作者 | XiuQ 编辑 | 自动驾驶之心 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 ★ 前段时间阅读到这篇论 文 ，利用强化学习，self-play 方式，不使用任何真实数据， zero-shot 在CARLA, nuPlan, waymax 上达到的SOTA. 论文结果很amazing， 并且给出了较为详细的细节，本文是笔者的阅读笔记，以供后期回顾，也供大家参考， 若有纰漏，欢迎友好指正，也欢迎大家一 起交流学习。 笔记将主要抽取总结论文关键脉络，更多细节十分推荐阅读原文。 强化学习回顾 原文链接： https://www.zhihu.com/question/547768388/answer/114467872460 RL 交互流程 强化学习的主要框架如上图所 示 ， 强化学习的任务是寻找一个 使agent 在与环境交互过程中的累计回报期望最大。强化学习的几个核心点是 对于自动驾驶而言， 将强化学习用在自动驾驶，环境演化和Reward设计可能相对较难。主要 ...

点击下方 卡片 ，关注" 大模型之心Tech "公众号 戳我 -> 领取大模型巨卷干货 检索增强生成（Retrieval-Augmented Generation, RAG）通过注入外部知识提升了大语言模型的事实性，但在需要多步推理的问题上表现欠佳；反 之，纯推理导向的方法则常出现生成幻觉内容（hallucination）或事实依据不足的问题。本综述从"推理-检索协同"这一统一视角，整合了上述两大 研究方向。首先，本文梳理了先进推理技术如何优化RAG的各个阶段（即"推理增强型RAG"）；其次，阐述了不同类型的检索知识如何为复杂推理 补充缺失前提并扩展上下文（即"RAG增强型推理"）；最后，重点聚焦新兴的"协同式RAG-推理框架"——在这类框架中，具备智能体能力 （agentic）的LLM会迭代交替执行搜索与推理操作，从而在各类知识密集型基准测试中实现当前最优性能。本文对相关方法、数据集及开放挑战进 行了分类梳理，并勾勒出未来研究方向，旨在构建更高效、多模态适配、可信且以人为本的深度RAG-推理系统。 汇总链接：https://github.com/DavidZWZ/Awesome-RAG-Reasoning ...

以下文章来源于51WORLD ，作者致力于克隆地球的 51WORLD . 51WORLD是一家致力于克隆地球5.1亿平方公里的科技公司，通过建立一个数字孪生世界来改变世界。 2025 年，中国汽车产业加速进入端到端时代，数据驱动闭环面临着全新的机遇与挑战 。 站在行业关键拐点，51Sim于 Testing Expo China 2025 - Automotive 同期举办的「向真而行！51Sim端到端数据闭环生态论坛」上，正式发布 "端到端 数据驱动闭环" 。 该方案在 仿真置信度、AI赋能、数据复用 三大领域实现里程碑式突破，打破端到端数据驱动闭环的多个关键技术瓶颈，旨在为行业 创造领先的解决方案， 助力全产业链构建端到端时代的新核心竞争力与技术壁垒， 加速推动高阶智能驾驶迈向规模化量产落地。 数据驱动闭环升级 所谓端到端，是指一端输入图像等环境感知数据，经由多层神经网络模型的"黑箱"处理，直接输出转向 、制动、加速等驾驶指令。其本质是基于数据驱动的 技术路线，需要大量的高质量数据对端到端大模型进行训练。 端到端时代下，数据驱动闭环的重要性空前提升，但也面临着多重挑战： 置信度突破，让数据更真 端到端模型依 ...

Core Insights - The article emphasizes the growing interest in large model technologies, particularly in areas like VLA and VLM, and the high demand for talent skilled in RAG and AI Agent technologies [1][3] - The establishment of a community focused on large models aims to provide a platform for knowledge sharing and technical exchange among practitioners and learners in the field [6][8] Group 1: Community and Learning Opportunities - The "大模型之心Tech" community is designed to be a comprehensive platform that integrates video, text, learning paths, Q&A, and job exchange, with a goal of reaching nearly 10,000 members in two years [3][6] - The community invites experts from renowned universities and leading companies in the AI and internet sectors, creating a hub for cutting-edge technology discussions [6][68] - Members will have access to job recommendations and industry insights, facilitating connections with potential employers [8][9] Group 2: Learning Pathways - A detailed learning roadmap for large models has been compiled, covering various areas such as RAG, AI Agent, and multimodal models, catering to both beginners and advanced learners [7][11] - Specific learning routes include Graph RAG, AI Agent core technologies, and multimodal model training, providing structured resources for systematic learning [7][11] Group 3: Technical Resources - The community offers extensive resources on RAG, including benchmarks, reviews, and applications in AIGC, aimed at helping newcomers understand the technology [12][25] - For AI Agents, the community provides insights into the latest reviews, open-source repositories, and evaluation methods, further detailing subfields like multi-agent systems [27][33] - Resources on multimodal model training, including datasets and reinforcement learning techniques, are also available, with plans for continuous enrichment of these modules [44][55] Group 4: Engagement and Events - The community plans to host live sessions with industry leaders, allowing members to engage with top experts and revisit the content as needed [67] - A focus on job sharing and recruitment information will empower members to find relevant job opportunities in the field [68]

