登录社区云，与社区用户共同成长
邀请您加入社区
本文系统阐述了自动驾驶横向控制的完整建模链条，从基础几何关系逐步推导至MPC控制器设计。主要内容包括： 从阿克曼转向几何出发，建立单轨自行车模型，推导航向变化率与转向角的关系 引入Frenet坐标系，明确定义横向误差和航向误差 推导完整的非线性误差动力学模型 通过线性化和离散化处理得到状态空间方程 基于预测时域展开建立MPC预测模型 设计二次型代价函数并转化为QP问题求解 该建模链条涵盖了从车辆几
很容易注意到网络中的四个箭头，这4个箭头就代表着本文最重要的四个损失函数，首先看后面的两个损失，分别对应着体素和点的输出损失（KL散度），前面两个箭头代表着基于超体素而生成的超体素内部点亲和度和体素亲和度的2范数损失。第二个模块是体素化模块；具体的实现方式为将原有的3D backbone网络的每一层进行裁剪，对每一层只保留原有通道数的一半，通过自监督蒸馏学习的方式，使得裁剪后的小模型依然能够达到原
其DriveVLM双系统架构（CoRL 2024收录）作为核心落地载体，采用“端到端+VLM”双系统方案，是行业内首个将VLM视觉语言模型部署到车端芯片的方案，其中VLM模型拥有22亿参数量，可精准识别中文交通标识、潮汐车道、限时公交道等本土场景语义，辅助端到端模型完成完整驾驶循环，而端到端模型则通过学习大量人类老司机数据，实现路边起步、U形掉头、环岛通行等复杂场景的拟人化决策，无需依赖人工定义规
从"规则系统"到"端到端+VLM"再到"VLA"，自动驾驶的技术演进路线清晰地指向一个方向：让机器像人一样，在感知、理解和行动之间建立无缝的连接。VLA的核心创新之一，是受谷歌机器人模型RT-2的启发，将车辆的转向、加速、制动等驾驶动作转化为一种特殊的"词汇表"（Token）。这些能力是传统感知算法望尘莫及的。因此，在2024年主流的"端到端+VLM"双系统架构中，两者各司其职：端到端模型负责快速
右侧(b)是CARLA-Air的组合式解决方案——CARLAAirGameMode继承CARLA的地面子系统，同时将AirSim的飞行体以组合方式纳入，巧妙地在单个Game Mode槽位中容纳了两套完整的仿真能力。这种"天地一体"的仿真世界，正是CARLA-Air的核心价值所在。在一次典型的数据采集实验中，平台以17.1 FPS的帧率同时运行12路传感器流（6路车辆视角 + 6路无人机视角），持续
在密码破解（hash计算）这类场景下，把NVIDIA H200 、AMD Instinct MI300X和NVIDIA GeForce RTX 5090放在一起对比，结果有点出乎意料：在一些高并发计算任务里，5090反而跑得更快。
龙泽科技推出的智能网联汽车自动驾驶VR仿真教学软件，融合VR虚拟现实、空间定位融合、串口通信等技术，构建高保真3D模型和全场景仿真环境。该软件具备虚实同步、沉浸式交互、脱网运行等特点，覆盖30余种自动驾驶辅助系统功能实训，精准还原实车操作流程。通过降低实训成本与安全风险，解决传统教学场景不全、原理抽象等问题，为职业院校智能网联汽车专业提供标准化、安全化的虚拟实训解决方案，助力培养符合行业需求的技能
针对汽车可靠性保障的核心需求，本文基于系统性综述的完整研究数据，系统梳理了汽车诊断技术从被动事后修复到预测性状态维护的完整演进路径，详解了当前机电诊断与可靠性分析所采用的核心方法与工具，包括传感器监测与信号处理技术、AI故障分类算法、可靠性量化分析框架、数字孪生诊断工具等，同时结合各项技术的研究验证数据，为行业落地预测性维护提供全面的技术参考。
特斯拉AI5芯片流片成功同步启动Dojo3研发；特斯拉面临最高百亿美元诉讼风险多项法律纠纷待解决；三大芯片巨头注资推进端到端自动驾驶技术
