登录社区云，与社区用户共同成长
邀请您加入社区
在全球自动驾驶技术竞速的关键节点，硅基风暴（SiliconStorm）与华为昇腾云的深度协同，为行业按下了“加速键”。华为昇腾芯片的极致能效比，更让车端-边缘计算彻底摆脱高功耗束缚，将每一瓦电力转化为“智慧里程”。当硅基智能与机械铁躯在全新维度融合，硅基风暴与华为昇腾云正联合车企、算法商、城市管理者，共建更安全、普惠、高效的自动驾驶未来。，共同构建从芯片、框架到应用的完整生态，助力自动驾驶突破技术
这篇是很早就写好了 (大概应该是两三年前吧)，前几天翻公众号平台没有这篇内容，所以这里补上，其实非常之实用，属于是屡试不爽的教程，主要面向新手用户或者是需要经常装机的装机大师。当然其实可以方便地迁移到如 ubuntu20、ubuntu22、cuda12 等文章中没有涉及但目前常用的版本安装。本周五天带来五篇解读自动驾驶芯片内容，包括英特尔 Mobileye EyeQ、高通骁龙 Ride、特斯拉 F
未来，青软将持续深化“人工智能+行业”的融合创新，为智能驾驶等领域输送更多高素质的复合型、创新型、应用型人才，助力中国智造升级！基于昇腾AI处理器，兼容国产化生态，支持TensorFlow、PyTorch等主流框架，满足从模型训练到边缘推理的全流程开发需求。：提供《CANN推理应用开发实践》等精品课程，涵盖教学PPT、实验手册、实验环境、数据集、实验代码等，支持在线实验与远程指导。：对接智慧交通、
**大数据平台**：如华为FusionInsight、阿里云MaxCompute等国产大数据平台。- **云平台**：如阿里云、腾讯云、华为云等国产云平台。- **消息队列**：如RocketMQ等国产消息队列。- **ERP系统**：如用友、金蝶等国产ERP系统。- **CPU**：如龙芯、飞腾、鲲鹏等国产处理器。- **桌面操作系统**：如麒麟、UOS等国产系统。- **应用服务器**：如金蝶
本文提出一种轻量化双注意力网络(LTNet)用于自动驾驶实时语义分割。针对传统模型效率不足和精度与速度失衡的问题，采用深度可分离卷积优化主干结构，结合双注意力模块提升关键信息提取能力。在Cityscapes数据集上实现67.8% MIoU和79.9fps的实时性能。技术方案包含数据预处理、轻量化网络设计、双注意力机制和多尺度特征聚合等核心模块，支持Pytorch实现和TensorRT部署验证。实验
摘要：自动驾驶系统开发中，融合世界模型和大语言模型可显著提升效率和安全性。世界模型负责环境感知与预测（如目标检测、轨迹预测），而大语言模型优化代码生成、决策解释等环节。实施路径包括需求分析（1-2周）、模型开发（2-4个月）、模拟测试（1-2个月）、实车测试（2-3个月）和合规优化（1-2个月），总周期6-12个月。关键技术工具包括PyTorch/TensorFlow、CARLA模拟器和ROS系统
这篇文档详细介绍了nuplan-devkit的安装流程：1) 使用Miniconda创建Python3.9环境，需确保pip版本低于24.1；2) 克隆nuplan-devkit仓库并安装依赖；3) 说明数据集目录结构；4) 建议备份conda环境；5) 提供两种PyCharm安装方法（snap安装和手动安装），推荐手动安装方式。文档还包含常见问题解决方案，如pip版本冲突处理等。安装完成后，用户
一、车载计算单元 IPC1、车载计算单元 IPC 简介2、高性能计算3、高安全冗余4、高环境适应性二、车辆线控系统1、自动驾驶线控系统2、线控转向 ( Steer-by-Wire )3、线控制动 ( Brake-by-Wire )4、线控驱动 ( Throttle-by-Wire )5、线控换挡 ( Shift-by-Wire )6、线控悬挂 ( Suspension-by-Wire )7、线控系
随着科技的飞速发展，各行业对算力的需求日益增加，尤其是在人工智能、大数据处理和高性能计算等领域。4090算力租用正成为众多企业和个人的优选方案，为用户提供高效、低成本的计算服务，推动业务的快速发展。
摘要：随着自动驾驶和车联网技术的发展，汽车电子电气架构正经历重大变革。当前架构正从分散式ECU向集中式高性能计算平台转变，采用AUTOSAR自适应平台支持功能安全和网络安全需求。自动驾驶要求系统具备失效可操作能力，而非简单的故障静默。同时，车辆联网扩展了攻击面，需要构建纵深防御体系，结合OTA更新应对安全威胁。ISO 26262和新兴的ISO/SAE 21434标准为功能安全与网络安全的协同开发提
