字幕网av在线,精品福利视频一区二区

地平線征程 6 工具鏈進(jìn)階教程征程 6E/M 工具鏈 QAT 精度調(diào)優(yōu)

一、QAT 調(diào)優(yōu)流程：流程總覽：針對(duì) 征程 6E/M 的硬件特性，以 int8+int16 的混合精度量化為主要調(diào)優(yōu)配置，可嘗試少量 fp16 算子如 LayerNorm（fp16 LayerNorm 在 OE 3.5....

算法自動(dòng)駕駛 2026-05-14

從FBX到可運(yùn)行虛擬車輛：一種標(biāo)準(zhǔn)化的仿真模型轉(zhuǎn)換流程

一、行業(yè)背景與核心難點(diǎn)自動(dòng)駕駛仿真并不只是“看起來(lái)像車”。它要求車輛在虛擬環(huán)境中具備真實(shí)的物理屬性、動(dòng)力學(xué)行為，以及與傳感器系統(tǒng)的高度一致性。這就帶來(lái)了幾個(gè)關(guān)鍵挑戰(zhàn)：首先，模型來(lái)源復(fù)雜。企業(yè)既可能使用自建3D模型，也可能...

仿真自動(dòng)駕駛 2026-05-13

Linux 性能優(yōu)化工具

1.概述Linux 的性能問題，依賴于各類性能工具，針對(duì)不同性能場(chǎng)景，選擇合適的工具，可以大大提高整個(gè)性能優(yōu)化的效率，下圖是性能問題和工具圖譜：受限本文篇幅和側(cè)重，結(jié)合征程系列 SoC 調(diào)優(yōu)實(shí)踐，主要展開介紹下面的工具及...

算法自動(dòng)駕駛 2026-05-07

征程 6X 之 Memory corruption 問題分析方法

Memory corruption對(duì)于系統(tǒng)中出現(xiàn)隨機(jī)、不可解釋的異常指針訪問或數(shù)據(jù)錯(cuò)誤導(dǎo)致的異常，一般要考慮是內(nèi)存使用上出現(xiàn)了 UAF（Use-After-Free），OOB（Out-of-Bounds）。本章所指的”M...

算法自動(dòng)駕駛 2026-05-07

Sparse4D：從 Dense BEV 到工程可落地的世界建模

引言：當(dāng) BEV 走到工程拐點(diǎn)在 BEV 路線逐漸成為智能駕駛感知主流之后，一個(gè)現(xiàn)實(shí)問題開始變得無(wú)法回避：BEV 在方法論上是正確的，但以 Dense BEV 為核心的實(shí)現(xiàn)方式，并不天然適合長(zhǎng)期運(yùn)行在真實(shí)系統(tǒng)中。無(wú)論是 ...

算法自動(dòng)駕駛 2026-05-07

QAT 量化配置的等效構(gòu)建方法 —— 從 Base 之爭(zhēng)到"量化"

一、背景：為什么大家?guī)缀醵紩?huì)從 base_int16 開始？在 QAT 項(xiàng)目中，只要遇到精度問題，工程師的第一反應(yīng)通常是：先上全 int16，看精度上限。這是完全合理的。原因：int16 動(dòng)態(tài)范圍更大量化誤差更小更接近浮...

算法自動(dòng)駕駛 2026-05-01

智能駕駛感知算法的演進(jìn)

從 2D 感知到 BEV 世界模型一、問題的本質(zhì)：自動(dòng)駕駛究竟要“理解”什么智能駕駛中的感知算法，并不是單純回答“畫面里有什么”，而是要回答三個(gè)更困難的問題：世界在三維空間中是什么樣的不同傳感器看到的是否是同一個(gè)世界這個(gè)...

算法自動(dòng)駕駛 2026-04-07

征程 6P codec decoder sample

1. 功能概述解碼 h264/h265 視頻或 jpg 圖片，生成 yuv 圖像。1.1. 軟件架構(gòu)采用 MediaCodec 的 poll 模式來(lái)解耦輸入和輸出，可使解碼幀率性能達(dá)到最優(yōu)。在主線程中灌碼流數(shù)據(jù)：取出一...