未来，随着模型在真实场景数据上的持续优化、物理先验知识的融入以及计算效率的进一步提升，指令驱动的自动驾驶有望从实验室走向实际应用，真正实现"车随语动"的智能出行愿景。在路口场景中，"快速直行"和"减速避让行人"的指令会引导模型生成完全不同的路径规划，且对应的未来图像生成结果与动作高度一致，充分体现了模型对指令的精准理解与执行能力。这种设计的巧妙之处在于，将理解与生成任务解耦但又通过统一框架融合，既
本文深入探讨了人工智能代理技术的演进历程，从辅助性的Copilot系统到自主性的Autopilot系统，重点介绍了新兴的"AI Agent Harness Engineering"（AI代理驾驭工程）领域如何重新定义人机协作范式。通过理论分析、架构设计、实现机制和实际应用案例，本文系统地阐述了AI代理技术的核心概念、数学模型、算法实现以及未来发展趋势，为读者提供了全面且深入的技术洞见。
摘要： NVIDIA DRIVE平台推出集中式雷达处理方案，突破传统边缘计算限制，实现更高效的L4自动驾驶。传统雷达因边缘处理架构仅输出稀疏点云，损失大量原始信号数据。NVIDIA的方案将原始ADC数据直接传输至中央计算平台，利用专用PVA硬件完成全信号处理，释放GPU资源用于AI任务。该设计降低30%成本、20%体积与功耗，并支持高分辨率雷达信号处理（30帧/秒）。通过与承泰科技合作，该方案已通
26年3月来自新加坡南阳理工、哈弗大学和小米电动汽车的论文“AutoMoT: A Unified Vision-Language-Action Model with Asynchronous Mixture-of-Transformers for End-to-End Autonomous Driving”。将视觉语言模型（VLM）集成到端到端（E2E）自动驾驶（AD）系统中，在提升场景理解能力方
在人工智能技术快速发展的今天，我们正见证着产品形态从"Copilot"(副驾驶)向"Autopilot"(自动驾驶)的深刻转变。本文将深入探讨这一演进过程中用户信任的建立、维持与挑战。我们将分析从AI作为辅助工具到完全自主系统的不同阶段，用户心理变化的规律，以及如何系统性地构建和维护用户信任。通过生动的比喻、实际案例和技术分析，本文将为产品设计师、开发者和决策者提供构建可信AI产品的实用指南。想象
特斯拉AI5芯片的成功流片，标志着自动驾驶领域的算力军备竞赛进入了新阶段。硬件层面：从通用计算向专用AI加速器转变软件层面：从规则驱动向数据驱动、模型驱动转变产业层面：从供应链合作向垂直整合转变马斯克曾豪言：“AI5将成为有史以来产量最高的AI芯片之一。如果这一愿景实现，特斯拉不仅将在自动驾驶领域确立领先地位，还将重塑整个AI芯片产业的格局。让我们拭目以待。
《自动驾驶3D占据网络真值生成的技术挑战与演进方向》摘要： 当前自动驾驶感知技术正从2D向3D占据网络(Occupancy Network)快速演进。本文深入探讨了3D占据网络真值生成的核心挑战与技术方案：1）开源方案存在传感器依赖、点云稀疏性等局限；2）提出自研Pipeline实现动静分离与多帧聚合，采用SphereFormer提升点云分割效率；3）针对收费站抬杆等长尾场景提出专项优化方案；4）
摘要：TI和Rohm加入中国主导的HSMT车载Serdes工作组，标志着国际大厂开始拥抱国产协议。国内企业瑞发科、纳芯微、首传微已率先布局HSMT市场，其中瑞发科出货量超千万颗领跑赛道。面对2030年预计16.77亿美元的全球市场，传统私有协议阵营（如ADI的GMSL和TI的FPD-Link）正面临挑战，OpenGMSL、HSMT等公有协议竞争加剧。首传微创新性地将HSMT与A-PHY协议融合，进
