MonkeyDhouzi的博客

维度自动驾驶人形机器人任务定义明确、结构化模糊、开放式执行目标可量化评估难以标准化语义理解基于规则和地图需要多模态推理泛化能力高，场景可扩展低，任务需重训维度自动驾驶人形机器人算力架构云端+车端协同本体为主，云端受限模型规模可部署大模型受限于硬件资源算力调度弹性、集中分散、受限实时性云端推理可容忍延迟本体控制必须毫秒级响应当前机器人智能的提升，更多依赖于硬件设计和工程优化，而不是数据驱动的智能迁移。

在自动驾驶的世界里，车企们正在悄悄使用一种叫做的技术，把原本只能在高端车型上运行的大模型，塞进你家的“老车”里。想象一下：你有一辆三年前买的车，芯片算力不高，但突然它能在城市里自动变道、识别红绿灯、甚至听懂你说“去最近的咖啡店”并自动导航过去。这不是换了硬件，而是靠一种“外挂式”的 AI 微调技术 —— LoRA。LoRA 的本质是一种轻量级的 AI 模型微调方法。传统的大模型训练需要动用大量算力和数据，而 LoRA 只需要“插入”少量参数，就能让原始模型学会新技能。

在自动驾驶中，车辆摄像头会捕捉大量画面，但并不是每一帧、每一个像素都同样重要。优先识别行人、红绿灯、其他车辆；忽略不相关的背景，比如广告牌或天空。这就像人类开车时自动忽略路边的风景，而专注于前方的路况。

你有没有想过，自动驾驶汽车是怎么“决定”下一步该怎么走的？过去，它们主要依靠传感器收集数据，然后通过算法直接计算出一条行驶轨迹。但这就像是“闭着眼睛走路”，只看眼前，不理解整个场景。而TopLiDM（Top-Level Driving Model）是理想汽车提出的一种新型自动驾驶思维方式。它的特别之处在于：不仅“看得见”，还“想得通”。我们可以把它类比成人类驾驶员的思考过程：👀先观察：这是城市路口，有红绿灯、行人、交警在挥手。🧠再分析：交警的手势是让我们停下，行人正在过马路。🚗最后决定。

在自动驾驶的世界里，测试是“练级”的关键。但现实中，。不像游戏里可以无限重来，现实中的“撞车”不仅烧钱，还可能伤人。想象一下，如果你是自动驾驶算法的“教练”，你会怎么训练它识别雪天打滑、夜间行人突然横穿马路、复杂十字路口的非规则通行？这些场景在现实中很难复现，更不可能反复测试。于是，自动驾驶行业开始寻找一种“开挂练级”的方式——。

在自动驾驶系统中，越来越多的模块开始采用类大模型架构（如 Transformer、BEVFormer、VLM 等），这使得模型训练流程也逐渐向通用 AI 的范式靠拢。SFT 位于整个流程的中间位置，起到承上启下的作用：它既保留了预训练模型的通用能力，又通过人类数据对齐了模型的行为方式。尤其是在 KPI 回灌与在线蒸馏机制的配合下，SFT 正在成为提升 NOA 系统性能的关键驱动。随着大模型架构逐步渗透到感知、决策、交互等环节，SFT 已成为多个关键模块性能提升的核心手段。SFT 的效果高度依赖于数据质量。

在自动驾驶系统中，数据标注不仅是感知模块的基础，更是整个闭环学习体系的起点。没有高质量的标注，就无法训练出可靠的模型，也就谈不上安全的自动驾驶。

随着端到端自动驾驶、世界模型（World Models）、人类反馈强化学习（RLHF）等技术的发展，DAgger 有望成为它们之间的“桥梁”

而这正是卡尔曼滤波等技术大显身手的地方——它能在这些“碎片信息”中找出规律，去噪声、补缺失，让车子“看得更清、想得更准”。现实世界的传感器（比如摄像头、雷达、GPS）都不是完美的，它们会受到光线、天气、遮挡、电磁干扰等各种因素的影响，导致测量结果“抖一抖”、“偏一偏”。在这个 AI 和自动驾驶飞速发展的时代，卡尔曼滤波依然在默默支撑着感知系统的“底层稳定性”，就像一位经验丰富的老工程师，始终站在最关键的位置上。摄像头可能看到前车的位置，雷达可能测到它的速度，但这些信息都有噪声，甚至会“跳来跳去”。

未来的语义分割将不再是一个孤立的视觉任务，而是深度嵌入到自动驾驶系统的每一个环节中，从感知、建图，到预测、决策，甚至人机交互。它将成为理解世界的基础语言，也是构建智能驾驶系统的关键拼图

大模型蒸馏，是让聪明的自动驾驶系统真正走上街头的‘压缩包’技术。

“车位到车位”是当前自动驾驶技术的高光时刻，但它不是终点，而是通往真正自动驾驶的起点。

在“无图自动驾驶”成为主流口号的今天，高精地图似乎正逐渐被边缘化。但真相远比“有图 vs 无图”二元对立更复杂。我们需要从技术、成本、场景、演进趋势等多个维度，重新审视高精地图的价值与未来。

VLA 是自动驾驶系统的一次范式转变，它让车不只是“能动”，而是“能懂”。但要真正实现“像人一样开车”，我们还需要更多的数据、更强的算力、更成熟的工程能力——以及时间。

世界模型是通往更强 AI 驾驶员的关键工具，但它不是“终局”，更不是“捷径”。

自动驾驶为何千篇一律？ROS架构仍是量产主流 目前多数车企的自动驾驶系统采用ROS-base架构，将功能拆分为感知、预测、规划和控制等模块，通过ROS（机器人操作系统）协调运行。该架构工程成熟、易于调试，但存在误差累积、泛化能力弱等局限。尽管大模型和端到端方案兴起，ROS仍因高可靠性成为主流选择。 高精地图是关键依赖，提供精准定位和道路信息，但也带来高成本、更新慢等问题，促使车企探索“轻地图”方案。国内厂商如华为、小鹏通过优化模块和引入BEV感知提升性能，但核心仍是ROS架构。 未来，端到端自动驾驶可能取代

端到端自动驾驶：特斯拉的独门秘籍 自动驾驶技术正经历从模块化到端到端的革命性转变。传统架构如交响乐团分工明确但易出错，而端到端系统则像独奏家，直接通过AI模型将图像转化为驾驶指令。特斯拉凭借三大优势独占鳌头：海量数据、强大模型和快速迭代的闭环系统。FSD v12成为目前唯一量产落地的端到端方案，完全摆脱对高精地图的依赖。相比之下，国内车企虽在数据采集和模型训练上发力，但仍受限于法规、安全验证和系统闭环等瓶颈，停留在"类端到端"阶段。这场技术变革昭示着未来已来，但全面普及尚需时日。

纯视觉VS激光雷达，一场没有“标准答案”的持久战。

让你快速了解摄像头是如何在自动驾驶系统里面工作得

Planning在自动驾驶中的应用

Prediction在智驾设计中的角色以及目前市场关键技术横向对比

目标检测是自动驾驶重要环节，主要以Tesla的YOLO为代表表达一些训练过程和个人理解

如何创建一个属于自己的BEV+Transformer模型

Fusion这一工作在自动驾驶环节所扮演的角色以及其中的技术特性，让每一位自动驾驶学习者都能系统层面学习

本文旨在为自动驾驶入门小白同步目前市面上较为成熟的解决方案以及每一个传感器之间的优劣对比，让大家有一个更加全面的了解

本文旨在让你快速了解目前国内主流厂商L2技术路线和自动驾驶系统架构