算法自動(dòng)駕駛 2026-03-15

征程 6X Camera 接入數(shù)據(jù)評(píng)估

1.接入帶寬計(jì)算1.1Camera 接入時(shí)，需評(píng)估鏈路上各模塊之間的理論要求和限制，接入通路一般涉及加解串器，MIPI，CIM， ISP（RAW），PYM，GDC/STITCH（可選）等，接入模組一般分為 RAW/YU...

算法自動(dòng)駕駛 2026-03-15

地平線 Sparse 多任務(wù)參考算法 SparseBevFusionMultitaskOE-V1.0

該示例為參考算法，僅作為在征程 6 上模型部署的設(shè)計(jì)參考，非量產(chǎn)算法1.簡(jiǎn)介SparseBevFusionMultitaskOE 模型是一個(gè) bev 多任務(wù)感知模型，包含感知三大任務(wù)的檢測(cè)頭：sparse 動(dòng)態(tài)檢測(cè)頭，s...

算法自動(dòng)駕駛 2026-03-15

【地平線征程 6 工具鏈進(jìn)階教程】算子優(yōu)化方案集錦

在將算法模型部署至征程 6 芯片平臺(tái)的實(shí)際應(yīng)用中，由于算法設(shè)計(jì)與硬件架構(gòu)特性存在差異，可能會(huì)出現(xiàn)部分算子適配度有待提升、運(yùn)行效率有待優(yōu)化以及量化精度可進(jìn)一步優(yōu)化等情況。解決好這些問題有助于模型更快更好的運(yùn)行，充分發(fā)揮硬...

算法自動(dòng)駕駛 2026-02-25

征程 6 | power management sample

1. 功能概述本文通過示例演示如何通過相關(guān)接口對(duì)啟動(dòng)標(biāo)志進(jìn)行讀寫，以及對(duì) main 域電源進(jìn)行控制與查詢。相關(guān) API 定義，請(qǐng)查詢電源管理用戶手冊(cè) API 部分。2. main 域上下電及狀態(tài)查...

算法自動(dòng)駕駛 2026-02-10

3DGS技術(shù)詳解（一）：3DGS如何融合動(dòng)態(tài)天氣與光照等環(huán)境因素？

一、引言無(wú)論是暴雪過后的街道、夜幕下車燈照亮的路面、還是雨霧交織的高速公路——這些對(duì)人類駕駛員而言習(xí)以為常的場(chǎng)景，卻構(gòu)成了自動(dòng)駕駛系統(tǒng)面臨的環(huán)境感知極限挑戰(zhàn)。這是由于傳統(tǒng)3D場(chǎng)景重建技術(shù)在面對(duì)復(fù)雜環(huán)境時(shí)常常力不從心：要么...

自動(dòng)駕駛仿真 2026-02-09

征程 6 H/P 工具鏈 QAT 精度調(diào)優(yōu)

一、QAT 調(diào)優(yōu)流程流程總覽：針對(duì)征程 6H/P 的硬件特性，以 int8+int16+fp16 的混合精度量化為主要調(diào)優(yōu)配置，會(huì)增加較多的 fp16 設(shè)置來(lái)優(yōu)化量化精度注意：征程 6H/P 上會(huì)用到更多 fp16 高精...

算法自動(dòng)駕駛 2026-01-20

端到端下半場(chǎng)，如何做好高保真虛擬數(shù)據(jù)集的構(gòu)建與感知？

01 前言隨著自動(dòng)駕駛技術(shù)的日益升級(jí)，以UniAD、FSD V12為代表的“端到端”架構(gòu)正重構(gòu)行業(yè)格局。這一架構(gòu)試圖通過單一神經(jīng)網(wǎng)絡(luò)直接建立從傳感器輸入到車輛控制的映射，從而突破傳統(tǒng)模塊化累積誤差的局限。然而端到端模型對(duì)...

端到端數(shù)據(jù)集 2025-12-29

PTQ 量化數(shù)值范圍與優(yōu)化

一、PTQ 模型量化問題1.1、模型問題基于公版模型訓(xùn)練，沒有對(duì)模型做范圍做約束，weight_decay=1e-6，訓(xùn)練出的 float 模型數(shù)值分布很大，如圖 2，可以看到模型的后面幾層數(shù)據(jù)分布范圍很廣，最大閾值超...

