AI Day直播分享 | 世界上第一个开源的NeRF自动驾驶仿真器！

最新推荐文章于 2025-12-02 23:40:44 发布

转载最新推荐文章于 2025-12-02 23:40:44 发布 · 246 阅读

CC 4.0 BY-SA版权

原文链接：https://mp.weixin.qq.com/s?__biz=Mzg2NzUxNTU1OA==&mid=2247561781&idx=1&sn=4a498e03d2be55a9d3aa15ec8aa2177e&chksm=ceb9dffcf9ce56ea9f27d3eb07f5b61e144141c0a876aebff5b0753908f7bcc8f8e30115dc65&scene=126&sessionid=0

文章标签：

#人工智能 #自动驾驶 #机器学习

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

今天自动驾驶之心邀请来了香港科技大学的在读博士生—武子睿，为大家分享世界上第一个开源的NeRF自动驾驶仿真器！
如果您有兴趣分享相关学术成果，请联系AIDriver002！

2) 哔哩哔哩关注自动驾驶之心，预约直播

自动驾驶之心B站

【自动驾驶之心】平台矩阵，欢迎联系我们！

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

自动驾驶之心

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

深度剖析AI人工智能在自动驾驶的应用优势

AI天才研究院

04-16

989

本文旨在系统性地分析人工智能技术在自动驾驶领域的应用优势，涵盖从基础理论到实际落地的完整技术栈。我们将重点探讨AI如何解决自动驾驶中的关键技术挑战，包括环境感知、决策制定和车辆控制。文章首先介绍背景和核心概念，然后深入技术细节，包括算法原理和数学模型，接着通过实际案例展示应用实现，最后讨论行业趋势和未来挑战。ADAS：高级驾驶辅助系统(Advanced Driver Assistance Systems)LiDAR：激光雷达(Light Detection and Ranging)CNN。

AI人工智能与自动驾驶：技术碰撞的火花

AI大模型应用之禅

06-30

1031

本文旨在全面解析人工智能技术在自动驾驶系统中的关键作用和应用方式。自动驾驶系统架构感知技术（计算机视觉、激光雷达处理）决策算法（路径规划、行为预测）控制系统（车辆动力学建模）AI模型训练与优化首先介绍核心概念和系统架构深入分析关键算法原理和数学模型通过实际代码示例展示技术实现探讨应用场景和未来发展方向: 高级驾驶辅助系统: 激光雷达: 高精地图: 同步定位与建图: 卷积神经网络: 循环神经网络技术趋势多模态传感器融合技术的进一步成熟端到端学习架构的广泛应用。

参与评论您还未登录，请先登录后发表或查看评论

AI人工智能在自动驾驶领域的实践案例

AI天才研究院

04-16

931

本文旨在系统性地介绍AI技术在自动驾驶领域的实际应用案例，涵盖从感知到决策的完整技术链条。我们将重点分析主流自动驾驶公司的技术方案，并通过具体代码示例展示关键算法的实现。文章首先介绍自动驾驶系统架构，然后深入各技术模块，接着分析实际案例，最后讨论挑战和未来趋势。ADAS：高级驾驶辅助系统(Advanced Driver Assistance Systems)LiDAR：激光雷达(Light Detection and Ranging)HD Map：高精地图(High Definition Map)

AI人工智能引领自动驾驶技术的跨越发展

大模型应用工坊

06-28

920

本文旨在系统性地阐述人工智能技术在自动驾驶领域的关键应用和技术突破。我们将覆盖从环境感知到决策控制的完整技术链条，重点分析深度学习、强化学习等AI技术如何解决自动驾驶中的核心问题。文章首先介绍背景和核心概念，然后深入技术细节，包括算法原理和数学模型，接着通过实际案例展示技术实现，最后讨论应用场景和未来趋势。自动驾驶系统(ADS): 能够部分或完全替代人类驾驶员执行驾驶任务的智能系统感知系统: 负责环境感知和理解的技术模块决策系统: 基于感知信息做出驾驶决策的算法模块控制系统。

AI人工智能与自动驾驶的完美结合之道

欢迎来到我的优快云空间！这里聚焦AI大模型应用实战，分享前沿技术、实战案例与开发经验。

06-14

876

本文旨在系统性地阐述人工智能技术在自动驾驶领域的应用原理和实践方法。我们将覆盖从基础理论到实际实现的完整技术栈，重点关注AI算法如何解决自动驾驶中的关键挑战。文章首先介绍基本概念和背景知识，然后深入探讨核心技术原理，接着通过实际案例展示应用实践，最后讨论未来发展趋势和挑战。自动驾驶系统(ADS): 能够部分或完全替代人类驾驶员执行驾驶任务的系统感知系统: 负责检测和识别车辆周围环境的子系统决策系统: 基于感知输入制定驾驶策略的子系统控制系统: 执行决策系统指令，控制车辆运动的子系统更强大的感知能力。

