通过这些步骤，DeepTest可以自动化地测试DNN驱动的自动驾驶汽车，并发现潜在的错误行为，从而提高自动驾驶汽车的安全性和可靠性。

在3D场景中精准检测物体是自动驾驶、机器人等领域的核心技术。传统方法依赖有限标注数据，无法识别训练集外的“新物体”。近年来，视觉语言模型（如CLIP）在开放词汇...

除此之外，现有的方法常常通过叠加多帧的图像信息完成时序建模，这会受到 VLM 的 Token 长度限制，并且会增加额外的计算开销。

在自动驾驶模拟中，RainyGS能够为训练场景添加极端天气数据，帮助自动驾驶系统更好地应对复杂环境，提高安全性。

在计算机视觉领域，视频运动对象分割（MOS）一直是自动驾驶、动作识别等应用的核心技术。然而，传统算法常因光照变化、遮挡、复杂运动等问题表现不佳，而Meta的SA...

🌟 今日概览（60秒速览） ▎🤖 AGI突破 | xAI与X合并估值达800亿美元，Grok将接入X实时数据训练 协同效应显著，股东将获得xAI增值股份 ...

在上周举行的第18届年度GTC大会上，英伟达公司不出所料地试图让观众为即将到来的未来感到兴奋——显然，这个未来就是人工智能的快速演进。

【新智元导读】Nvidia刚刚发布了「世界生成」模型Cosmos-Transfer1，可以根据多种模态的空间控制输入（如分割、深度和边缘）生成世界模拟，使得世界...

OpenAI 的 o1 和 DeepSeek 的 R1 模型在数学，科学等复杂领域达到甚至超过了人类专家的水平，强化学习训练和推理技术是其中的关键。而在自动驾驶...

尽管我们对特斯拉 FSD 自动驾驶系统的内部逻辑知之甚少，但可以推测其基本原理：先感知环境，基于感知数据进行决策，再输出指令进行执行。基于这一逻辑，我们设计了一...

在人工智能领域，深度学习模型以其强大的能力，在图像识别、自然语言处理、智能推荐等诸多场景中取得了令人瞩目的成果，极大地改变了我们的生活与工作方式。但深度学习模型...

文章：Road Boundary Detection Using 4D mmWave Radar for Autonomous Driving

未来，该团队将计划进一步优化 AVD2 框架，并将此新技术通过光轮智能的端到端自动驾驶应用于客户的上车训练评测中，以促进自动驾驶技术的安全在产业界真正落地。

LiDAR 广泛应用于各种应用，包括自动驾驶汽车（它有助于物体检测和导航）以及测绘（它提供精确的地形数据）。该技术能够提供精确的距离测量和详细的环境测绘，使其成...

本文提出了一种基于可微分仿真器的自动驾驶车辆控制方法，首次将可微分仿真应用于世界模型（World Model）的训练。通过引入解析世界模型（Analytic W...

大型语言模型（LLMs）已成为构建针对个人需求和目的的定制化模型的强大基础。为了实现定制化，一个预训练的LLM通常会经过有监督的微调，这个过程允许LLMs根据任...

本项目基于开源飞行控制固件 ArduPilot 开发，设计并实现了一款高度集成的 自动驾驶仪，可广泛应用于多种平台，包括但不限于 多旋翼、固定翼、直升机、垂直起...

随着自动驾驶技术的发展，多模态感知将成为不可或缺的一部分。因此，未来的研究方向可以考虑将MapFusion方法扩展到其他多模态感知任务中，例如目标检测和跟踪等。...

在强化学习领域，深度Q网络（DQN）作为深度强化学习的经典算法，在平稳环境下取得了诸多亮眼成果，如在Atari游戏中实现超越人类水平的表现。但现实世界更多呈现出...

自动驾驶行业正经历新一轮洗牌。其中，全球自动驾驶第一股图森未来的沉浮，折射出整个行业的阵痛：从 2021 年 IPO 时 85 亿美元的估值，到 2024 年初...