不装电池，也能自动驾驶的，车，出现了，甚至还会自动收集能量持续运行，完全没有里程焦虑，手动狗头，不错，这么一个小机器人，其实靠的是光和无线电波供能，其名MilliMobile，来自华盛顿大学，尽管只有指甲盖大小，重量跟葡萄干差不多，但它背起3倍于自重的设备并不费劲，并且不仅能跑水泥路，在，乡村土路，...

  基于鸟瞰图，BEV，的多视角3D检测最近取得了显著改进，然而，最先进模型的巨大内存消耗使得它们难以在车辆上部署，而非同小可的延迟将影响流式应用的真实感知，尽管量化技术在减轻模型方面的广泛应用，但作者在本文中展示，直接在BEV任务中应用量化会导致1，训练不稳定，2，造成无法容忍的性能下降，为了解决这些...

  写在前面&amp，笔者的个人理解语义场景补全，SSC，是自动驾驶感知中至关重要的技术，经常面临天气和照明变化的复杂性，现有策略包括融合多模态信息以增强系统的鲁棒性，雷达作为3D目标检测中重要的传感器，逐渐在自动驾驶应用中取代激光雷达，并且可以提供更鲁棒的感知替代方案，本文们专注于3D雷达在语...

  写在前面&amp，笔者的个人理解北理工和元戎启行的工作PriorMapNet！在线高精地图构建对于自动驾驶中的后续预测和规划任务至关重要，遵循MapTR范式，最近的工作取得了不错的结果，然而在主流方法中，参考点是随机初始化的，导致预测和GT之间的匹配不稳定，为了解决这个问题，我们引入Prio...

  写在前面&amp，笔者的个人理解最近在体渲染方面的工作，例如NeRF和3GS，在学习到的隐式神经辐射场或3D高斯分布的帮助下，显著提高了渲染质量和效率，在演示表示的基础上进行渲染，vanilla3DGS及其变体通过优化参数模型，在训练过程中每次迭代都进行单视图监督，从而提供实时效率，这是Ne...

  写在前面&amp，笔者的个人理解近几十年来，电动汽车行业经历了显著的增长，主要关注自动驾驶技术的进步，尽管自动驾驶仍然方兴未艾，但在可预见的未来实现全自动汽车的前景推动下，它已经引起了人们的极大研究兴趣，高精，HD，地图是这一终点的核心，在绘制环境图时提供厘米级的精度，并实现精确定位，与传统...

  原标题，DiVE，DiT，basedVideoGenerationwithEnhancedControl论文链接，https，arxiv.org，pdf，2409.95项目链接，https，liautoad.github.io，DIVE，代码链接，https，github.com，LiAutoAD，...

  写在前面&amp，出发点真实的场景重建和视图合成对于通过模拟安全关键场景来推动自动驾驶系统的发展至关重要，3DGaussianSplatting在实时渲染和静态场景重建方面表现优异，但由于复杂的背景、动态目标和稀疏的视图，它在模拟驾驶场景时遇到了挑战，这里提出了AutoSplat，这是一个采...

  近几年，自动驾驶技术的发展日新月异，从ECCV2020的NeRF问世再到SIGGRAPH2023的3DGS，三维重建走上了快速发展的道路！再到自动驾驶端到端技术的问世，与之相关的仿真闭环开始频繁出现在大众视野中，新兴的三维重建技术由此在自动驾驶领域也逐渐焕发新机，2023年8月特斯拉发布FSDV12...

  传统的自动驾驶主要可以分为感知、预测、规控三个大的部分，其中预测模块承担着十分重要的角色，为下游规划路径提供重要的信息，然而，现实世界驾驶环境的复杂性，其中包括多个动态智能体，如车辆和行人，之间的相互作用，给预测造成了不小的挑战，这其中有一个重要任务就是轨迹预测，这涉及到基于它们当前的状态和环境来预...

  自动驾驶技术在应用到车辆上之后可以通过提高吞吐量来缓解道路拥堵，通过消除人为错误来提高道路安全性，并减轻驾驶员的驾驶负担，从而提高工作效率和休息时间等诸多好处，在过去的30年间，随着传感器和技术的进步使得必要硬件的规模和价格不断减小，在工业界和学术界对于自动驾驶汽车技术的研究力度稳步加大，目前已经取...

  写在前面&amp，笔者的个人理解基于激光雷达的稀疏3D目标检测因其计算效率优势在自动驾驶应用中起着至关重要的作用，现有的方法要么使用单个中心体素的特征作为目标代理，要么将前景点的聚合视为目标agent，然而，前者缺乏聚合上下文信息的能力，导致目标代理中的信息表达不足，后者依赖于多级流水线和辅...

  写在前面&amp，笔者的个人理解人工智能，AI，在自动驾驶，AD，研究中起着至关重要的作用，推动其向智能化和高效化发展，目前AD技术的发展主要遵循两条技术路径，模块化和端到端，模块化将驾驶任务分解为感知、预测、规划和控制等模块，并分别进行训练，由于模块之间的训练目标不一致，综合效果存在偏差，...

  EndtoEndmethodsforAutonomousDriving近几年，自动驾驶技术的发展可谓是日新月异，从2021年的BEV，Transformer范式到2022年的Occupancy网络，再到2023年以来，，端到端，思路被炒得火热，如今各大厂商几乎都推出了自己的做端到端系统，2023年8...

  大型语言模型，LLMs，的发展无疑是这几年人工智能领域的热潮，它们的应用范围已经逐步从经典的自然语言处理，NLP，任务，到了一些新兴场景，如基于LLM的智能体研究，而这篇文章，作者的研究重点之一，就是采用LLMs进行自动驾驶，LLM4AD，，各种基于LLM的算法和技术不断增强自动驾驶技术的能力，论文...