AI人工智能与自动驾驶：重塑未来交通格局

大模型应用工坊

06-22

1115

本文旨在全面解析人工智能技术在自动驾驶领域的应用，包括核心技术原理、系统架构、算法实现以及实际应用场景。我们将重点关注深度学习、计算机视觉和传感器融合等关键技术，并探讨这些技术如何共同推动自动驾驶的发展。文章首先介绍背景知识，然后深入探讨核心技术原理和算法实现，接着通过实际案例展示应用场景，最后讨论未来发展趋势和挑战。自动驾驶(Autonomous Driving)：车辆能够在没有人类干预的情况下感知环境并进行导航的技术。计算机视觉(Computer Vision)

从AI人工智能角度剖析自动驾驶的发展潜力

AI 领航者的博客

06-11

780

本文旨在从人工智能技术视角，系统性地分析自动驾驶技术的发展现状、核心挑战和未来潜力。基于深度学习的多模态感知系统强化学习在复杂决策中的应用自动驾驶系统的安全验证方法车路协同(V2X)中的智能通信技术本文首先介绍自动驾驶的基本概念和技术架构，然后深入分析AI在自动驾驶各环节的应用原理，接着通过实际案例展示技术实现，最后讨论行业挑战和发展趋势。文章包含大量技术细节、数学模型和代码实现，力求为读者提供全面而深入的技术视角。ADAS(高级驾驶辅助系统)

大盘点！自动驾驶中基于Transformer的单目BEV感知

CV_Autobot的博客

03-19

2312

点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取今天自动驾驶之心很荣幸邀请到Garfield，为大家分享自动驾驶中基于Transformer的单目BEV感知！如果您有相关工作需要分享，请在文末联系我们！>>点击进入→自动驾驶之心【BEV感知】技术交流群后台回复【3D检测综述】获取最新基于点云/BEV/图像的3D检测综述！基于多视角摄像头的3D目标检测在鸟瞰图下的感知（...

揭秘AI人工智能在自动驾驶的技术优化方案

AI天才研究院

04-08

1093

自动驾驶技术是人工智能领域最具挑战性和前景的应用之一。本文旨在系统性地介绍AI在自动驾驶中的技术优化方案，包括感知、决策和控制三个主要模块。我们将重点分析深度学习、强化学习等AI算法如何提升自动驾驶系统的性能和安全性。本文首先介绍自动驾驶的基本概念和架构，然后深入探讨感知、决策和控制三大模块的技术细节。我们将通过数学模型、算法实现和实际案例，全面展示AI在自动驾驶中的应用。最后讨论未来发展趋势和挑战。: 高级驾驶辅助系统: 激光雷达: 同步定位与建图: 卷积神经网络: 循环神经网络技术趋势。

TensorRT笔记（5）：研究timingCache

ouliten的博客

12-02

461

在里出现了大量的timingCache，但是当时没有取研究这是干啥的，本文就来解析一下。样例都基于上面的文章。

向量嵌入：RAG系统背后的语义引擎

uncle_ll的博客

11-29

1392

向量嵌入技术将高维语义信息压缩为低维向量，使相似概念在向量空间中聚集。作为RAG系统的核心，嵌入质量直接影响语义检索效果。从静态词嵌入到动态上下文嵌入，技术不断演进，解决了多义词等难题。现代嵌入模型基于Transformer架构，通过对比学习优化检索性能。选型需考虑MTEB排名、语言支持等维度，并结合业务测试。未来趋势包括多模态融合、知识图谱增强和轻量化部署。嵌入技术已成为NLP领域的关键支柱，其优化对提升RAG系统性能至关重要。

人工智能领域博客

11-28

1850

摘要：本文详细解释了Spark Driver端与Worker端在OSS认证上的核心区别。Driver端通过Spark配置自动认证，而Worker端（独立Python进程）需显式提供认证信息。认证来源优先级为：1)Driver传递参数，2)环境变量，3)IAM角色。文章分析了架构差异导致的不同认证方式，并推荐从Driver传递认证信息的解决方案。当前实现已采用该方案，通过Spark配置或环境变量获取认证后传递给Worker进程，确保PyArrow能正确访问OSS数据。

