本文主要作者来自上海交通大学和苏黎世大学，第一作者张宇昂，上海交通大学研究生，主要研究方向包括可微分物理机器人、多目标追踪和AIGC；共同 一作胡瑜，上海交通大学博士生，主要研究方向为无人机视觉导航；共同一作宋运龙博士来自苏黎世大学，主要研究方向是强化学习、最优控制。通讯作 者为上海交通大学的林巍峣教授和邹丹平教授。 想象一下：在未知森林、城市废墟甚至障碍密布的室内空间，一群无人机像飞鸟般快速穿梭，不依赖地图、不靠通信、也无需昂贵设备。这一设想，如今成为现 实！ 上海交通大学研究团队提出了一种融合无人机物理建模与深度学习的端到端方法，该研究首次将可微分物理训练的策略成功部署到现实机器人中，实现了无人机 集群自主导航，并在鲁棒性、机动性上大幅领先现有的方案。 该成果已于《 Nature Machine Intelligence 》在线发表。其中张宇昂硕士、胡瑜、宋运龙博士为共同第一作者，邹丹平与林巍峣教授为通信作者。 | | | 论文地址： https://www.nature.com/articles/s42256-025-01048-0 核心理念：大道至简 过去的无人机自主导航往往依赖： 高复杂度定位与建图 ...

产业趋势：机器人灵巧手复杂度提升带动各类零部件需求提升自由度提升。2024年10月"werobot"发布 会现场，22自由度灵巧手惊艳亮相，和二代机器人的11个自由度相比实现可观飞跃。 微型丝杠+腱绳应用扩大。特斯拉等多家本体厂使用微型丝杠+腱绳作为效率更高的传动方案。 未来电子皮肤或将成为传感器新亮点。柔性传感器相较普通传感器性能显著提升，柔性感知"电子皮 肤"的重要性提升，未来或将扩大应用。 本篇深度报告解决了以下核心问题：1）对比夹爪和灵巧手之间的差异并分析后者的重要性；2）对灵巧 手四大模块技术路线和竞争格局进行分析；3）判断灵巧手未来重要产业趋势；4）预测灵巧手总成及各 环节市场空间；5）分析灵巧手总成竞争格局。 灵巧手VS夹爪：场景应用不同，核心区别在自由度和泛化能力灵巧手的技术突破直接决定机器人商业 化落地进程。在人机协作场景中，灵巧手的操作灵活性、负载效率比及交互安全性已成为衡量人形机器 人实用价值的核心指标，从结构上来看，其具有驱动、减速、传动、感知四大模块，其技术突破影响机 器人商业化落地进程。 灵巧手vs夹爪：短期内各有其适合的使用场景，长期亦会共存。在工业应用场景中，夹爪凭借其高稳定 ...

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 当前自动驾驶技术正处于从辅助驾驶（L2/L3）向高阶无人驾驶（L4/L5）跨越的关键阶段。如果你对自动驾驶 有浓厚的兴趣，并且想找业内最专业的大佬交流，那么这个圈子一定没错！技术迭代的浪潮下暗藏职业焦虑。 对职场老人而言 ，传统以激光雷达为核心的感知算法工程师可能面临路线冲击——特斯拉的纯视觉方案依托成 本优势和算法革新，正在撼动多传感器融合的主流地位；而规划控制领域从PID到强化学习的转型，也让依赖传 统控制理论的从业者陷入技能升级的紧迫感。 学生新手则陷入"选择困难症" ：感知算法赛道因头部企业技术垄 断加剧内卷，数据闭环工程师需要同时掌握分布式计算与AI模型调优能力，而新兴的车路协同方向又要求跨界 融合通信与交通系统工程知识。当禾赛科技将激光雷达成本降至200美元、比亚迪宣布自研体系内价格再降70% 时， 技术红利背后实则是从业者必须持续奔跑的生存法则，这种技术路线的不确定性与知识体系的重构压力， 正在重塑自动驾驶人才市场的竞争格局。 后处理，写逻辑建议转行业可以，不要换方向，gap还是蛮大。现在很多人 ...