算法自動(dòng)駕駛 2025-12-15

征程 6P/H 計(jì)算平臺(tái)部署指南

1.前言本文旨在提供征程 6H/P 計(jì)算平臺(tái)的部署指南，將會(huì)從硬件、軟件兩部分進(jìn)行介紹，本文整理了我們推薦的使用流程，和大家可能會(huì)用到的一些工具特性，以便于您更好地理解工具鏈。某個(gè)工具具體詳 l 細(xì)的使用說明，還請(qǐng)參考...

算法自動(dòng)駕駛 2025-12-15

開發(fā)者 | 2025 智能駕駛開發(fā)者系列培訓(xùn)在京順利召開！

11 月 30 日，由地平線、中國(guó)汽車工程學(xué)會(huì)主辦，聯(lián)合中國(guó)智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟打造的 2025 智能駕駛開發(fā)者系列培訓(xùn)在北京圓滿落幕。本次培訓(xùn)吸引了北京理工大學(xué)、吉林大學(xué)、長(zhǎng)安大學(xué)、一汽、廣汽、比亞迪、蔚...

算法自動(dòng)駕駛 2025-12-06

特斯拉的“哨兵模式”為何被告？解析自動(dòng)駕駛隱私保護(hù)出路

自動(dòng)駕駛技術(shù)正加速重塑未來(lái)交通格局，成為全球科技與產(chǎn)業(yè)競(jìng)爭(zhēng)的核心賽道。然而，技術(shù)迭代的背后，數(shù)據(jù)安全與隱私保護(hù)的矛盾日益凸顯。自動(dòng)駕駛系統(tǒng)的研發(fā)與測(cè)試高度依賴海量真實(shí)場(chǎng)景視覺數(shù)據(jù)，這些數(shù)據(jù)在捕捉復(fù)雜交通環(huán)境的同時(shí)，不可避...

自動(dòng)駕駛數(shù)據(jù)分析 2025-12-01

征程 6 | linear 高精度輸出配置方式

1. 常規(guī)情況基礎(chǔ)知識(shí)：考慮到模型輸出位置量化損失對(duì)模型精度的影響較大，工具鏈推薦模型以 linear/conv 結(jié)尾，此時(shí)支持高精度 int32 輸出（在 quantized.onnx 中，轉(zhuǎn)定點(diǎn)為 int32，在前面...

算法自動(dòng)駕駛 2025-11-30

征程 6 | QAT 新版 qconfig 量化模板使用教程

1.前言隨著征程 6 芯片家族的陣容不斷壯大，算法工具鏈在量化精度方向的優(yōu)化也在持續(xù)深入，具體體現(xiàn)在兩個(gè)方面：征程 6P 與征程 6H 工具鏈已陸續(xù)進(jìn)入發(fā)布和試用階段，在此背景下，QAT（量化感知訓(xùn)練）需要以更高效的...

算法自動(dòng)駕駛 2025-11-30

不同傳感器前中后融合方案簡(jiǎn)介

在自動(dòng)駕駛場(chǎng)景下，攝像頭 + 激光雷達(dá)的傳感器融合方案是最常見的感知技術(shù)路線，目標(biāo)是充分利用二者的互補(bǔ)性：攝像頭優(yōu)勢(shì)：分辨率高、紋理豐富、顏色信息齊全，有利于識(shí)別語(yǔ)義信息（車道線、交通燈、行人類別等）。激光雷達(dá)優(yōu)勢(shì)：天然...

算法自動(dòng)駕駛 2025-11-14

征程 6X 常見 kernel panic 問題

1. 概述kernel panic 包含了多種內(nèi)核異常類型，包括但不限于：空指針/異常指針、HungTask、RCU Stall、softlockup、hardlockup、OOM、BUG_ON。下圖是各種類型 pani...

算法自動(dòng)駕駛 2025-11-14

LLM 訓(xùn)練基礎(chǔ)概念與流程簡(jiǎn)介

1. LLM 訓(xùn)練基礎(chǔ)概念1.1 預(yù)訓(xùn)練（Pretrain）LLM 首先要學(xué)習(xí)的并非直接與人交流，而是讓網(wǎng)絡(luò)參數(shù)中充滿知識(shí)的墨水，“墨水” 理論上喝的越飽越好，產(chǎn)生大量的對(duì)世界的知識(shí)積累。預(yù)訓(xùn)練就是讓 Model 先埋...