本文结合工程实践，深入讲解UWB 自动跟随系统中TOF / TDOA / PDOA 三种算法以及 TOF 中“传播时间 Δt”是如何测得的，并给出应用比较，以帮助技术决策与产品规划。
作用：屏蔽不同硬件（传感器、执行器、嵌入式设备）的差异，提供统一的交互接口。核心组件：硬件抽象框架，定义“硬件接口（Hardware Interface）”标准（如位置、速度、力控接口），支持真实硬件与仿真设备的无缝切换。设备驱动包（如用于OAK相机，rosserial用于Arduino等微控制器）：将硬件数据转换为ROS2标准消息，或接收ROS2指令控制硬件。micro-ROS。
以太网PHY（物理层芯片）出现 **Link Down（链路断开）**问题时，通常表现为网络连接中断、端口指示灯熄灭或闪烁异常。
摘要：UWB技术凭借厘米级定位精度、毫秒级延迟和强抗干扰能力，成为自动跟随系统的理想选择。其核心技术包括TOF/TDOA/PDOA三种定位方式，通过标签-基站架构实现实时跟踪。系统常融合IMU、视觉等传感器，采用卡尔曼滤波等算法提升稳定性。目前已在PSICV随辅跟随车、Soffofel智能行李箱、辅助轮椅等场景成功应用，但面临大范围部署成本高、遮挡误差等挑战。未来将向低功耗、多传感融合方向发展，与
是指由于环境变化（温度、湿度、机械应力等）或材料特性不稳定，导致天线实际工作频点偏移设计目标频率，进而引起电压驻波比（VSWR）急剧恶化的现象。当射频信号从接收机通过传输线（如馈线）传向天线时，若天线阻抗（ZAZA）与传输线特征阻抗（Z0Z0，通常为50Ω）不匹配，部分能量会被反射。|S11| < -10dB（对应VSWR<1.93）为可接受，专业级要求|S11|<-14dB（VSWR<1.5
第20届智能车竞赛备赛指南 本文为第20届大学生智能车竞赛提供系统化的备赛指导，涵盖竞赛规则解读、硬件选型建议、ROS环境配置以及三大核心任务（巡线避障、智能扫码、远程控制）的详细技术方案。针对OriginCar系列平台（RDK X3/X5）给出性能对比与选型建议，重点推荐RDK X5的高算力优势。指南包含完整的开发流程：从环境搭建、功能包迁移到系统集成，特别强调巡线算法的优化策略和二维码识别的高
当时，买来之后呢，只有windows版的上位机，通过USB插口，确实可以扫描到雷达的点云，但是，我的智能小车计划用linux系统，而且当时我用的linux系统是树莓派4B+ubuntu24.04LTS版本。那么，修改了之后，就编译成功了。我开始也按照他们的使用手册，改了一下，结果发现他们的使用手册跑不通，越搞越复杂，问他们技术人员，他们技术人员也说不出个啥，只说也可以不改。我也觉得可以不改，将US
文章摘要： 本文指出CAN协议中的error passive和BUS OFF状态存在安全隐患，违背功能安全原则。当节点因干扰进入这些状态时，控制系统闭环（如刹车、转向）会变为开环，导致失控风险。通过分析辐射干扰（如ISO7637-3定义的场景）对CAN收发器的影响，揭示了干扰如何通过输入阻抗差异和线缆长度差转化为位错，进而触发BUS OFF。实例显示，一次继电器开关干扰即可导致通信中断，而特斯拉M
【代码】mmdetection3d 推理 centerpoint。
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取>>自动驾驶之心【大模型】技术交流群笔者的一些个人思考在自动驾驶领域，随着BEV-based子任务/端到端方案的发展，高质量的多视图训练数据和相应的仿真场景构建愈发重要。针对当下任务的痛点，“高质量”可以解耦成三个方面：不同维度上的长尾场景：如障碍物数据中近距离的车辆以及切车过程中精准的朝向角，以及车道线数据中不同曲率的
