自动驾驶
-
2026自动驾驶元年
本文来源:智车科技? 当Waymo完成160亿美元融资刷新行业纪录,当小马智行、文远知行的Robotaxi车队相继迈入“千辆时代”,当工信部发放首批L3级自动驾驶车型准入许可,2026年的自动驾驶行业
-
Waymo 160亿美元融资创行业纪录,中国L4级自动驾驶企业价值迎重估时刻?
本文来源:智车科技 当地时间2月2日,谷歌母公司Alphabet旗下自动驾驶企业Waymo宣布,已完成总额160亿美元的新一轮融资,创下全球自动驾驶领域史上最大单笔融资纪录。 此次融资后,Waymo投
-
SLAM如何为自动驾驶提供空间感知能力?
在人工智能与机器人领域,如何让机器像生物一样理解空间,是一个绕不开的核心命题。当人类在一个陌生的场景中,不仅可以通过双眼识别障碍物,还能在脑海中迅速勾勒出周围环境的轮廓,并精准地判断自己与障碍物的距离
-
什么是VLM?为什么它对自动驾驶很重要?
VLM,即视觉语言模型,简单理解下,其就是把“看见的东西”和“说出来的话”放在同一个脑子里理解的模型。我们平时把相机拍到的画面交给视觉模型去做检测、分割、深度估计这些任务,语音或文本交给语言模型去处理
-
规模化落地背后:无人矿卡商业模式的"轻"与"重"
在自动驾驶商业化版图中,一个细分领域正悄然迎来爆发期——无人矿卡。与仍在城市道路上反复验证的Robotaxi不同,矿山无人驾驶已成为当前自动驾驶领域商业化成熟度最高、放量速度最快的细分赛道。 在这股规
-
自动驾驶如何实现激光雷达和摄像头的时间同步?
对于自动驾驶汽车来说,“看”世界的方式不只有一种,一般情况下,会有多个传感器用来感知交通环境,常见的传感器有激光雷达(LiDAR)、摄像头、毫米波雷达、惯性测量单元(IMU)等等。这些传感器各自以不同
-
FMCW和ToF激光雷达,哪种更适合自动驾驶?
在自动驾驶系统里,激光雷达被视为最重要的感知硬件,其通过激光探测前方路况的具体情况,并生成三维信息。正因为它看得“准”,围绕激光雷达的技术路线一直是自动驾驶领域长期争论的话题。其中ToF和FMCW这两
-
自动驾驶中常提的离线强化学习是什么?
在之前谈及自动驾驶模型学习时,详细聊过强化学习的作用,由于强化学习能让大模型通过交互学到策略,不需要固定的规则,从而给自动驾驶的落地创造了更多可能。 强化学习示意图,图片源自:网络 但强化学习本身是需
-
自动驾驶汽车如何识别文字提示?
在现代交通体系中,文字提示作为一种灵活且关键的补充手段,承载着大量的动态交通规则。从常见的“左转车辆进入待行区”到临时设置的“前方施工,请减速绕行”,这些汉字信息对于人类驾驶员而言是非常直观且有效的指
-
如何处理自动驾驶激光雷达点云畸变?
激光雷达作为自动驾驶系统中的核心感知传感器,通过发射激光脉冲并接收反射信号,能够实时构建出周围环境的高精度三维轮廓。激光雷达在获取环境信息的过程中,并不像高快门相机拍摄瞬间照片那样简单。像是旋转式激光
-
纯视觉自动驾驶能识别出3D图像吗?
相信很多人小时候看动画片的时候,一定看到过这么一个画面,动画片中的主角会在墙壁上画出极其逼真的隧道,从而误导对手撞向墙壁。就在去年,前美国国家航空航天局工程师马克·罗伯就利用类似的手段,在泡沫塑料墙上
-
解放司机双手双脚!出事车企担责!小鹏GX开启L4级自动驾驶测试
(来源:泡泡网)
-
强化学习会让自动驾驶模型学习更快吗?
在谈及自动驾驶大模型训练时,有的技术方案会采用模仿学习,而有些会采用强化学习。同样作为大模型的训练方式,强化学习有何不同?又有什么特点呢? 什么是强化学习? 强化学习是一种让机器通过“试错”学会决策的
-
自动驾驶激光雷达会伤害人体吗?
随着自动驾驶技术的普及,激光雷达的使用也越来越多。现在我们很容易就看到搭载激光雷达的车辆在路上行驶。很多人听到“激光”后总会有一种担忧,害怕自动驾驶汽车上的激光雷达会对人体造成伤害,那事实果真如此吗?
-
已有VLM,自动驾驶为什么还要探索VLA?
自动驾驶技术正处于发展的转折点。过去十几年间,行业长期依赖模块化的技术路径,即将驾驶任务拆解为感知、预测、规划和控制四个独立环节。这种结构虽然清晰,但在面对突发状况时(长尾场景),会因规则覆盖不足而表









