登录社区云，与社区用户共同成长
邀请您加入社区
文章摘要：飞轮科技创始人马如悦探讨了AgenticAnalytics（智能分析代理）的落地挑战与解决方案。他指出，下一代分析体验不仅需要强大的AI模型，更依赖底层数据基座的三项核心能力：实时交互式分析性能、跨源数据统一访问和可被AI理解的业务语义层。基于ApacheDoris的SelectDB通过实时分析引擎、湖仓一体联邦查询、语义建模和MCP接口等技术，为AI代理提供快速、全面且语义明确的数据访
摘要：ROS2 机械臂开发常受环境兼容、链路调试等问题制约。本文提出基于 Agent 的辅助开发架构，以松灵 NERO 机械臂为载体，结合四层架构实现自动化调试与任务拆解，搭配松灵 NERO 拓展具身智能场景，有效解决 ROS 机械臂开发痛点，为 VLA 算法与机器人工程落地提供参考。关键词：ROS 机械臂，Agent, 具身智能，松灵 NERO, ROS2, 机械臂开发，松灵机器人
其中，云端提供强大的知识和模型能力，边缘提供更低时延、更高效率的服务，而终端和汽车则最贴近用户、最贴近场景，也最能够在真实世界中感知、理解并作出响应。”孟樸表示，面向AI智能体时代，高通拥有构建跨层级系统的能力，并将车端验证的平台能力扩展至机器人等更广泛的具身智能形态，推动物理AI从车端进一步走向规模化应用。孟樸表示，汽车智能化越往前走，就越需要芯片、软件、算法、整车、系统集成、云服务以及应用生态
提出判断力是继Token和Transformer之后AI的第三块基石，并揭示六十四卦作为2⁶=64的完备态势空间，为判断力提供数学底座。当前AI缺乏态势感知、确定度评估和安全边界等判断力核心要素，而六十四卦的六维二元结构（根基、行动、信息、资源、主导权、环境）可跨领域编码情境，实现趋利避害的通用认知语法。六十四卦从占卜工具转化为AI判断力引擎，解决物理世界中AI的安全与可靠性问题。这是中华文明对认
智能系统的本质是从高不确定状态（高U）向低不确定状态（低U）的自发收敛。核心观点包括：(1)认知基本单元是动态事件而非静态实体；(2)智能行为源于系统内在的降U驱动力；(3)安全关键情境需强制锁定确定性判断。文章通过64维态势空间和U值量化模型，系统阐释了Transformer、GAN、强化学习等技术的成功机制，并指出当前AI的幻觉、安全脆弱等缺陷源于"盲目降U"。作者团队基于该理论开发了"判断力
摘要： 传统GIS面临矢量、栅格、TIN、点云四大数据模型互转导致的信息损失难题，以及坐标系碎片化、精度难溯源、时间维度缺失等结构性局限。2024-2026年，五大技术（3D高斯点云建模、地理空间基础模型、DGGS全球格网、车载LiDAR众包、LLM语义标注）的突破性进展指向了下一代时空统一数据模型——SuperPoint。它以带语义、精度和时间标签的空间点为基本单元，融合绝对坐标（x,y,z,t
26年6月来自小米EV的论文“Discrete-WAM: Unified Discrete Vision-Action Token Editing for World-Policy Learning”。自动驾驶需要推理自身行为如何塑造周围环境的演变。然而，大多数端到端方法依赖于从状态到动作的直接映射，仅捕捉相关性，而未显式建模受动作影响的动态特性。相比之下，基于连续潜空间的“世界模型”往往缺乏针对
PLUTO框架摘要：该研究提出了一种创新的自动驾驶规划框架PLUTO，通过三个关键创新将基于模仿学习的规划性能推向新高度：(1) 采用纵向-横向感知的查询式模型架构，实现灵活多样的驾驶行为；(2) 提出基于可微分插值的高效批量计算方法，适用于广泛的辅助损失计算；(3) 引入对比模仿学习(CIL)训练框架，结合新型数据增强方法，增强对交互的理解和行为规范化。在nuPlan数据集上的测试表明，PLUT
专门的技能进一步把工作流延伸到移动和操作领域。NVIDIA在CVPR上发布了一套Physical AI Agent Skills，把从数据生成、仿真、策略训练到评估的整条链路串了起来，Cosmos 3大模型做底座，Agent Skills做抓手，三大方向同时推进，研究者的工作流从碎片拼凑变成一键串联。视频数据量一大，人工看不过来，模型微调又需要反复试验，这些技能把搜索、摘要、增强、微调串在一起，研
【摘要】PPP-RTK作为下一代高精度定位技术，融合了PPP（精密单点定位）的全球覆盖与RTK（实时动态差分）的快速收敛优势，实现1-5cm精度、30秒-5分钟快速定位，无需本地基站支持。其核心原理通过全球参考站网络反推卫星轨道偏差和钟差，结合区域大气模型实现快速解算。国际主流服务商（如u-blox PointPerfect、Trimble RTX）通过L波段卫星/互联网双通道下发修正数据，特别适