rviz global status显示为error的问题解决把左上角的Global Options下面的Fixed Frame左边的map改为world即可
E2E-MFD团队 投稿量子位 | 公众号 QbitAI恶劣天气下，自动驾驶汽车也能准确识别周围物体了？！西安电子科大、上海AI Lab等提出多模态融合检测算法E2E-MFD，将图像融合和目标检测整合到一个单阶段、端到端框架中，简化训练的同时，提升目标解析性能。相关论文已入选顶会NeurlPS 2024 Oral，代码、模型均已开源。其中图像融合是指，把不同来源（比如可见光和红外相机）的图像合并成
印度手语检测数据集-4172张图片 手语识别 无障碍沟通 人机交互 行为分析 边缘计算 智能教育 多模态融合
车辆动力学模型（基于牛顿运动定律）： $$ \dot{\mathbf{x}}_i(t) = \mathbf{A} \mathbf{x}_i(t) + \mathbf{B} u_i(t) $$ 这里$\mathbf{A}$和$\mathbf{B}$是系统矩阵，$u_i(t)$是控制输入（如加速度）。首先，定义车辆$i$的状态向量（包括位置和速度）： $$ \mathbf{x}_i(t) = [p_i
如果是外行，第一反应当然是有危险就要刹停，帮我尽可能避免所有风险。但是真实的AEB开发最终极目标：可以满足所有的法规（C-NCAP，E-NCAP，I-VISTA，强标...），但是实际上路没有一次误触发，甚至可以说上路没有一次触发。这句话的原因不多解释，只有真正了解了这句话的含义才能真正的将这个产品做出来。2.2开发AEB的基础1.了解法规执行器通常是指ESP/ESC这一类可以执行智驾控制器指令的
总体上来看，这个待遇在业界也是特别高的，值得一冲。我是车企学长，希望可以在车企求职这一块能帮到大家。自动驾驶算法： 35K*14（普通硕士）cpp开发：30k*14 (985硕士)嵌入式软开：32K*14（985硕）规控算法 35k*14(211硕士)感知算法 35k*14(985硕士)C++：30K*14（本科211）算法：44k*14（211硕士）开发：38k*14（985硕士）算法工程师：5
本文介绍了需求管理的四个关键概念：OR（产品包需求）、IR（初始需求）、SR（系统需求）和AR（分配需求）。OR是收集整理内外部原始需求的基础；IR是对原始需求重新描述分析的资源池；SR将IR细化成可测试的具体需求；AR则将SR分配到子系统和开发组。这四个层次构成了从原始需求到开发实现的全流程管理框架。
智能汽车三重安全技术解析 随着汽车电子化程度提升，现代智能汽车面临功能安全（FuSa）、预期功能安全（SOTIF）和网络安全三大核心挑战。本文深入剖析了这三重防护体系： 功能安全（FuSa）：通过ISO 26262标准预防电子系统随机故障，采用ASIL等级评估风险，典型案例包括双核锁步架构的ESP系统。 预期功能安全（SOTIF）：解决系统无故障但性能不足的问题，依赖场景仿真和AI训练，如特斯拉的
VESC6MK6电调在VESC6系列基础上新增多项实用功能：1.内置电源按键控制，支持多种开关机模式（常闭/轻触按键控制）；2.自动根据传感器类型切换3.3V/5V供电电压；3.新增相位滤波器，支持HFI高频注入功能，提升电机控制精度；4.内置IMU芯片（加速度计+陀螺仪）；5.扩展一路UART串口。这些改进使MK6版本在操作便利性、兼容性和控制性能方面均有显著提升，特别适合滑板、航模等应用场景。
自动驾驶
——自动驾驶
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
2048 AI社区
AI硬件创业社区
魔珐星云开发社区
