| 共 31 篇文章 |
|
(c) VLA模型整合了感知、推理与行动。端到端自动驾驶、大模型、VLA、仿真测试、自动驾驶C++、BEV感知、BEV模型部署、BEV目标跟踪、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、车道线检测、轨迹预测、在线高精地图、世界模型、点云3D目标检测、目标跟踪、Occupancy、CUDA与TensorRT模型部署、大模型与自动驾驶、NeRF、... 阅190 转1 评0 公众公开 25-07-03 08:39 |
MomAD核心是联合运动与动量感知规划模块，包含：(1)拓扑轨迹匹配，显式选择多模态轨迹中最匹配历史路径的候选轨迹以确保时序连贯性；作为多模态轨迹端到端自动驾驶方法，MomAD首先将多视角图像编码为特征图，通过抗扰模块学习稀疏场景表示，最后通过拓扑轨迹匹配(TTM)模块与动量规划交互器(MPI)模块完成规划任务。轨迹规划模块生成多模态轨迹集... 阅105 转0 评0 公众公开 25-06-08 15:07 |
自动驾驶感知模块的目标是对车辆周围环境进行高精度的三维感知，识别道路、车道线、车辆、行人、障碍物等对象，并估计它们的三维位置和运动状态，感知算法的发展大致经历了以下阶段：早期的2D视觉卷积网络、基于鸟瞰图(BEV)的多传感器Transformer感知，以及最新的占用网络(Occupancy Network)。模型规模与性能：BEVFormer等BEV感知模型由于包含... 阅95 转0 评0 公众公开 25-06-06 14:55 |
论文地址：https://arxiv.org/pdf/2412.14446.论文地址：https://arxiv.org/pdf/2410.23262DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving.论文地址：https://www.arxiv.org/pdf/2505.09315Distilling Multi-modal Large Language Models for Autonomous Driving.论文地址：https://arxiv.org/pdf/2501.09... 阅306 转0 评0 公众公开 25-06-02 08:25 |
为此，我们提出DriveTransformer——一个便于扩展的简化E2E-AD框架，其三大特征为：任务并行性（所有智能体、地图和规划查询在每模块直接交互）、稀疏表征（任务查询直接与原始传感器特征交互）、流式处理（任务查询作为历史信息存储传递）。本文提出名为MGMapNet（多粒度地图网络）的简洁高效框架，通过融合粗粒度实例级查询与细粒度点级查询... 阅112 转0 评0 公众公开 25-05-03 08:52 |
图2 左、右前轮翼子板摄像头，图片来自网络左、右前轮翼子板摄像头不是用作前视摄像头，而是主要是监控侧后方的摄像头，其最大的监测距离达到了100米，能够实时监控汽车后方两侧的盲区。现在由于特斯拉还没有完全披露其FSD的全部细节，本文推测Transformer在FSD的主要作用是以上两个，而最核心的自注意力机制从连续帧中挑选最合适的、最有代表... 阅75 转0 评0 公众公开 25-03-22 11:11 |
理想汽车智驾端到端架构与视觉语言模型（VLM）技术分析报告第一章：端到端架构的技术实现与创新1.1 端到端架构的核心设计逻辑。第二章：视觉语言模型（VLM）的融合与应用2.1 VLM在自动驾驶中的角色。理想AD Max 4.0引入视觉语言模型（Vision-Language Model, VLM），将自然语言理解与视觉感知结合，解决传统纯视觉方案的语义理解瓶颈。VLM幻觉... 阅159 转1 评0 公众公开 25-03-18 14:01 |
理想汽车发布下一代自动驾驶架构MindVLA.贾鹏表示：“MindVLA是机器人大模型，它成功整合了空间智能、语言智能和行为智能，一旦跑通物理世界和数字世界结合的范式后，将有望赋能更多行业。MindVLA将把汽车从单纯的运输工具转变为贴心的专职司机，它能听得懂、看得见、找得到。我们希望MindVLA能为汽车赋予类似人类的认知和适应能力，将其转变为... 阅14 转0 评0 公众公开 25-03-18 14:01 |
VLA进化到ViLLA，智元发布首个通用具身基座大模型GO-1GO-1作为首个通用具身基座大模型，基于ViLLA构建。ViLLA架构是由VLM(多模态大模型) + MoE(混合专家)组成，其中VLM借助海量互联网图文数据获得通用场景感知和语言理解能力，MoE中的Latent Planner(隐式规划器)借助大量跨本体和人类操作数据获得通用的动作理解能力，MoE中的Action Expert(动... 阅13 转1 评0 公众公开 25-03-10 12:19 |
DriveTransformer有三种不同规模的模型：端到端自动驾驶、仿真测试、自动驾驶C++、BEV感知、BEV模型部署、BEV目标跟踪、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、车道线检测、轨迹预测、在线高精地图、世界模型、点云3D目标检测、目标跟踪、Occupancy、CUDA与TensorRT模型部署、大模型与自动驾驶、NeRF、语义分割、... 阅85 转0 评0 公众公开 25-03-05 19:30 |