07_Spring AI 干货笔记之提示词

在科技的浪潮中，我们寻找着创新的火种，在代码的海洋里，我们编织着智慧的网。腾飞开源，就是这样一个由技术精英汇聚而成的博客平台，我们致力于分享在Java、Python、IoT和人工智能等领域的最新研究成果和实战经验。在腾飞开源的博客上，你会看到紧跟技术前

11-30

1590

本文详细介绍了Spring AI中的提示词核心概念与API设计。提示词作为引导AI模型生成特定输出的关键输入，其结构从简单字符串演进为包含多角色消息的复杂形式。Spring AI通过Prompt和Message接口提供结构化提示词管理，支持系统、用户、助手等角色分配。PromptTemplate类实现动态内容渲染，并支持自定义模板引擎。文章还涵盖提示词工程的最佳实践与令牌机制，为开发者提供完整的提示词设计解决方案。

【LLM】DeepSeekMath-V2模型

发现问题，并解决问题，批判性思维

11-29

1206

研究问题：这篇文章要解决的问题是如何在大型语言模型（LLMs）中进行自我验证的数学推理。具体来说，现有的基于最终答案奖励的强化学习方法在数学推理中存在根本局限性，因为正确答案并不能保证推理的正确性，特别是在定理证明任务中。研究难点：该问题的研究难点包括：如何在不依赖最终答案的情况下验证推理的正确性；如何在生成和验证之间建立有效的迭代改进循环；如何在没有已知解决方案的开放问题上扩展测试时计算。相关工作：该问题的研究相关工作有：OpenAI的推理模型在定量推理竞赛中取得了显著进展；DeepMind的Deep

YOLOv8训练过程日志-深度解析

搏博的专栏

11-28

1025

特别值得注意的是不同类别的性能差异：phone类别的召回率达到0.462，明显高于car类别的0.286，这可能源于两个类别在训练数据中的分布差异、目标特征的明显程度等因素。值得注意的是，损失函数的下降过程并非单调的，而是存在一定的波动，这是梯度下降优化的正常现象。值得注意的是，虽然训练提前停止，但模型已经学习到了有意义的特征表示，这为后续的微调或迁移学习奠定了基础。的训练中，这些指标虽然数值较低，但这在小型数据集和有限训练时间的条件下是正常的，重要的是观察这些指标在训练过程中的变化趋势。

概率单位回归（Probit Regression）详解

拒绝AI玄学，只聊真技术▲

11-28

1036

概率单位回归（）是一种基于正态分布累积函数的广义线性模型，专门用于分析二分类因变量与自变量之间的关系。该模型假设事件发生概率服从标准正态分布，通过回归系数建立解释变量与概率值的线性关系，输出结果表现为0-1之间的概率值。Probit回归作为统计学和机器学习中的重要工具，通过连接概率世界和正态分布，为分析二元响应数据提供了强大的方法论基础。从Bliss在1934年开创性的工作到Rosett和Nelson在1975年的扩展，Probit模型已在经济学、医学、生态学和市场营销等多个领域证明了其价值。💡。

Product Hunt 每日热榜 | 2025-11-28

LaughingZhu的博客

11-28

545

Product Hunt 每日热榜 | 2025-11-28 Links 2.0 是一款全新设计的应用程序，旨在帮助你在各个设备之间保存、整理和查找链接。这款为 iOS 26 打造的应用引入了新的导航栏，全新的首页展示最近链接，增强的过滤功能，个性化的主题色，以及全新的设置界面和应用图标。它默认保护隐私，支持 iCloud 同步，使用起来无需注册账户或担心被追踪。

智镜随行：基于Rokid CXR-M SDK的智能眼镜无障碍辅助系统开发实践

Rqaqedamancy的博客

11-28

820

摘要：本文介绍了基于Rokid CXR-M SDK开发的视障辅助系统「智镜随行」，通过AR眼镜与手机的协同实现无障碍辅助功能。系统利用眼镜端采集第一视角图像与语音，手机端调用多模态AI模型（OCR、目标检测、大语言模型）进行环境理解，并将结构化信息通过TTS实时反馈给用户。采用三层架构设计，结合蓝牙/Wi-Fi双通道通信，实现低延迟交互。开发中严格遵循SDK接口规范，完成设备连接、图像处理、语音交互等核心功能模块，为视障人士提供实时环境感知与导航辅助，展示了Rokid生态在普惠科技领域的应用潜力。

AI学习笔记整理（25）—— 计算机视觉之目标检测