有人做云、有人做电商平台、有人做供货方、有消费者，这样就把互联网的技术完整和商业体系融合了起来，链条上的每个人都可以有收益。 现在AI上在海外这个正反馈链条差不多跑起来了，至少在我感知比较清楚的B端，事情已经相对比较清楚： 海外和国内AI上差异最大的点可能还不是模型的水平，而是真的没应用。这导致一个很可怕的后果：国内AI整个生态是断链的。 什么叫断链？ 形象讲就是算力干算力的、模型干模型，然后在最终用户这里不闭环。 比如过去的电商是有生态的： 英伟达提供GPU、模型公司提供基础设施、应用公司提供融合了AI的SaaS、B端的公司获得效率。 一旦生态形成正反馈，就会让各个部分联动，趋于良性发展，打破过去10多年AI发展的貔貅魔咒。 如果不闭环，那就得靠投资，现在哪有那么多投资... 要说什么最可能导致我们国内的AI全面落后，我大概率会选这个。 为什么国内的AI应用更难 核心原因是我们必须跳过一个相对容易的阶段，对业务更直接的进行端到端的整合（《无人公司》其实在写这个新模式）。 AI现在做更好的工具在很多场景智能水平大致是够的，但整合完整服务这背后的挑战就大了。 而要回答为什么必须跳过一个阶段就必须说到SaaS。 ...

如果您有任何科研辅导需求，欢迎联系我们！ 自驾方向： 大模型、VLA、端到端自动驾驶、3DGS、BEV感知、目标跟踪、毫米波雷达视觉融合、激光视觉融合、 多传感器标定、多传感器融合、车道线检测、在线地图、轨迹预测、世界模型、3D目标检测、Occupancy、高性能计 算、NeRF、语义分割、决策规划等。 具身方向： VLA、视觉语言导航、端到端、强化学习、Diffusion Policy、sim2real、具身交互、抓取点预测与位姿估 计、机器人决策规划、运动规划、3DGS、SLAM、触觉感知、双足/四足机器人、遥控操作、零样本学习等； 3D视觉 相关： 点云处理、3DGS、SLAM等； 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 今年的CVPR和ICCV工作陆续放出，从今年的2大顶会来看热点研究方向，主要集中在四个部分：通用cv、自动驾驶 相关、具身相关、3D视觉相关。下面是4个领域中细分的子方向。 计算机视觉与图像：diffusion、图像质量评估、半监督学习、零样本、开放世界检测等； 自动驾驶相关，集中在端到端、闭环仿真3DGS、多模态大模型、扩 ...

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 具身智能无疑是这两年最的方向。从几年前的沉寂到去年的疯狂，再到25上半年开始逐渐冷静。大家慢慢回 过神来，具身机器人还远远未到生产力的阶段。 以下是 知识星球 内部一位双非同学的提问，非常有代表性： 各位大佬们好，我目前是一个双非的研究生，我的研究方向是多传感器融合定位的，然后学过python，深 度学习，ros，但都学的不是很精，现在想多学一点为以后找工作用，感觉算法岗我的学历可能不太行，请 问各位大佬们我应该往哪个方向学比较好呢？具身智能感觉也还不太成熟，不确定这波热度能到什么时 候？请问各位大佬后面应该学些什么知识呢？ 星主回答：你的技术栈都比较偏机器人一些，SLAM和ROS这块都可以尝试一下和机器人/具身智能打交道。这 块需求也比较大，可以做一些优化、集成类工作~ 另一方面，我们了解到大一些的公司各家的hc都不是很高，要求基本上都是端到端、大模型、VLA、强化学 习、3DGS这些比较前沿的方向。如果你做的是这块，是有机会的，很多tire 1的公司或者主机厂也正在follow前 沿的技术，大概是从无图往 ...

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 自动驾驶规划控制已经不再单单是逻辑兜底的岗位了。现在端到端、VLA的量产趋势下，传统规划控制的 生存空间正在慢慢被蚕食。。。 不少同学也表示，现在面试更看重规则算法+端到端的结合，两者缺一不可。 以下是最近一位打算转行同学的提问，非常具有代表性： 我想转行到自动驾驶规划控制岗位，研究生期间做过粒子群的无人机航迹规划，工作之后做的内容比 较传统。工作三年后还想换到自动驾驶行业。我给自己留了3-4个月准备时间，我刷了运动规划的课 程，我把C++ pimer和leetcode刷一遍，除此之外，请各位已经在自动驾驶规划控制的前辈指教，我还 需要学习什么？重点准备什么？非常感谢！ 自动驾驶之心邀请到规划控制算法专家宁远老师回答这个问题： 这个同学的问题非常好，很有现实意义。在我日常工作中，规则的算法作为兜底仍然是十分重要的。但坦 白说，这些东西已经是从业人员的基础了，诸如横纵联合、横纵解耦这些决策规划框架，一些基础的规划 算法（基于搜索/采样基于运动学等等），这些都已经是基本的面试要求了，面试中如果被问到答不上来会 很 ...

