点击下方
卡片
，关注“
自动驾驶之心
”公众号
>>
点击进入→
自动驾驶之心
『
星球vip
』
交流群
新用户96元现金优惠！微信扫码领取
🔥【我们是谁】
『自动驾驶之心知识星球』
目前最大自动驾驶学习交流私域社区，会员近4000人，行业大咖云集，60+合伙人和嘉宾，有问必答。
🔥
【星球内有什么】
🎓1、35+自动驾驶方向学习路线；
🎓2、自动驾驶各方向面试100问汇总；
🎓3、每月精选问答，已积累近1000+条；
🎓4、100+大咖直播分享回放视频；
🎓5、100+自动驾驶行业报告；
🎓6、100+精选行业书籍；
🎓7、更多惊喜在星球内。
🔥【加入星球能获得什么】
🎓1、免费获得几十位专业嘉宾的问题解答（有问必答）
🎓2、永久免费浏览、下载星球内容（目前6500+，每天更新，会员过期后，过期前的内容可继续免费浏览下载）
🎓3、所有自动驾驶之心的付费课程8折优惠（价值3000元）
🎓4、直播视频免费无限期回放（现有100+场行业直播，未来一年持续邀请大咖分享）
🎓5、免费赠送优质课程视频（多门）
🎓6、星球积分榜前10名，获得丰富现金奖励
🎓7、免费咨询求职招聘相关问题
🎓8、加入专属VIP群，获得最新资讯
『自动驾驶之心知识星球』
已经近4000人了！说句心里话，
作为长期排名前十，内容和活跃度超过99%的平台，我们倾注了全部心血，
社区就像个孩子一样，在大家细心的照料下，终于长大成人了。我们给大家准备了一个现金优惠大礼包，绝对超值。
新用户96元现金优惠！微信扫码领取
自动驾驶之心知识星球，创办于2022年7月份，致力于打造为自动驾驶行业中的 ”黄埔军校“，目前
近
4000
人
，聚集了近60+自动驾驶行业专家为大家答疑解惑。这是国内首个以自动驾驶技术栈为主线的交流学习社区，汇总了
自动驾驶感知
（目标检测、语义分割、车道线检测、BEV检测、Occupancy、在线地图、目标跟踪、多模态、多传感器融合等）、
自动驾驶定位建图
（高精地图、SLAM）、
自动驾驶规划控制与预测、多传感器标定、端到端自动驾驶、自动驾驶仿真、自动驾驶开发、领域技术方案、AI模型部署落地
等几乎所有子方向的学习路线！除此之外，
还和数十家自动驾驶公司建立了1v1内推渠道
，简历直达！这里可以自由提问交流，
许多算法工程师和硕博日常活跃，解决问题
！
初衷是希望能够汇集行业大佬的智慧，在学习和就业上帮到大家！星球的每周活跃度都在国内前30，非常注重大家积极性的调度和讨论，欢迎加入一起成长！
星球内已经打磨出近
30+
的学习路线，涉及端到端自动驾驶、BEV感知、动态/静态障碍物检测、多传感器融合、多传感器标定、目标跟踪、模型部署与cuda加速、仿真等方向，沉淀了大量工程上的解决方案、学术上的优化思路！星球主要内容一览：
这些热门技术方向，星球里面全都有！
现在自动驾驶技术迭代期越来越短，从原来的单目3D到BEV，再到OCC，再到大模型和端到端，高阶智驾现阶段的技术点已经比较清晰。
O、热门方向大佬视频分享
一、端到端自动驾驶
1.前沿工作
-
【Senna: 一种将LVLM（Senna-VLM）与端到端模型（Senna-E2E）相结合的自动驾驶系统】对两个数据集的广泛实验表明，Senna在规划性能上达到了最先进的水平；
-
【Ramble：具有强化学习的高交互交通场景中的端到端驾驶】Ramble在CARLA Leaderboard 2.0上实现了路线完成率和驾驶评分的最新性能；
-
【CARLA中的端到端自动驾驶全面综述】讨论了基于CARLA的最先进实现如何通过各种模型输入、输出、架构和训练范式解决端到端自动驾驶中遇到的各种问题；
-
【端到端预测和规划最新SOTA！一种用于端到端自动驾驶的新交互机制：PPAD】。
2.报告和行业大佬直播分享
大模型
1.前沿工作
-
【全面回顾当前关于L(V)LM在自动驾驶应用方面的研究】重点关注四个关键领域：模块化整合、端到端整合、数据生成和评估平台。
-
【自动驾驶中的大语言模型（LLM4AD）：概念、基准、仿真和实车实验】LLMs在提升自动驾驶技术各个方面的显著潜力，包括感知、场景理解、语言交互和决策；
-
【基于 LLM 驱动的鲁棒 RL 自动驾驶数据合成与策略调整】RAPID能够有效将LLM的知识整合到缩减版的RL策略中，以高效、适应性强且鲁棒的方式运行；
-
【大型语言模型会成为自动驾驶的灵丹妙药吗？】本文对LLM在自动驾驶系统中的潜在应用进行了详尽的分析。
2.报告和行业大佬直播分享
BEV感知
1.前沿工作
-
【nuScenes和nuScenes最新SOTA!】Focus on BEV: 基于自标定周期视图变换的单目BEV图像分割；
-
【MambaBEV：一种基于mamba2的BEV目标检测】还采用了端到端的自动驾驶范式来测试该模型的性能。模型在nuScenes数据集上表现出了相当好的结果：基础版本达到了51.7%的NDS；
-
【QuadBEV: 高效的多任务感知框架】它利用四个关键任务——3D目标检测、车道检测、地图分割和占用预测——之间共享的空间和上下文信息。
-
【nuScenes-360和DeepAccident-360最新SOTA！】OneBEV：利用一幅全景图像进行鸟瞰语义建图！在nuScenes-360和DeepAccident-360上分别达到了51.1%和36.1%的mIoU，取得了最先进的性能。
2.报告和行业大佬直播分享
Occupancy感知
1.前沿工作
-
【OccLoff框架：旨在“学习优化特征融合”以进行3D占用预测】具体提出了一种稀疏融合编码器和熵掩模，该编码器可以直接融合3D和2D特征，从而提高模型的准确性，同时减少计算开销；
-
【nuScenes最新占用预测SOTA! TEOcc: 一种基于Radar-相机多模态的时间增强占用预测网络】所提出的时间增强分支是一个即插即用的模块，能够轻松集成到现有的占用预测方法中以提升占用预测的性能；
-
【SyntheOcc: 通过扩散模型生成的系统，它通过在驾驶场景中以占据标签为条件来合成真实感和几何控制的图像】
-
【RELIOCC：一种旨在增强基于相机的占用网络可靠性的方法】首次从可靠性角度对现有的语义占用预测模型进行全面评估。显著提高了模型的可靠性，同时保持几何和语义预测的准确性。