算法自動(dòng)駕駛 2025-11-08

精細(xì)化解讀全球自動(dòng)駕駛2024-2025(轉(zhuǎn)載)

在2024年到現(xiàn)在2025年初這一年多時(shí)間里，全球自動(dòng)駕駛技術(shù)真的發(fā)生了翻天覆地的變化。不管是硬件方案、算法架構(gòu)還是商業(yè)化落地，都和兩三年前完全不是一個(gè)量級(jí)了。今天就系統(tǒng)性地聊聊現(xiàn)在全球范圍內(nèi)自動(dòng)駕駛到底發(fā)展到什么程度了...

自動(dòng)駕駛 2025-11-05

三種 Badcase 精度驗(yàn)證方案詳解與 hbm_infer 部署實(shí)錄

在模型結(jié)構(gòu)優(yōu)化與部署量化過程中，開發(fā)者往往會(huì)遇到一個(gè)關(guān)鍵任務(wù)：基于歷史 Badcase 數(shù)據(jù)驗(yàn)證模型精度變化，確保模型修改不會(huì)引入明顯性能退化。這類驗(yàn)證常見于感知、預(yù)測(cè)、行為識(shí)別等任務(wù)，尤其在客戶交付或精度回歸過程中十...

算法自動(dòng)駕駛 2025-10-24

大模型 | VLA 初識(shí)及在自動(dòng)駕駛場(chǎng)景中的應(yīng)用

一、VLA 簡(jiǎn)介1.1 VLA 定義VLA （Vision Language Action）是一種多模態(tài)機(jī)器學(xué)習(xí)模型，結(jié)合了視覺、語(yǔ)言和動(dòng)作三種能力，旨在實(shí)現(xiàn)從感知輸入直接映射到控制動(dòng)作的完整閉環(huán)能力。VLA 強(qiáng)調(diào)一體化...

算法自動(dòng)駕駛 2025-10-24

手撕大模型 | MQA 和 GQA 原理解析

一、前言大模型（參數(shù)規(guī)模通常數(shù)十億至萬(wàn)億級(jí)）在處理復(fù)雜任務(wù)時(shí)面臨三大核心問題：顯式關(guān)聯(lián)的局限性：傳統(tǒng) Multi-head Attention 依賴輸入數(shù)據(jù)的顯式特征（如文本中的詞向量、圖像中的像素特征）計(jì)算注意力，難以...

算法自動(dòng)駕駛 2025-10-15

征程 6 | BPU trace 簡(jiǎn)介與實(shí)操

一、BPU trace 理論基礎(chǔ)在學(xué)習(xí) BPU trace 前，希望大家對(duì) UCP trace 已經(jīng)有簡(jiǎn)單的了解，詳情可見工具鏈用戶手冊(cè)《統(tǒng)一計(jì)算平臺(tái)（UCP）-UCP 性能分析工具-UCP Trace 使用說明》章節(jié)。...

算法自動(dòng)駕駛 2025-10-15

模型插入 NV12 預(yù)處理節(jié)點(diǎn)精度問題排查流程

一、引言在近期工具鏈實(shí)踐過程中，頻繁出現(xiàn) BC 模型在插入 NV12 預(yù)處理節(jié)點(diǎn)后精度崩潰的現(xiàn)象。經(jīng)分析，此類問題可分為兩類：其一為用戶側(cè) BGR/RGB 轉(zhuǎn) NV12 的代碼實(shí)現(xiàn)缺陷；其二為 BGR/RGB 與 NV1...

算法自動(dòng)駕駛 2025-09-28

數(shù)據(jù)驅(qū)動(dòng)變革時(shí)代，自動(dòng)駕駛研發(fā)如何破解數(shù)據(jù)跨境合規(guī)難題？

當(dāng)下正是一個(gè)由數(shù)據(jù)驅(qū)動(dòng)的偉大變革時(shí)代。從ADAS到AD，每一次技術(shù)的躍遷都離不開海量道路數(shù)據(jù)的采集、標(biāo)注與分析。以圖像數(shù)據(jù)為例，它們是訓(xùn)練和優(yōu)化感知算法、提升系統(tǒng)安全性的寶貴資源。然而，當(dāng)計(jì)劃將這些數(shù)據(jù)送往異國(guó)研發(fā)團(tuán)隊(duì)時(shí)...