无人驾驶出租车（Robotaxi）赛道，最近很是热闹。 特斯拉在大洋彼岸"秀肌肉"，全自动无人驾驶交付的视觉效果拉满；谷歌Waymo和百度萝卜快跑加足马 力，已经进入商业验证阶段；文远知行传出赴港上市消息，哈啰高调携手蚂蚁、宁德重金入场，行业竞 争似乎拉开了白热化的序幕。 市场规模有多大，到底走到了哪个阶段，哪条技术路线靠谱，规模化落地还有几道坎，中国玩家怎么闯 出去？ 21世纪经济报道记者近日对话了哈啰Robotaxi首席科学家Yolanda。她曾在美国特斯拉无人驾驶核心研发 团队任职，从零开始参与构建Tesla Autopilot系统；带领团队成功交付包括10余款不同车型的L4 one for all系列产品；主导开发了智能驾驶量产产品；是美国DeepDrive高级理事。Yolanda5月份刚回国。 采访中，Yolanda分享了她对自动驾驶技术路线、行业格局、商业比拼、中国玩家出海的见解。 "Robotaxi已经处于爆发前夜。"Yolanda透露，据测算，全球无人驾驶市场规模超10万亿美元，谷歌 Waymo的UE（单位经济效益）即将打正，产业链逐步成熟，市场足够大，可以容纳很多玩家。 对于中国自动驾驶企业 ...

Core Insights - Xiaomi Group's CEO Lei Jun announced a limited-time configuration modification event for the Xiaomi YU7, scheduled from July 6 to July 7, allowing users to modify their orders between different versions [1] - The Xiaomi YU7 SUV is available in three versions: Standard, Pro, and Max, with a starting price of 253,500 yuan [5] - The YU7 has received over 289,000 pre-orders within the first hour of sales, indicating strong market demand despite fierce competition in the domestic SUV market [7] Group 1 - The limited-time configuration modification event for the Xiaomi YU7 allows users to change their orders between the Standard, Pro, and Max versions [1] - The YU7 SUV features a maximum horsepower of 690 PS, a 0-100 km/h acceleration time of 3.23 seconds, and a top speed of 253 km/h [5] - The production capacity of Xiaomi's manufacturing facilities is set at 150,000 vehicles per phase, with the first phase dedicated to the SU7 model and the second phase for the YU7, expected to commence production in July [7] Group 2 - The strong initial demand for the YU7, with over 289,000 orders in just one hour, reflects consumer trust in Xiaomi's automotive capabilities [7] - Lei Jun emphasized the importance of product quality and the need for the company to expedite factory expansion and delivery processes [7]

自动驾驶汽车是否也可以通过技术、成本及社会规则的演进， 迎来快速落地的井喷时刻？ 作者：刘诚 封图：图虫创意 人工智能的技术进步及其成本降低推动了DeepSeek等大模型的普及。那么，自动驾驶汽车呢？是 否也可以通过技术、成本及社会规则的演进，迎来快速落地的井喷时刻？ 技术：从理想照进现实 技术创新是新事物发展的前提，也是根本动力。当前AI技术创新正在经历显著转变，从以内容生 成为核心的生成式AI转向以目标驱动为核心的智能体AI。我们预测，与ChatGPT、DeepSeek等模 型在语言领域带来的跨越式进步类似，在不远的将来，智能体AI也将在自动驾驶领域呈现爆发式 增长，实现感知、决策与控制能力的重大突破，大量新车将会具有高级别辅助及完全的自动驾驶能 力。 当前，汽车工业的智能化创新正在如火如荼地发生着。一些车企加速驶入具身智能人形机器人赛 道，而抛开外形的"表面"创新不谈，自动驾驶技术本身有两种技术走向。一种是"端到端"技术。它 来自深度学习中的概念，英文为"End—to—End（E2E）"，指通过一个AI模型，只要输入原始数 据就可以输出最终结果。应用到自动驾驶领域，这意味着只需要一个模型，就能把摄像头、 ...