点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 论文作者 | Chen Shi等 编辑 | 自动驾驶之心 难得，滴滴也出了前馈GS方向的新工作，还是少帅参与 — UniSplat！ 前馈式3D重建技术在自动驾驶领域发展很迅速，但现有工作在自动驾驶环视场景中的表现不佳，这是由于稀疏非重叠的相机视角以及复杂场景动态性双重buff导致。 针对这个问题，港中文（深圳）、滴滴和港大的团队提出UniSplat — 一种通用feed-forward框架，通过统一的潜在时空融合实现鲁棒的动态场景重建。 该框架构建3D 潜在Scaffold（一种结构化表示），利用预训练基础模型捕捉场景的几何和语义上下文。 实验表明，UniSplat的新视角合成能不还不错，即使对于原始相机覆盖范围外的视角，也能提供鲁棒且高质量的渲染结果。 PS. 立个Flag，最近打算梳理下前馈GS方向的内容，梳理下这个方向的里程碑及自驾领域结合的工作。 自动驾驶之心联合 工业界算法专家 开展了这门 《3DGS理论与算法 实战教程》！ 我们花了两个月的时间 ...

Core Viewpoint - The article discusses the organizational structure and strategic positioning of NVIDIA under CEO Jensen Huang, highlighting the importance of hardware and AI in the company's growth, as well as the recent personnel changes that signal a shift towards a more structured management approach. Group 1: Organizational Structure - Jensen Huang has 36 direct reports, divided into seven functional areas: strategy, hardware, software, AI, public relations, networking, and an executive assistant [2][4]. - Among these, nine are focused on hardware, indicating that hardware remains a cornerstone of NVIDIA's business [8][9]. - The presence of three public relations executives under Huang's direct supervision contrasts sharply with other tech leaders, emphasizing NVIDIA's need for a systematic external communication strategy [13][16]. Group 2: Key Personnel - Jonah Alben, a long-time leader at NVIDIA, is recognized as the "soul of GPU architecture" and has been with the company for 28 years, overseeing GPU design and development [24][25][32]. - Dwight Diercks, another veteran with 31 years at NVIDIA, manages the software engineering team and has played a crucial role in the company's software development [33][38]. - Bill Dally, NVIDIA's chief scientist, has significantly contributed to the evolution of GPUs and AI hardware architecture, having transitioned from academia to NVIDIA [43][48]. Group 3: New Additions - Wu Xinzhou, the only Chinese executive directly reporting to Huang, is now the Vice President of Automotive Business at NVIDIA, responsible for strategic planning and product layout [57][58]. - Wu's experience at Qualcomm and XPeng Motors positions him well to drive NVIDIA's automotive business, which has seen revenue growth from $281 million to $567 million for the fiscal years 2024 to 2025 [72][73]. Group 4: Management Philosophy - Huang's management style emphasizes a flat organizational structure to enhance information flow and decision-making speed, which is increasingly challenged by the company's rapid growth [81][105]. - The company has seen a significant increase in employee count, from 29,600 to 36,000 in just one year, indicating a shift in management dynamics [101][115]. - Huang's approach to leadership is characterized by a high-pressure culture, focusing on task completion and performance, which has led to a demanding work environment [118][125].

本文只做学术分享，如有侵权，联系删文 以下文章来源于About云 ，作者阿飞 About云 . 1.求职、面试、社会新闻、提升、职场2.码农一枚3.2013年创办About云社区，会员50万+。2017年首个提出并发起系统帮助职场人面试。 4.2020年成立公司 作者 | 阿飞 来源 | About云 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 现在还裁员吗？ 是的，还在裁。 我一朋友小花，他们公司原来16个人，现在还剩下3个。 这3个人里，其中一人能力特别强，我们就叫强哥，什么问题都能解决。大家都觉得他肯定能留下来，结果最先被裁的，就是他。 为什么？ 因为太贵了。 现在的裁员标准，从来不是能力，而是成本。 他们几次找强哥谈降薪，强哥不同意。 不签字，结果就优先被裁。 这几年，公司裁员，优先考虑的不是"谁能力强"，而是谁"更便宜"。 甚至有时候，你能力越强，薪资越高，被裁的可能性反而越大。 你可能会问，那公司不怕能力强的人走了，产品质量出问题？ 公司当然有办法。 有的企业靠法务保命。 产品可以出问题， ...

