Wall Street expects a year-over-year increase in earnings on higher revenues when Mobileye Global (MBLY) reports results for the quarter ended June 2025. While this widely-known consensus outlook is important in gauging the company's earnings picture, a powerful factor that could impact its near-term stock price is how the actual results compare to these estimates.The earnings report, which is expected to be released on July 24, might help the stock move higher if these key numbers are better than expectati ...

SINGAPORE, July 17, 2025 (GLOBE NEWSWIRE) -- WeRide (NASDAQ: WRD), a global leader in autonomous driving technology, today announced the launch of fully driverless Robobus operations at Resorts World Sentosa, Singapore (RWS) — the first autonomous vehicle (AV) in Southeast Asia to operate without a safety officer on board. Following extensive testing and safety assessments of its remote operations and on-road performance, WeRide has secured approval from the Land Transport Authority of Singapore (LTA) to of ...

Group 1: Core Insights - Baidu's stock surged nearly 9% following a collaboration with Uber to introduce autonomous vehicles on Uber's platform outside of China and the U.S. [2] - The partnership marks a significant step in Baidu's efforts to internationalize its autonomous driving initiatives, with initial launches expected in Asia and the Middle East by the end of 2025 [3] - Baidu's Apollo Go division reported over 1.4 million rides in Q1 2025, a 75% increase year-over-year, and operates over 1,000 fully driverless vehicles across 15 cities [4] Group 2: Market Potential - Uber's human-driven rides generated a $375 billion annual revenue pool, indicating a substantial opportunity for the autonomous sector, which could potentially double the existing ride-hailing market to a $750 billion opportunity [4] - The demand for autonomous ride-hailing is expected to increase as users experience the benefits, with Robotaxis like Waymo showing higher customer retention and fewer accidents [4] Group 3: Challenges and Valuation - Baidu's stock has faced challenges due to a slower-than-expected post-Covid economic recovery in China, leading to reduced advertising revenue in its core search business [5] - The emergence of generative AI has created uncertainty for traditional search models, with competition from other Chinese tech giants like Alibaba and Tencent [5] - Baidu is currently valued at around $90 per share, trading at approximately 10x projected 2025 earnings, significantly lower than its nearly 40x multiple during the pandemic, with nearly $22 billion in net cash [6]

NEW YORK, July 16, 2025 (GLOBE NEWSWIRE) -- WeRide Inc. (“WeRide” or the “Company”) (Nasdaq: WRD), a global leader in autonomous driving technology, today announced that it plans to release its second quarter 2025 financial results before the U.S. market opens on July 31, 2025. The Company’s management team will host an earnings conference call at 8:00 AM U.S. Eastern Time on Thursday, July 31, 2025 (or at 8:00 PM Beijing Time on Thursday, July 31, 2025). Details for the conference call are as follows: Even ...

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 MCAM：面向自车层面驾驶视频理解的多模态因果分析模型 重庆大学&国防科技大ICCV25中稿的工作，本文提出 MCAM 模型，通过 DSDAG 因果图建模自车状态动 态演化，在BDD-X数据集上将驾驶行为描述任务BLEU-4提升至 35.7%，推理任务BLEU-4提升至 9.1%，显 著优于DriveGPT4等基线模型。 主要贡献： 算法框架： 实验结果： 论文标题：MCAM: Multimodal Causal Analysis Model for Ego-Vehicle-Level Driving Video Understanding 论文链接：https://arxiv.org/abs/2507.06072 代码：https://github.com/SixCorePeach/MCAM 1. 提出驾驶状态有向无环图（DSDAG），用于建模动态驾驶交互和状态转换，为因果分析模块（CAM） 提供结构化理论基础。 2. 提出多模态因果分析模型（MCAM），这是首个针对 ego-vehicle 级驾驶视频理解 ...

作者 | qian 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 视觉大语言模型 综述汇总 基础理论 原文链接： https://zhuanlan.zhihu.com/p/1922228114404143784 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 ...

