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 4D标注之静态元素 这些天一直在思考一个问题：当下自动驾驶的技术发展，重建还有哪些应用？ 起因是身边做SLAM的小伙伴抱怨现在工作都找不到，SLAM的职业发展空间正在逐渐缩小。而且当下自动驾驶所需要的重建也在向前发展，不再是SLAM相关的技术 栈了。。。 回到问题本身，重建当下在4D标注 - 静态元素上的应用还是很广的，当然核心技术不再局限在SLAM上。车道线及静态障碍物标注，还是强依赖在重建图上标注的~2D 空间标注，每个时间戳下都需要再图像上进行标注，模型做语义分割+深度预测，这种方式耗时费力，实时上，只需要重建出3D静态场景，在重建3D场景中静态元素 只需标注一次。 重建的目的主要有两个： 输入：根据lidar或者多个周视摄像头重建得到的3D重建图 输出：矢量车道线及类别，单条车道线用多个有序点表示组成折线，例如一条车道线为（N,3），其中N为车道线点的数量，3为xyz空间坐标值 获取地面重建图2D（BEV+高度）车道线和地面标识； 重建静态点云 3D（静态障碍物）。 在梳理下重建的整体流程，这里面涉及 ...

「2026 年将是具身智能的下半场，下半场的核心是应用。应用的供需两侧都在走向成熟。」 在业界普遍认为具身智能行业还处于「技术卡点」阶段的时候，星海图 CEO 高继扬给出了具身智能「下半场」的一些判断。 「过去两年基本上是全民探索具身智能可用场景的阶段。大大小小的企业，所有潜在的用人单位，都在思考如何用具身智能来优化自己的工作流程。许多 应用场景正逐渐变得清晰。同时，整个市场的预期也回归到了一个比较理性的状态。」 同时，对于追求「通用人形机器人」的「通用」，高继扬也给出了一些不一样的看法。高继扬认为，从商业和产品价值的角度来看，当前阶段具身智能最 有价值的是实现对象泛化和动作泛化。而实现本体泛化在商业上的重要性没那么高。 以下是现场分享实录，经 Founder Park 整理后发布。 超 7000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。 邀请从业者、开发人员和创业者，飞书扫码加群： 具身智能进展缓慢，背后的根本原因在于具身智能所需要的高质量数据是缺失的。而数据缺失，是因为缺少高质量、合适的本体。 具身智能，首先要有一个「正确的本体」，一个标准的本体。 把数据采集当作一项生产活动来看待。 ...