自动驾驶感知技术在过去几年中经历了很大的变化，从最初的二维图像检测到鸟瞰图投影，再到如今备受关注的占用网络，感知技术的提升，让自动驾驶的能力越来越强。 占用网络的核心逻辑在于将车辆周围的三维空间划分成

自动驾驶系统能否稳定、安全地工作，关键在于它能不能持续学习、持续改进。自动驾驶系统并不是靠一个写好的程序就能一直用下去的，它在运行过程中会经常遇到“看不懂”或“判断错”的情况。如果无法将这些在实际驾驶

引言? 2月18日，优步宣布投入超过1亿美元，在美国旧金山湾区、洛杉矶和达拉斯建设自动驾驶汽车快充站。 消息一出，股价应声上涨近3%。 在自动驾驶这场烧钱大赛中，优步一直是个“聪明人”——自己不造车，

不知道大家看到激光雷达探测到的点云时，有没有注意到一个现象，那就是在三维点云图像中会有一个圆形的“真空带”中心。 无论车辆周边的交通环境多么复杂，点云图中靠近汽车底盘和车身周围几米的范围内，是没有任何

当我们看一张照片时，可以通过肉眼自然地判断照片中的物体远近，这种对于空间和距离的感知，对于人类来说是本能，是从幼儿时期开始就形成的一种能力。 对于自动驾驶汽车来说，为了能更好地辨别路况，也需要类似的能

在我们日常开车时，别人想要超车，只要确认后方、旁边有没有车，打个灯、稍微加速、换个车道就完成了。这一动作乍一看非常简单，但对自动驾驶汽车来说，这个过程需要多方协调。 自动驾驶车辆要完成超车动作，必须经

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

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

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

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

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

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

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

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

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