以下文章来源于About云 ，作者阿飞 About云 . 1.求职、面试、社会新闻、提升、职场2.码农一枚3.2013年创办About云社区，会员50万+。2017年首个提出并发起系统帮助职场人面试。 4.2020年成立公司 作者 | 阿飞 来源 | About云 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 本文只做学术分享，如有侵权，联系删文 现在还裁员吗？ 是的，还在裁。 我一朋友小花，他们公司原来16个人，现在还剩下3个。 这3个人里，其中一人能力特别强，我们就叫强哥，什么问题都能解决。大家都觉得他肯定能留下来，结果最先被裁的，就是他。 为什么？ 因为太贵了。 现在的裁员标准，从来不是能力，而是成本。 他们几次找强哥谈降薪，强哥不同意。 不签字，结果就优先被裁。 这几年，公司裁员，优先考虑的不是"谁能力强"，而是谁"更便宜"。 甚至有时候，你能力越强，薪资越高，被裁的可能性反而越大。 你可能会问，那公司不怕能力强的人走了，产品质量出问题？ 公司当然有办法。 说到底，现在的职场逻辑变了。 能力不是 ...

Core Viewpoint - The article discusses the introduction of UniSplat, a novel feed-forward framework for dynamic scene reconstruction in autonomous driving, which effectively integrates spatio-temporal information from multi-camera video inputs to enhance the robustness and quality of 3D scene reconstruction [6][44]. Background Review - Reconstructing 3D scenes from urban driving scenarios has become a core capability for autonomous driving systems, supporting critical tasks such as simulation, scene understanding, and long-horizon planning [5]. - Recent advancements in 3D Gaussian splatting technology have shown impressive rendering efficiency and fidelity, but existing methods often assume significant overlap between input images and rely on scene-by-scene optimization, limiting their applicability in real-time driving scenarios [5][6]. UniSplat Overview - UniSplat is designed to address the challenges of robust reconstruction in dynamic driving scenes by constructing a unified 3D Scaffold that integrates multi-view spatial information and multi-frame temporal information [6][9]. - The framework operates in three stages: building a 3D Scaffold from multi-view images, performing spatio-temporal fusion, and decoding the fused Scaffold into Gaussian primitives [6][9]. Experimental Results - Evaluations on the Waymo Open dataset and NuScenes dataset demonstrate that UniSplat achieves state-of-the-art performance in both input view reconstruction and new view synthesis tasks, showcasing strong robustness and superior rendering quality even for views outside the original camera coverage [7][34]. - In the Waymo dataset, UniSplat outperforms existing methods such as MVSplat and DepthSplat across all metrics, achieving a PSNR of 25.37 and an SSIM of 0.765 [34]. - The model effectively distinguishes between dynamic and static elements in scenes, successfully mitigating ghosting artifacts during scene completion [40]. Methodology Details - The 3D Scaffold is constructed by inferring geometric structures using a geometric backbone model and supplementing it with semantic information from a visual backbone model [14][16]. - A dual-branch decoder is employed to generate dynamic-aware Gaussian primitives, enhancing detail retention and scene completeness [23][27]. - The framework incorporates a memory mechanism to accumulate static Gaussian representations over time, facilitating long-term scene completion [29][31]. Conclusion - UniSplat represents a significant advancement in the field of dynamic scene understanding and interactive 4D content creation, providing a robust foundation for future research in lifelong world modeling and autonomous driving applications [44].

Core Insights - The article discusses the organizational structure and strategic focus of NVIDIA under CEO Jensen Huang, highlighting the importance of hardware and AI technologies in the company's growth trajectory [5][9][10]. Group 1: Organizational Structure - Jensen Huang has 36 direct reports, divided into seven functional areas, indicating a significant management structure for a company valued at $4 trillion [2][75]. - Among these, nine executives focus on hardware-related businesses, emphasizing the foundational role of hardware in NVIDIA's operations [8][9]. - Huang's management style favors a flat organizational structure, allowing for rapid decision-making and information flow [81][90]. Group 2: Key Personnel - Key figures under Huang include Jonah Alben, Dwight Diercks, and Bill Dally, who have been instrumental in NVIDIA's success over the years [22][32][43]. - Alben, known as the "soul of GPU architecture," has been with NVIDIA for 28 years and oversees a large team dedicated to GPU design and development [24][31]. - Diercks, with 31 years at NVIDIA, manages the software engineering team, which has grown significantly alongside the company's expansion [33][38]. - Bill Dally, NVIDIA's Chief Scientist, has played a crucial role in evolving GPUs into general-purpose parallel computing platforms [44][48]. Group 3: Strategic Focus - NVIDIA is increasingly focusing on AI and autonomous driving technologies, which are seen as the "second pillar" of Huang's business strategy [9][10][11]. - The company aims to explore untapped markets, referred to as "zero billion markets," indicating a strategic push into new areas of growth [11]. - The automotive business revenue is projected to nearly double from $281 million to $567 million in the 2024-2025 fiscal year, showcasing the rapid growth in this sector [72]. Group 4: Cultural and Management Philosophy - Huang promotes a high-pressure work culture, emphasizing the urgency of tasks and the need for employees to focus on performance [118][121]. - The company lacks typical Silicon Valley perks, reflecting Huang's commitment to a work-centric environment [123][125]. - Huang's management approach is characterized by a focus on accountability and performance, with a notable emphasis on achieving results over maintaining a relaxed workplace atmosphere [119][130].

