在hbm和bc模型中的输入size是动态的，且多了一个 input_0_0_roi 输入。1.input_0_0_roi 输入的是什么信息；2.我要怎么去掉input_0_0_roi 并且让输入的size是固定值；3.是什么原因导致的动态size环境信息J6Mhbdk version:

OE版本：v3.0.17文件路径：/open_explorer/samples/ai_toolchain/horizon_model_train_sample/scripts/configs/detection/fcos3d/fcos3d_efficientnetb0_nuscenes.py.infer_cfg = dict(. model=hbir_infer_model,. inf

OE包：horizon_j6_open_explorer_v3.0.17-py310_20240705文件路径：/open_explorer/samples/ai_toolchain/horizon_model_train_sample/scripts/configs/detection/fcos3d/fcos3d_efficientnetb0_nuscenes.py内容：onnx_cfg = d