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 2025年的秋招已经开始了，不少双非的同学都很迷茫。。。 目前在实验室做的工作有些落伍，现在无论是自动驾驶还是具身智能公司都需要实力比较强、背景比较好的同 学。 以下是 知识星球 内部一位双非同学的提问，非常具有代表性： 各位大佬们好，我目前是一个双非的研究生，研究方向是多传感器融合定位的，然后学过python、深度学 习、ros等等，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？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都不是很多，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，大概是从无图往端到端转，差不多技术栈推迟1-2代。像LV融合、无图、 ...

据 IPO早知道消息， 小马智行与迪拜道路交通管理局（ RTA） 日前 在迪拜签署战略合作协议，并 举办 Robotaxi发布仪式。双方将携手推进Robotaxi在迪拜的商业化落地，首批车辆将于2025年开 启路测，为2026年实现全无人商业化运营奠定基础。 此次战略合作协议由迪拜道路交通管理局公共交通署首席执行官艾哈迈德 ·哈希姆·巴赫罗齐安 （Ahmed Hashim Bahrozyan）与小马智行副总裁施雨共同签署，迪拜道路交通管理局局长、董事 会主席马塔尔·塔耶尔阁下（His Excellency Mattar Al Tayer）与小马智行首席财务官王皓俊见证 了签约仪式。根据合作计划，双方将共同推动L4级自动驾驶技术融入迪拜多模式交通体系，提升城 市出行效率，缓解交通拥堵问题，并构建可持续的交通模式，助力迪拜实现2030年自动驾驶出行占 比达25%的战略目标。 迪拜道路交通管理局局长、董事会主席马塔尔 ·塔耶尔阁下对与小马智行签署战略合作协议感到高 兴。他强调，此次合作将助力迪拜持续推进自动驾驶出行解决方案的落地应用，巩固其作为未来交通 领域全球引领者的地位。同时，塔耶尔阁下对小马智行选择迪拜作为其 ...

本文只做学术分享，如有侵权，联系删文 视觉大语言模型 综述汇总 基础理论 作者 | qian 编辑 | 自动驾驶之心 原文链接： https://zhuanlan.zhihu.com/p/1922228114404143784 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 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 预训练 智能交通和自动驾驶中的 LLM：https://github.com/ge25nab/Awesome-VLM-AD-ITS AIGC 和 LLM：https://github.com/coderonion/awesome-llm-and-aigc 视觉语言模型综述：https://github.com/jingyi0000/VLM_survey 用于 CLIP 等视觉语言模型的出色提示 / 适配器学习方法：https://github.com/zhengli97/Awesome-Prompt- Adapter-Learning-for-VLMs LLM/VLM 推理论文列表，并附有代码：https://github.com/D ...

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34999元，现在支付定金1000元抵扣2000，由于订单已经启 动，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。 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 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；√ 点云3D目标检测 室内地库2D激光建图 上下坡测试 室外大场景3D建图 室外夜间行驶 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 Orin NX 16G | | 显示器 | 1080p显示器 | | 底盘系统 | 阿克曼底盘 | | 结构系统 | 钣 ...

作者 | Fanzhi Zeng 来源 | 深蓝AI 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 摘要 基于规则 的决策系统 通过定义明确的规则来指导车辆行为， 具备很好的透明性和可解释性。但也存在 着 高度依赖于专家知识，开发成本高昂，对复杂动态交通环境的适应性有限 等问题。 针对上述提到的相关问题，并且考虑到目前大语言模型 展现出丰富的世界知识和强大的推理能力 。本 文提出了一种新颖的基于规则决策的LLM驱动的自动驾驶框架 ADRD 。在自动驾驶仿真平台highway- env上的实验结果表明， ADRD在多种典型驾驶场景中表现出强大的泛化能力和鲁棒性。与传统的知识 驱动方法和数据驱动的强化学习方法相比，ADRD在决策性能、响应效率和可解释性方面取得了显著提 升。 论文标题： ADRD: LLM-Driven Autonomous Driving Based on Rule-based Decision Systems 论文作者： Fanzhi Zeng, S ...