本文总结了Horizon模型转换与部署中的关键参数和方案选择，涉及input_shape、input_batch、separate_batch三个核心参数的作用与限制。文章详细介绍了两种模型导出形态（静态多Batch和动态多Batch）以及三种部署方案（静态多Batch+Featuremap输入、动态多Batch+Featuremap输入、NV12图像输入+separate_batch），并提供了
摘要： AgenticBI是BI行业的新范式，由衡石科技率先落地，其核心是让AI Agent具备全链路BI操作能力（如创建数据集、生成仪表盘等），而非仅提供建议。技术层面依托CLI执行层（赋予Agent操作能力）、指标语义层（确保数据理解准确）和多Agent协作（分工处理复杂任务）。产品实现上，衡石通过HENGSHI CLI与DataAgent实现自动化工程执行，并以HENGSHI BOX保障安全
摘要： 本文探讨了AI测试工程师向"AI驱魔师"的转型路径。传统测试方法在应对ChatGPT等大模型的不可预测性时存在局限，作者创新性地将测试用例设计仪式化为"驱魔框架"：测试用例转化为图腾，断言升级为咒语，保留可复现性、边界值分析等核心原则。通过情感操纵检测、梯度修正等"驱魔技术"，测试思维被转化为创收服务，如订阅制模型净化方案。实践案
本文分享了地平线工具链的高效使用经验，重点强调基础但关键的操作方法。核心内容包括：理解工具链作为完整套件的组成（Docker镜像、OE包、文档）；推荐按顺序打通PTQ/QAT/部署全流程；强烈建议使用Docker环境并详细指导容器构建和目录挂载策略（如统一管理数据集和共享工作资产）；提供远程调试和SSH配置技巧；提出数据代码分离、操作脚本化等实用习惯。文章强调"先跑通链路再优化细节"的原则，指出合
2023年，GitHub Copilot、Cursor、CodeLlama等代码补全/生成工具在开发者社群刮起了第一波“生产效率革命”——根据Stack Overflow 2024年开发者调查报告显示，87%的专业开发者已经在日常工作中使用代码AI工具，平均单个开发者的编码速度提升了45%，代码Bug修复效率提升了32%。代码Copilot本质上只是“增强版的IDE智能补全+轻量级代码审查助手”自
资料显示，在AI算力需求爆发的行业背景下，AI上市企业微美全息（WIMI.US）长期将目光投向了自动驾驶这一高潜力赛道，依托在AI视觉、低功耗芯片、边缘算法等领域的技术积累，正在探索边缘算法与AI芯片的融合方案，重点适配自动驾驶等高实时性场景。这种组合，既保证了当下的盈利能力，也为未来增长埋下伏笔。而就在5月21日，特斯拉刚通过官方社交平台发文，公布监督版FSD在全球多个市场开放，能够在驾驶员监督
但长期以来，干线物流行业存在显著发展痛点，面临货车司机短缺、人力运营成本居高不下、超载运营、疲劳驾驶引发安全事故频发等问题，行业整体呈现“小、散、乱、弱”的格局，通过无人化技术实现降本、提效、增安，已成为行业刚需，市场替代需求极为迫切。技术端自动驾驶、AI大模型、算力硬件持续迭代成熟。干线物流自动驾驶赛道，是公司“技术产品+生态运营”全新发展模式的核心落地载体，也是依托自身多年智慧交通、AIoT技
根据规划，科创中心研发的首批物理AI技术成果，将率先应用至天瞳威视的高阶智驾系统。
摘要：Elastic推出的性能分析衍生指标技术通过OpenTelemetry eBPF性能分析器，将原始堆栈跟踪转换为时间序列关键指标，解决了传统性能分析的四大障碍：高存储成本、查询复杂、AI不友好和用户体验差。该技术在边缘侧完成数据分类聚合，显著降低存储开销，支持标准可视化分析，并实现跨信号关联。通过预置内核/运行时分类规则和自定义指标功能，用户无需处理原始堆栈即可获得CPU消耗明细。这项技术为
如 CLIP、bge-visual，同时编码文字 + 图片，适合图纸、说明书、教材类文档。用户 Query 同样用同一个模型向量化，才能匹配召回。Retriever 底层自动调用这两个方法做相似度比对。国产云端嵌入，适配中文，国内企业内网云场景。，中文 SOTA，LangChain 通过。
MultiQueryRetriever（问题扩写）、EnsembleRetriever（向量 + BM25 混合召回）、ContextualCompressionRetriever（结果过滤精简）；：向量库独立 MCP-Server，Agent 远程调用 RAG（分布式知识库）向量 + 文档元数据持久化存入 Chroma 向量数据库（本地文件型向量库）：PDF/Word/TXT/ 网页 / 数据库
千方科技作为 AI + 交通上市龙头企业，2015 年启动自动驾驶产业布局，2025 年设立千曙科技子公司，正式落地干线物流自动驾驶业务，核心聚焦 L4 级自动驾驶重卡运力服务。业务落地层面，公司深度整合车、路、运、能四大生态资源，一边深耕底层大模型研发、参与超 35 项智能网联行业标准编制，一边联动主机厂、省级交通平台、头部物流企业落地实地试点。本篇依托企业官方文档、权威媒体稿件与公众号披露信息
