智能驾驶技术
关注
分享
扫一扫
文章平均质量分 86
智核工场SmartCore
这个作者很懒，什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
对智能驾驶HIL仿真系统的一些总结与反思
文末扫码关注“智核工场”公众号，加入智驾仿真群。原创 2025-04-22 11:14:40 · 805 阅读 · 0 评论 -
智能驾驶仿真系统开发与测试
智能驾驶的测试验证是一项投资大、周期长、收效小的工作。单车平均路测成本超100万元每年，算法迭代平均周期长达6个月。为了应对这种挑战，工信部、交通部等四部委在L3智驾车辆准入试点要求中，将仿真测试纳入必备考核指标。领先的头部车企已建立超1000万公里的仿真测试里程库。仿真技术正从“辅助工具”升级为"战略基础设施"，使整体测试成本降低了70%，效率提升200%。原创 2025-04-15 17:08:34 · 722 阅读 · 0 评论 -
智能驾驶感知模块的测试评估方法（上）
对于智能驾驶系统而言，感知模块是开发难度最大、投入资源最多的核心部分。在智能驾驶开发团队内部，感知模块需要独立进行评测才能及早发现潜在缺陷或判断性能是否有改进。随着近几年BEV、OCC、E2E等新技术方案被越来越多企业应用，感知的评测变得越来越艰难，效率也变得越来越低下。本文作者基于在智驾测试行业多年经验，试图总结感知评测的基本规律和效率提升方法，以供读者一些启发。原创 2025-04-10 18:15:01 · 2199 阅读 · 0 评论 -
端到端的自动驾驶代码量变少了，为何对算力要求却更高了
端到端智能驾驶的代码量减少是因为规则逻辑被深度学习模型所替代，模型负责处理从感知到决策的完整流程。然而，由于深度学习模型的复杂性、海量数据的需求以及实时推理的要求，系统对算力的需求反而大幅增加。这种技术架构的转变反映了从手工规则到数据驱动的技术进步，但也带来了新的挑战，特别是在硬件和计算资源方面。原创 2024-09-05 14:20:13 · 934 阅读 · 0 评论