自动驾驶
-
如何让自动驾驶接管设计更合理?
在智能驾驶技术飞速发展的今天,车辆正从单纯的代步工具演变为具备自主决策能力的智能移动空间。然而,在完全无人驾驶实现前,人类驾驶员与系统之间的接管过程依然被很多人广泛讨论。尤其是对于处于L2级的系统而言
-
自动驾驶多传感器前融合,到底提前融合了什么?
自动驾驶里的多传感器融合,本质是把不同来源的信息拼在一起,让系统对环境的理解更完整。摄像头提供颜色和语义,激光雷达提供三维结构,毫米波雷达提供距离和速度,这些信息如果分开用,很容易出现盲区,而融合之后
-
沃尔沃自动驾驶解决方案首席产品官——沙鲁克·卡兹米:无人驾驶卡车时代即将到来
全球汽车快讯 据外媒报道,随着全球物流行业面临持续性的司机短缺、不断上涨的运营成本以及日益增大的增效压力,自动驾驶卡车正从愿景承诺(promise)走向早期的商业现实。 在过去十年中的大部分时间里,这
-
华为、小鹏智驾路线再起分歧!吵了十几年的L3,是不是伪命题?
L3与L4的差距不是你的胆子有多大。 华为和小鹏,又在智驾领域杠上了。 同为国内公认的智驾领域第一梯队企业,小鹏汽车和华为智驾技术的发展路线却不相同。小鹏汽车CEO何小鹏曾多次表示,L3只是伪命题,小
-
自动驾驶占用网络还需要数据标注吗?
在自动驾驶领域,占据网络(Occupancy Network,简称OCC)一直是近年来的热点技术。不知道大家在了解占用网络时,是否会有这么一个想法,那就是既然占据网络能够通过空间体素化的方式来感知世界
-
自动驾驶如何应对鬼探头场景?
鬼探头是指在行车过程中,行人、非机动车或者其他车辆突然从视线盲区中横穿而出的情况。由于这种行为极具突发性,留给人类驾驶员的反应时间往往不到一秒,即便经验再丰富的老司机也难免会惊出一身冷汗。对于自动驾驶
-
世界模型在自动驾驶中部署时有何难点?
世界模型应该是这两天自动驾驶行业讨论度非常高的一项技术。通俗来讲,世界模型就像是给自动驾驶车辆装上了一个具备想象力的大脑。它不仅能看到眼前的红绿灯和行人,还能根据当前的状况推演未来几秒钟内交通环境可能
-
自动驾驶毫米波雷达真的识别不到行人吗?
在自动驾驶的感知系统中,毫米波雷凭借其全天候工作的特性,让它在雨雪雾霾等恶劣天气下依然能够稳健地测量障碍物的距离和速度。然而,在一些讨论毫米波雷达的话题中,有一个话题比较有意思,那就是毫米波雷达无法识
-
自动驾驶能“跳级”吗?
智能驾驶发展十字路口 2026年,智能驾驶行业走到发展十字路口,技术路线分歧愈发明显。 近日,宝马集团全球CEO奥利弗齐普策在2026财年会上宣布,因L3级自动驾驶技术暂未实现商业化盈利,宝马将暂时降
-
如何构建更接近真实交通的自动驾驶仿真世界?
自动驾驶技术的发展很大程度上取决于其验证过程的效率与深度。在真实道路上积累行驶里程固然重要,但在面对极端天气、突发状况以及与海量的交通参与者互动时,仅依靠物理世界的路测显然无法满足安全验证的需求。 因
-
自动驾驶汽车如何探测路面的积水深度?
对于自动驾驶汽车来说,雨天和积水一直是非常棘手的挑战。在晴朗的天气里,传感器可以轻松识别车道线、行人和其他车辆,但当路面出现大面积积水甚至发生内涝时,情况就变得复杂了。 自动驾驶系统不仅需要发现前方有
-
自动驾驶激光雷达中的角分辨率决定了什么?
在评价自动驾驶汽车的感知系统时,我们经常会听到各种各样的专业术语,比如线束、探测距离、刷新率等。在激光雷达的评价参数中,角分辨率是一个非常关键的指标。如果把激光雷达比作车辆的眼睛,那么角分辨率就直接决
-
为什么自动驾驶方案不再强调地图了?
不知道大家是否发现,现在很多车企在宣传自动驾驶方案时,很少会再强调或提及高精度地图,甚至很少会再提地图相关的内容,为啥曾经被自动驾驶行业高度依赖的技术,现在却越来越边缘化? 如何从救命稻草到发展阻碍?
-
如何将自动驾驶大模型庞大的能力压缩到车端?
在人工智能技术的发展进程中,大模型以惊人的泛化能力和逻辑推理水平,正改变着自动驾驶的技术路径。过去,自动驾驶系统主要依赖于人工规则和模块化设计,这种方式虽然在受控环境下表现稳定,但在面对复杂多变的城市
-
自动驾驶摄像头像素如何影响算力?
之前和大家聊过一个话题,那就是激光雷达线束对算力的影响(相关阅读:为什么高线束激光雷达反而更省算力?)。摄像头作为自动驾驶非常关键的另一个感知硬件,其像素大小是否会影响算力消耗? 其实从早期的1.2兆