自己造 Agent 决策链路，无现成 Agent 对象；LangGraph：手动定义节点 + 路由，抛弃 BaseAgent 体系，工业复杂 Agent 主流方案。返回值 =各类 Agent 实例对象；实例必须塞入才能运行；不想用内置 Agent 种类 → LCEL 手写 / LangGraph 自定义替代。
该表格参照，从人机分工维度划分 AI 智能化等级，完整覆盖从工具软件到通用自主智能的演进路径，结合 LangChain 技术落地场景做分层拆解：表格L1 ToolL2 Chatbot（对话咨询顾问级）人主导工作流程，仅向 AI 问询资讯、L3 Copilot（副驾驶人类定目标，AI 产出初稿，人终审修改确认，AI 无法自主完成闭环调用外部工具！！！L4 Agent（自主智能体级）
判断力引擎通过四个维度为AI系统降本增效：1）省算力，轻量级CPU判断替代大模型推理，年省数百万算力成本；2）省人力，内生安全机制无需人工编写规则，减少团队开支；3）省时间，确定性测试加速产品上市周期；4）省心，架构级安全约束避免事故风险，潜在损失减少数千万至数亿。综合测算，判断力引擎的年费远低于传统方案成本及事故风险，成为高性价比的“确定性保险”。
自动驾驶是物理AI和世界模型投入最大的领域，也是判断力缺失最致命的地方。自动驾驶已经能做到99.9%的识别准确率。但剩下的0.1%，是“不确定”——传感器数据冲突、长尾场景、对抗性输入。这些不是识别问题，是判断力问题。红灯亮了，摄像头拍到了，但激光雷达没有。两个传感器数据冲突。传统系统怎么处理？按预设规则选一个，或者按统计模型猜一个。选了摄像头，追尾了。选了激光雷达，闯红灯了。这就是为什么Waym
这篇论文提出了一种名为Sensor2Sensor（S2S）的创新生成式模型，能够将单目行车记录仪视频转换为目标自动驾驶车辆的多视角视频和高精度LiDAR点云数据。该研究解决了自动驾驶领域的两大难题：数据长尾效应和硬件不兼容问题。通过4D高斯泼溅技术生成合成训练数据，并设计跨模态扩散网络实现传感器数据转换。实验表明，生成的数据可直接用于现有感知模型，显著提升了数据利用效率。这项技术为自动驾驶系统提供
文章摘要：自动驾驶技术正从科幻走向现实，国际SAE标准将其分为6个等级（L0-L5），当前主流车型处于L2级，部分企业已实现L3并测试L4技术。自动驾驶的训练始于虚拟环境，通过构建数字孪生城市和物理AI仿真系统（如NVIDIA Omniverse、51WORLD平台），让AI在模拟世界中学习真实驾驶场景。虽然高阶自动驾驶能提升道路安全，但它无法取代人类驾驶的乐趣，技术发展的本质应是改善而非完全替代
Compute Express Link®（CXL®）标准凭借开放、兼容、高性能的特性，致力于打破计算系统中的“内存墙”和“异构墙”，因而已从数据中心走向AI集群、边缘AI与汽车智能驾驶，成为新一代智能计算的关键互联标准。同时，CXL规范也随着应用的不断拓展开始了快速演进，其每一次版本更新不仅带来了更高的速度和缓存一致性能，而且也再一次推动了从服务器主处理器到边缘AI主控芯片的各种创新。
文章摘要：数据开发领域长期面临两大痛点——AI驱动的数据产品难以落地生产环境，传统工具虽强大却仍需人工操作。云器DataAgent通过三层垂直化适配（底层语法、产品操作、业务知识）构建企业级能力底座，实现数据开发的"自动驾驶"。它能理解用户意图并自动执行复杂任务，如业务分析、数据质量排查和运维诊断，将传统需多步操作的工作简化为自然语言交互。这一方案突破了"工具需要人操
具体来看，AlpaGym是一个开源、高吞吐量的闭环强化学习框架。黄仁勋为英伟达构建了一个完整的"智能体经济"基础设施版图：底层是Vera Rubin/Vera CPU的算力供给，中间层是DSX的AI工厂蓝图和企业级智能体工具包，上层是RTX Spark的个人智能体入口，以及Cosmos/Alphamale/GR0K构成的物理AI生态。但Alpamayo 2则像一个"话痨司机"，车辆可以用自然语言实
我们一般理解为static 3DGS 是背景，轨迹回放时，障碍物是无法交互的。但是这两篇论文仍然进行了RL强化学习。我选择RAD的奖励模型进行分析：3.4 奖励建模奖励是训练信号的来源，决定了强化学习（RL）的优化方向。奖励函数的设计旨在通过惩罚不安全行为并鼓励与专家轨迹保持一致来引导自车的行为。Rrdcrscrpdrhd4如图 4 所示，这些奖励组成部分在特定条件下被触发。
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
魔珐星云开发社区
AI编程社区
地平线开发者
openEuler 社区