自動(dòng)駕駛圖像處理 2025-09-15

征程 6 | 灰度圖部署鏈路介紹

一、為什么是灰度圖相較于 RGB 三通道圖像，灰度圖僅保留亮度信息（Y 分量），數(shù)據(jù)量減少 2/3，相比于常用的 NV12 圖像，數(shù)據(jù)量減少 1/3，內(nèi)存占用與計(jì)算負(fù)載顯著降低。對(duì)于下游網(wǎng)絡(luò)結(jié)構(gòu)而言，單通道網(wǎng)絡(luò)計(jì)算量/參...

算法自動(dòng)駕駛 2025-09-13

手撕大模型｜KVCache 原理及代碼解析

在大型語(yǔ)言模型（LLM）的推理過程中，KV Cache 是一項(xiàng)關(guān)鍵技術(shù)，它通過緩存中間計(jì)算結(jié)果顯著提升了模型的運(yùn)行效率。本文將深入解析 KV Cache 的工作原理、實(shí)現(xiàn)方式，并通過代碼示例展示其在實(shí)際應(yīng)用中的效果。一、...

算法自動(dòng)駕駛 2025-09-13

征程 6E/M｜多 camera 場(chǎng)景示例

1. 功能概述本 sample 提供全鏈路場(chǎng)景 1V，4V，7V 使用演示，實(shí)現(xiàn)單路及多路 VIO 接入，逐級(jí)經(jīng)過 ISP、PYM、BPU、CODEC 模塊處理。1.1. 軟件架構(gòu)說明本 sample 調(diào)用 VIO AP...

算法自動(dòng)駕駛 2025-09-06

理想汽車智駕方案介紹 4 | World model + 強(qiáng)化學(xué)習(xí)重建自動(dòng)駕駛交互環(huán)境

一、前言【理想汽車智駕方案介紹專題 -1】端到端+VLM 方案介紹【理想汽車智駕方案介紹專題 -2】MindVLA 方案詳解【理想汽車智駕方案介紹專題 -3】MoE+Sparse Attention 高效結(jié)構(gòu)解析在前面的...

算法自動(dòng)駕駛 2025-09-06

開發(fā)者說｜H-RDT：基于人類操作數(shù)據(jù)的跨本體機(jī)器人學(xué)習(xí)

? 論文題目：H-RDT: Human Manipulation Enhanced Bimanual Robotic Manipulation? 論文鏈接：https://arxiv.org/abs/2507.23523...

算法自動(dòng)駕駛 2025-08-30

理想汽車智駕方案介紹 2｜MindVLA 方案詳解

一、引言MindVLA 主要包括空間智能模塊、語(yǔ)言智能模塊、動(dòng)作策略模塊、強(qiáng)化學(xué)習(xí)模塊，這些模塊分別有以下功能：空間智能模塊：輸入為多模態(tài)傳感器數(shù)據(jù)，使用 3D 編碼器提取時(shí)空特征，然后將所有傳感器與語(yǔ)義信息融合成統(tǒng)一的...

算法自動(dòng)駕駛 2025-08-24

LLM 中評(píng)價(jià)指標(biāo)與訓(xùn)練概要介紹

在【LLM】LLM 中增量解碼與模型推理解讀一文中對(duì) LLM 常見名詞進(jìn)行了介紹，本文會(huì)對(duì) LLM 中評(píng)價(jià)指標(biāo)與訓(xùn)練概要進(jìn)行介紹，本文并未介紹訓(xùn)練實(shí)操細(xì)節(jié)，未來(lái)有機(jī)會(huì)再了解～一、LLM 如何停止輸出在看 LLM 評(píng)價(jià)指標(biāo)...

算法自動(dòng)駕駛 2025-08-24

LLM 中增量解碼與模型推理解讀

在【LLM】LLM 中 token 簡(jiǎn)介與 bert 實(shí)操解讀一文中對(duì) LLM 基礎(chǔ)定義進(jìn)行了介紹，本文會(huì)對(duì) LLM 中增量解碼與模型推理進(jìn)行解讀。一、LLM 中增量解碼定義增量解碼（Incremental Decodi...

算法自動(dòng)駕駛 2025-08-24

開發(fā)者說｜Aux-Think：為什么測(cè)試時(shí)推理反而讓機(jī)器人「誤入歧途」？

論文題目：Aux-Think: Exploring Reasoning Strategies for Data-Efficient Vision-Language Navigation? 論文鏈接：https://arx...

算法自動(dòng)駕駛 2025-07-16

車聯(lián)網(wǎng)＆自動(dòng)駕駛