最近收到了许多同学在论文发表上的求助，学校绕不开一篇三区论文硕士毕业，没有三篇CCF-A博士都毕不了 业，老师对这个新的方向不熟悉，开展不了工作。一直在为论文选题绞尽脑汁，实验设计总遇瓶颈，写作逻辑混 乱不清，投稿屡屡被拒！ 尤其是在前沿且复杂的自动驾驶、具身智能、机器人领域，真的有点力不从心。 一篇好的论文需要有好的切入点，哪个方向更容易产出，这一个判断尤为重要！剩下的就是怎么论证这个idea work，比当前SOTA有效（如果是A类会议）。实验的设计也非常重要，特别是消融实验，要摸清是什么因素导 致的提升。后期的写作技巧，取决于你是否能够让审稿人眼前一亮，如何回复审稿意见也是需要经验的。 筹备了近1年，我们的论文辅导正式推出了，主要面向自动驾驶/具身智能/机器人领域。 我们是谁？ 国内最大的AI类技术自媒体平台，IP包含自动驾驶之心/具身智能之心/3D视觉之心等平台，拥有国内最顶尖的学 术资源。深耕 自动驾驶、具身智能、机器人 方向多年。我们深刻理解这些交叉学科的挑战与机遇，更明白一篇 高质量论文对于学生（尤其是硕博生）学业和未来发展的重要性。 我们目前有300+专职于自动驾驶/具身智能方向的老师。来自于 ...

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15个 方向 学习 路线 业务合伙人 自动驾驶之心业务合伙人招募来啦！我们团队今年计划向国内外招募10名优秀的合伙人，负责自动驾驶相 关课程研发、论文辅导业务开发、硬件研发； 主要方向 自动驾驶资源共享（求职、读博、出国留学推荐等）； 丰厚的现金激励； 创业项目合作与推荐； 联系我们 如果您是大模型/多模态大模型、世界模型、扩散模型、VLA、端到端、具身交互、联合预测、SLAM、3D 目标检测、世界模型、闭环仿真3DGS、大模型部署与量化感知推理等方向，欢迎加入我们； 岗位要求 QS200以内高校，硕士及以上学历，手握顶会的大佬优先。 待遇说明 更多欢迎添加微信咨询，备注" 机构/公司 + 自动驾驶合作咨询 "。 ...

最强性价比3D激光扫描仪 面向工业场景和教研场景的 超高性价比3D扫描仪来了！GeoScan S1是国内目前最强性价比实景三维激光扫描 仪，轻量化设计，一键启动，便可拥有高效实用的三维解决方案。以多模态传感器融合算法为核心，实现厘米级 精度的三维场景实时重构。可广泛用于多种作业领域。 每秒20万级点云成图，70米测量距离，360°全域覆盖，支持20万平米以上的大场景，扫描可选配3D高斯数据采 集模块，实现高保真实景还原。支持跨平台集成，配备高带宽网口及双USB 3.0接口，为科研实验提供灵活扩展 空间。降低开发门槛，助力开发者快速掌握研发能力，开启更多可能。 GeoScan S1设备自带手持Ubuntu系统和多种传感器设备，手柄集成了电源，可通过D-TAP转XT30母头输出至 GeoScan S1设备本体，给雷达、摄像头以及主控板提供电源。 基础版重建效果一览！ 使用门槛低 ：操作简单直观，一键启动即可 执行扫描作业 扫描结果导出即用 ：无需复杂部署和繁琐处理，扫 描结果导出即用 高效率高精度建图 ：模型精度高，行走之间轻松扫 描大场景 业内最优惠价格 ：性价比高，高度 集成多传感器， 往下翻~ 重磅！3DG ...