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 随着神经场景表征的发展，之前出现了一些方法尝试用神经辐射场重建街道场景，像Block-NeRF 。但是它无法处理街道上的动态车辆，而这是自动驾驶环境仿真 中的关键要素。最近一些方法提出将动态驾驶场景表示为由前景移动汽车和静态背景组成的组合神经表示。为了处理动态移动的目标车辆，这些方法利用跟踪的 车辆姿态来建立观察空间和规范空间之间的映射，在那里他们使用 NeRF 网络来模拟汽车的几何形状和外观。虽然这些方法产生了合理的结果，但它们仍然局限 于高训练成本和低渲染速度。基于这些前述工作，浙大提出了S treet Gaussians。笔者有幸参与了公司新一代闭环仿真系统的开发，花了几个月的时间，终于把基 于Street Gaussians的算法落地。今天就分享下自己的一些看法~ 下图是在Waymo数据集上的渲染结果。street gaussians的方法在训练半小时内以 135 FPS的速度产生高质量的分辨率为1066×1600渲染视角。这两个基于NeRF的方 法存在训练和渲染成本高的问题。 以前的方法通常面临训练 ...

智能驾驶及智能座舱两大核心业务在今年上半年收获多个定点项目。 本文为IPO早知道原创 作者｜ Stone Jin 微信公众号｜ipozaozhidao 据 IPO早知道消息， 佑驾创新（ 2431.HK） 于 7月3日 发布公告，拟以每股 23.26港元配售680 万股，募资约1.58亿港元。配股价较上一日收市价27.30港元折让约14.80%，配售股份相当于经扩 大化后已发行股份数目约1.67%。 公告显示，假设所有配售股份获系数配售予承配人，配售事项的所得款项净额（经扣除佣金及估计开 支后）预期合共约 1.55亿港元。其中，40%将用于提升智能驾驶解决方案的功能表现和满足中高阶 辅助驾驶项目规模化落地需求；30%用作L4级自动驾驶解决方案的技术升级，支持载人载货自动驾 驶场景的商业化落地；20%用于探索潜在的战略伙伴、联盟及收购机会；10%用作运营资金。 佑驾创新 在公告中表示，其作为一家 智能驾驶及座舱解决方案供应商，为驾驶体验的关键环节提供 包括领航、泊车和舱内功能在内的解决方案。 基于 持续迭代的创新技术和高效稳定的量产能力，佑 驾创新持续为智能汽车赋能，助力行业快速实现智能驾驶大规模商业化。 此外 ...

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 世界模型Epona 地平线、清华、北大等团队ICCV'25中稿的自回归扩散世界模型工作，同时可以不依赖视频预测独立输出轨 迹规划。 主要贡献： 论文标题：Epona: Autoregressive Diffusion World Model for Autonomous Driving 论文链接：https://arxiv.org/abs/2506.24113 项目主页：https://kevin-thu.github.io/Epona/ 长时序生成。Epona可以实现长达2分钟的长时间生成，显著优于现有的世界模型； 实时轨迹规划。独立的多模态生成架构能够在视频预测不可用的情况下独立输出轨迹规划，从而显著降 低了推理FLOPS。这实现了高质量甚至实时的轨迹规划，高达20Hz的帧率； 视觉细节的保存。Epona的自回归公式采用连续视觉标记器而不是离散标记器，从而保留了丰富的场景 细节； 可视化： 算法框架： 实验结果： | Metric | | | | DriveGAN [30] DriveDreamer [5 ...

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 今天自动驾驶之心为大家分享 澳门大学X 武汉大学 最新的工作！ 时序融合等价于 梯度下降？GDFusion 刷新 OCC 性能 SOTA，显存还大降72%！ 如果您有相关工 作需要分享，请在文末联系我们！ 自动驾驶课程学习与技术交流群事宜，也欢迎添加小助理微信AIDriver004做进一 步咨询 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 论文作者 | Dubing Chen等 编辑 | 自动驾驶之心 一句话总结：来自澳门大学等机构的研究者提出了一种全新的时序融合框架GDFusion。它通过一个极其巧 妙的视角——将传统RNN更新过程重新诠释为"特征空间上的梯度下降"，成功统一了多种异构时序信息的 融合。GDFusion不仅在3D占用栅格预测任务上取得了1.4%-4.8%的mIoU提升，更惊人地将推理显存消耗 降低了27%-72%，实现了性能和效率的双赢。 论文标题 ：Rethinking Temporal Fusion with a Unified Gradient Descent View for ...

Group 1 - Pony AI is a recent IPO and a global leader in autonomous driving technology [1] - The development and commercialization of autonomous driving technology is still in the early stages of broad adoption [1] - There is significant greenfield opportunity for the industry [1]