最近收到越来越多业内小伙伴和公司的诉求，希望自动驾驶之心能够在企业培训和求职辅导等方向上赋能。 企业培训的需求是多样的，从技术进展的梳理、到发布会方案的解读，以及行业发展的总结。 寻求辅导的同学往往受困于简历不够亮眼，急需一些项目补充和经验传授。 虽然从上半年开始，我们一直在筹办相关事宜。但众人拾柴火焰高，我们需要更多优秀的伙伴加入我们。 现面向全球的自动驾驶领域从业者发出邀请函，自动驾驶之心期望能够和您在技术服务、培训、课程开发与科 研辅导等多个领域展开合作。 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 我们将提供高额的酬金与丰富的行业资源。 主要方向 主要面向自动驾驶培训合作（B端主要面向企业和高校、研究院所培训，C端面向较多学生、求职类人群）、 课程开发和原创文章创作。 联系我们 感兴趣的可以添加微信wenyirumo做进一步咨询。 包括但不限于：自动驾驶产品经理、4D标注/数据闭环、世界模型、VLA、自动驾驶大模型、强化学习、端到 端等多个方向。 岗位说明 ...

以下文章来源于红色星际 ，作者红色星际科技 红色星际 . 让更多人，更深入地了解自动驾驶行业！ 作者 | 钟声来源 | 红色星际 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 本文只做学术分享，如有侵权，联系删文 就在近期新石器完成了D轮融资，几十个小目标到账。账上有钱了，余恩源抢人动作更猛了。据圈内传闻，他为了强化技术团队，在引进人才上各种下 功夫，不惜把朝阳酒仙桥公司直接搬到海淀大钟寺，可谓把诚意拉满拉足。 1. 人性本善 在对待员工以及管理员工的方式上，自动驾驶行业存在两种反差极大的老板。 一种是相信人性本恶，所以喜欢狠管员工，对员工采取高压、PUA的方式，把员工的牛马感受拉满；另一种是相信人性本善，喜欢用人文关怀的柔性 方式，激发员工身上自发向上的一面。 今年无人配送行业火爆，新石器扩人的规模高于往年几倍。在人才的引进上，余恩源能接纳不同行业、公司背景的人才来新石器，新进的人有电商、物 流、互联网、自动驾驶等行业的。不过，余恩源会花很大时间精力去捏合不同背景的人才融合到一块。 来自不同背景的人就 ...

重磅！预售来啦。面向科研&教学级自动驾驶全栈小车黑武士系列001正式开售了。世界太枯燥了， 和我们一起做点有意思的事情吧。 原价36999元，现在下单赠送3门课程（ 模型部署+点云3D检测 +多传感器融合 ），优先锁定的安排组装发货。 1）黑武士001 自动驾驶之心团队推出的教研一体轻量级解决方案，支持感知、定位、融合、导航、规划等多个功 能平台，阿克曼底盘。 黑武士支持二次开发和改装，预留了众多安装位置和接口，可以加装相机、毫米波雷达等传感器； 本科生学习进阶+比赛；√ 研究生科研+发论文；√ 研究生找工作+项目；√ 高校实验室教具；√ 培训公司/职业院校教具；√ 2）效果展示 我们测试了室内、室外、地库等场景下感知、定位、融合、导航规划等功能； 整体功能介绍 户外公园行驶 上下坡测试 室外大场景3D建图 室外夜间行驶 点云3D目标检测 室内地库2D激光建图 室内地库3D激光建图 3）硬件说明 | 主要传感器 | 传感器说明 | | --- | --- | | 3D激光雷达 | Mid 360 | | 2D激光雷达 | 镭神智能 | | 深度相机 | 奥比中光，自带IMU | | 主控芯片 | Nvidia ...

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 论文作者 | Zhiyu Zheng等 编辑 | 自动驾驶之心 想让车子自己开，传统方法得像搭积木：先"看"（感知），再"猜"（预测），最后"做决定"（规划）。这套流程环环相扣，一个环节出错，后面全跟着错， 既不高效，也不安全。 这样一来，学习目标就从 "轨迹是什么？" 变成了 "为什么要调整方向？" 。模型被迫去关注那些导致调整的真实原因，比如障碍物、交通规则等，而不是死 记硬背数据里的巧合。 我们还引入了 逐点残差归一化 ，确保模型不会因为要纠正遥远的、不确定的大偏差，而忽略了近处关键的小调整。 实验证明，这套方法非常有效。在 NAVSIM 基准测试中，ResAD取得了领先的成绩。这说明，通过引入"惯性参考"这个物理常识，并让模型专注于学习"为 何要改变"，我们让端到端自动驾驶的学习任务变得更简单、更安全、更可靠。 因果混淆 ：模型可能会"偷懒"，学一些表面功夫。比如它看到前车刹车灯亮就刹车，但根本不理解是因为路口变红灯了。结果可能跟着前车一起闯红 灯， ...