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 ...

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 很多同学找实习秋招的时候，难免方向不对口。 尤其是自动驾驶算法岗实习或者正式岗位，要不你本身实力很强有多篇顶会，要不有直接的岗位经验，上来就能 干活。不然真的很难~现在自驾技术方向迭代很快，学生时代的技术栈不太匹配就业需求。。。 最近自动驾驶之心对接了很多秋招的小伙伴，大家普遍或多或少都有一些不匹配的问题。。。 还摸不清求职岗位的要求吗？ 分析学员画像：基于学员的简历和前期交流，评估学员的知识结构和能力模型，分析与目标岗位的具体差 距。 ...... 每年到求职季，很多童鞋总是不知道怎么写匹配岗位的简历！碰到了很多类似的问题： 这个是大多数转行的同学或新手都会遇到的问题，自动驾驶之心这两年收到了很多相关的求助。一直想做相关的 辅导，但没时间和契机开展，直至这个月，我们的求职辅导业务正式推出了。 目标人群：希望短时间成功转型智能驾驶（智驾、座舱）方向的学员，包括应届生和无目标岗位经验的职场人 士，周期2个月左右。 课程特色：以求职成功为导向，全程1v1辅导，聚焦目标岗位，迅速补足短板，短时间内具备目标岗位所需的 ...

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 CVPR2025 WOD纯视觉端到端比赛放榜了，给大家分享下前三名的技术方案！ 太长不看版： 冠军：来自EPFL团队，参考DiffusionDrive，用了nuPlan的数据 + ensembling 的策略； 亚军：Nvidia & Tubingen团队，参考DiffusionDrive 和 SmartRefine，使用CARLA、NaviSim, WOD-P, WOD-E2E 等 4 个数据集，实验对比了不同阶段用不同数据训 练的效果，证明训练数据循序的重要性（实验也用了 ensembling策略，有提升但不多）：pre-training可以多但质量差一些的数据，post-trainig 得用高质量的数据 季军：韩国汉阳大学团队，主打一个结构简洁，输入只用前视图+自车状态，最后用一个 trajectory-decoder 输出结果 特别奖：值得一提是这个特别奖，使用QWen2.5-VL，用 72B 的模型生成 CoT数据，最后在 3B 模型上训练~ 特别 ...

本文认为现有的端到端方法主要存在两个问题：一个是BEV范式下的方法非常耗算力；另一个是预测和planning串联式的方式不够好,场景信息是在 agent周围提取，忽略了自车。并且运动预测和规划都是多模态问题。基于此，本文提出一种Sparse范式下的端到端方法，且预测和planning并行。 Contribution: SparseDrive的主体结构沿用了之前地平线Sparse系列的思想： 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 探索了端到端自动驾驶的稀疏场景表示，并提出了一种以稀疏为中心的范式； 修改了运动预测和规划之间的巨大相似性，提出了一种分层规划选择策略； nuScenes 上 SOTA。 特征提取； 对称稀疏感知； 平行运动规划器； 训练的损失函数如下： SparseDrive: 损失函数 www.zdjszx.com □ Loss $${\mathcal{L}}={\mathcal{L}}_{d e t}+{\mathcal{L}}_{m a p}+{\mathcal{L}}_{m o t i o n}+{\mathcal{L}}_{p ...

证券代码：837092 证券简称：汉鑫科技 公告编号：2025-051 投资者关系活动记录表 本公司及董事会全体成员保证公告内容的真实、准确和完整，没有虚假记载、 误导性陈述或者重大遗漏，并对其内容的真实性、准确性和完整性承担个别及连 带法律责任。 一、 投资者关系活动类别 √特定对象调研 □业绩说明会 □媒体采访 □现场参观 □新闻发布会 □分析师会议 □路演活动 山东汉鑫科技股份有限公司 三、 投资者关系活动主要内容 问题 1：汉鑫科技的主营业务是什么？ 在智能驾驶领域有什么产品及布 局？ 回答：汉鑫科技是信息技术领域专业服务商，专注于为政企客户提供基于人 工智能技术的产品与解决方案，业务领域涵盖智能制造、智能驾驶、智慧城市三 大领域。 在智能制造领域，基于"汉工云"工业互联网平台，聚焦流程化工、高端装 备、食品药品、汽车及零部件、3C 电子、金属冶炼等六大行业领域，为工业企 业提供"AI+工业视觉""AI+数字工厂"等场景解决方案，构建"AI+X"产业赋 能生态，为工业企业提供数字化转型和生产力跃迁的智能化服务。 □其他 二、 投资者关系活动情况 活动时间：2025 年 6 月 19 日 活动地点：网络 ...

• IP 授权费用包括一次性支付的授权费和年度维护费，以及根据芯片销量收 取的版税。例如，一个 BPU IP 授权费大约为 3,000 万元，同时每年需支 付约 10%的维护费，即 200 万元，以及按 5%的比例提成。 • 工信部新规对头部智能驾驶企业影响不大，但可能拉开二梯队之间的差距， 比拼谁的车更多、谁能投入更多成本进行内部测试和迭代发版，从而影响 市场竞争格局和投资决策。 Q&A 主机厂自研算法的主要难点和壁垒是什么？ 主机厂在自研算法方面面临的主要难点和壁垒包括技术能力、开发周期、投入 成本以及数据闭环能力。首先，技术能力方面，传统主机厂在端到端研发过程 中，对于算法的理解和开发能力显著弱于新势力及头部第三方企业。这与内部 领军人物的水平差异有关。此外，传统主机厂更多的是集成或购买算法进行适 配，而非从零开始自主研发。其次，开发周期方面，新势力及头部第三方企业 通常能够在一到两周内迭代一个版本，而传统主机厂迭代速度较慢。再次，资 金投入方面，自研自动驾驶算法非常烧钱，例如头部企业人均薪酬超过 50 万 元，以及算力储备和租赁每年投入达数亿元。最后，在数据闭环能力上，由于 智能化渗透率低，传统车企的 ...

山东汉鑫科技股份有限公司 投资者关系活动记录表 本公司及董事会全体成员保证公告内容的真实、准确和完整，没有虚假记载、 误导性陈述或者重大遗漏，并对其内容的真实性、准确性和完整性承担个别及连 带法律责任。 一、 投资者关系活动类别 □特定对象调研 √业绩说明会 □媒体采访 证券代码：837092 证券简称：汉鑫科技 公告编号：2025-047 □现场参观 □新闻发布会 □分析师会议 □路演活动 □其他 二、 投资者关系活动情况 活动时间：2025 年 5 月 9 日 活动地点：公司通过全景网"投资者关系互动平台"（https://ir.p5w.net） 采用网络远程的方式召开业绩说明会 参会单位及人员：通过网络方式参加公司 2024 年年度报告说明会的投资者 上市公司接待人员：董事长、总经理：刘文义先生；董事会秘书：王玉敏女 士；财务负责人：杨颖女士；保荐代表人：孙乃玮先生；技术研发分管副总裁： 张兴林先生；智慧城市事业部总经理：王飞翔先生；智能制造事业部总经理：孙 涛先生。 三、 投资者关系活动主要内容 问题 1：在智能驾驶领域，公司涉及的业务有哪些？ 回答：尊敬的投资者，感谢您对公司的关注。公司智能驾驶业务 ...