来源 | 理想TOP2 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 语言是认知世界的框架，而不仅是沟通工具。人类所能思考、理解和表达的一切，都被限制在语言的范畴之内。我们所理解的世界，很大程度上是我们所使用的语 言的产物，对于无法用语言表述的事物，我们难以形成清晰的思想。而且，不同的语言以其独特的词汇、语法和结构，为使用者提供了不同的认知框架。所以我们 会看到，来自于不同语言体系的人，其思维方式是有差别的。 在VLA架构里面，V是感知，A是动作，而L承担的是语言能力部分。L对V感知的内容做出认知理解并形成A的行动规划和决策。VLA的L不是用语言做显式的文字 推理，而是用人类语言提供的数据学习做隐式的逻辑推理，这才是L真正的核心。很多人以为L就是输出在交互界面的那几行文字以及语音控制命令，这个理解是 不对的。其实文字输出和语音输入都是可选的，输不输出都不太关键（看人类想不想要），真正发挥作用的是背后推理的长思维链。如果没有强大的L，再好的V 和A都无法发挥出来。这跟人与动物的区别很相似。论视觉能力人比不过鹰，论行动速度比不过猎豹，但人之所以能够称霸地球， ...

复活了！9月6日，威马汽车通过官方公众号发布《致供应商白皮书》。 目前，深圳翔飞汽车销售有限公司已正式接管威马汽车，正全力推进威马EX5与E5车型在温州基地的快速 复产，同时计划未来5年向市场推出10款以上新产品，并挑战年产100万辆的目标。 最近，国内汽车行业正在从短暂的低谷走出来。 比如蔚来正迎来新的拐点，零跑的增长还在持续，小鹏汽 车八月份的销量也同比增长了169%！智能驾驶的道路远未结束，最近行业内也掀起了新一轮的技术探讨： VLA还是WA，L3的技术路线出现了分歧，我们还有很多很多事情可以做。 这也是我们一直坚持做自动驾驶社区的原因！ 三年期间社区内部一直聚焦在自动驾驶最前沿的技术方向，多模态大模型、VLM、VLA、闭环仿真、世界 模型、扩散模型、端到端自动驾驶、规划控制、多传感器融合等 近40个技术方向的内容 。涵盖了目前所有 主流的方向，并形成了技术路线，适合入门进阶的同学做进一步提升。 社区成员主要分布在头部的自驾/具身/互联网公司、Top高校实验室、还有一些传统的机器人公司。形成工 业界+学术界互补的态势。如果您真的有需要，想要做系统提升、和更多的同行业人员交流，欢迎加入。开 学季大额优惠， ...

Core Insights - The article discusses the evolution and challenges of embodied intelligence, emphasizing the need for a comprehensive understanding of its development, issues faced, and future directions [4][5]. Group 1: Robotic Manipulation - The survey on robotic manipulation highlights the transition from mechanical programming to embodied intelligence, focusing on the evolution from simple grippers to dexterous multi-fingered hands [6][7]. - Key challenges in dexterous manipulation include data collection methods such as simulation, human demonstration, and teleoperation, as well as skill learning frameworks like imitation learning and reinforcement learning [6][7]. Group 2: Navigation and Manipulation - The discussion on robotic navigation emphasizes the high costs and data difficulties associated with real-world training, proposing Sim-to-Real transfer as a critical solution [8][13]. - The evolution of navigation techniques is outlined, transitioning from explicit memory to implicit memory, while manipulation methods have expanded from reinforcement learning to imitation learning and diffusion strategies [13][14]. Group 3: Multimodal Large Models - The exploration of embodied multimodal large models (EMLMs) indicates their potential to bridge the gap between perception, cognition, and action, driven by advancements in large model technologies [15][17]. - Challenges identified include cross-modal alignment difficulties, high computational resource demands, and weak domain generalization [17]. Group 4: Embodied AI Simulators - The analysis of embodied AI simulators reveals their role in enhancing the realism and interactivity of training environments, with a focus on 3D simulators and their applications in visual exploration and navigation [18][22]. - Key challenges for simulators include achieving high fidelity, scalability, and effective interaction capabilities [22]. Group 5: Reinforcement Learning - The survey on reinforcement learning in vision outlines its application in multimodal large language models and the challenges posed by high-dimensional visual inputs and complex reward designs [24][27]. - Core research directions include optimizing visual generation and enhancing cross-modal consistency through reinforcement learning [27]. Group 6: Teleoperation and Data Collection - The discussion on teleoperation of humanoid robots highlights the integration of human cognition with robotic capabilities, particularly in hazardous environments [28][30]. - Key components of teleoperation systems include human state measurement, motion retargeting, and multimodal feedback mechanisms [30]. Group 7: Vision-Language-Action Models - The comprehensive review of vision-language-action (VLA) models outlines their evolution and applications across various fields, including humanoid robotics and autonomous driving [31][34]. - Challenges in VLA models include real-time control, multimodal action representation, and system scalability [34].