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 1.RealADSim Workshop 简介 自动驾驶算法的测试面临成本高昂与安全隐患等诸多挑战，这使得高保真度仿真技术成为推动自动驾驶系 统发展的关键。传统驾驶仿真器虽支持闭环评估，但其生成场景与真实世界存在显著的风格差异；而离线 采集的驾驶数据集虽能保持真实风格，却难以实现闭环测试。 新视角合成（NVS）技术的出现为这一领域带来了突破性可能——它能够基于真实世界数据直接构建闭环 驾驶仿真环境，从而为自动驾驶算法在动态交互场景中的评估开辟了一条极具潜力的新途径。 尽管NVS仿真前景广阔，但其实际应用仍需解决两大核心问题： 本次研讨会将围绕这两个关键问题展开深入探讨。 2.挑战任务 针对上述问题，本次workshop设置有两个赛道 外插视角新视点合成赛道 本赛道将重点探讨"外插视角渲染保真度"这一核心问题。 2. 克服了传统静态数据集无法模拟动态交互的固有缺陷； 渲染保真度：渲染场景能否达到足够的真实感？ 驾驶性能：自动驾驶算法在闭环仿真环境中的性能如何？ 3. 为在接近真实条件的复杂场景中进行算法基准测试 ...

❝ 柱哥，我是今年要找工作的应届生，211的本硕。最近在一家小厂实习着，这不秋招也开始了吗，就打算看看岗位，发现现在市面上都是一些端到端、VLA、强化学 习、世界模型之类的岗位~ 自己的技术栈主要聚焦在多传感器融合、3D检测这种。我咨询了毕业的学长，他说实际每个公司做前沿方向的人很少的，现在公司是即希望你什么都懂，但实际干 活的时候可能还是做一些量产的工作，偏向于数据啊、检测、OCC之类的。 目前我也想快速的丰富自己的技术栈，不求把新方向完全搞懂吧，知道是怎么回事就可以，有没有快速可以补充技术方向基础的办法？ 星主回答： 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 自动驾驶的技术更新实在是太快了，以前学BEV还可以找到不错的工作，现在就只能当做个基础的知识面，还需要你懂前沿的世界模型、扩散模型等等等等。可以说自动驾 驶算法工程师越来越往复合型人才的方向发展~ 最近有 知识星球 的小伙伴私聊我提问，估计也说出大多数26届求职伙伴的心声： 你学长说的很多！前沿的方向虽然很火，但量产的形式还不明确。各家公司都怕技术掉队，所以即希望招来的人懂一些新方向，又能实 ...

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 端到端对传统规控岗位的冲击 最近一年，以端到端自动驾驶技术为代表的智驾方案以摧枯拉朽之势席卷整个行业，其场景泛化能力与数据驱动 特性确实令人振奋。基于规则的规控方法设计复杂，且无法考虑到所有case，相关方案被逐渐替代，可以说端到 端在不断地冲击着传统规控，pnc岗位需求也开始慢慢减少。但端到端和pnc是零和博弈的关系还是相互依赖的关 系呢？ 两个方案的区别 传统规控依赖开发人员手动编写规则和逻辑来实现车辆的规划与控制，一般是在感知和轨迹预测模块后。包括 PID、LQR、MPC等经典控制算法，以及A star、Hybrid A star、Lattice Planner等路径规划算法。如果说优势， 那就是算法明确、可解释性强，适用于成熟稳定的应用场景。 端到端算法试图直接从原始传感器数据输出控制指令或轨迹，中间不经过复杂的中间步骤，去除模块化的信息损 失，模型可以直接感知整个空间的状态信息，从全局角度优化最佳值。 优缺点对比 1）端到端方案 端到端模型直接从传感器数据映射到控制指令，减少了传统模块化架构中的感知 ...

作者 | 瑶大 编辑 | 自动驾驶之心 原文链接： https://zhuanlan.zhihu.com/p/1925984408785127117 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 paper：https://arxiv.org/pdf/2501.15564 自动驾驶算法两大模块：场景理解、决策。 场景理解：理解周围的环境、预测agents的行为； 做决策：生成安全舒适的轨迹、可定制化多样化（可保守可激进）的驾驶行为。 diffusion planner这篇工作关注 planner 做决策部分，关注闭环场景的性能。 对于自动驾驶规划这一部分有几种方式： rule-based ：如PDM（https://arxiv.org/pdf/2306.07962），选择道路中心线，基于周车的行为预测，利用 IDM得到几种候选轨迹，利用nuPlan的评分标准查看哪条轨迹是最好的。 rule-based的迁移性不好，在某个环境、系统下调好的规则不一定适用于其他场景。大 ...