地平线开发者

2025 年的 GTC 大会上，理想汽车的分享了其最新一代的辅助驾驶方案[ MindVLA](https://zhida.zhi本帖将结合演讲内容和相关学术论文，对理想汽车...

多模型推理场景中，可能会存在谁先谁后，甚至 A 模型任务正在运行，但需要被 B 模型任务抢占的情况。针对这种情况，地平线提供了模型优先级控制策略。...

在视觉语言导航 （VLN） 任务中，机器人需要根据自然语言指令在复杂环境中做出实时决策。虽然推理在许多任务中已有广泛应用，但在 VLN 任务中，推理的作用一直未被充分探讨。...

7月3日，武汉理工大学汽车工程学院与地平线联合启动“智驭未来：智能驾驶技术解析与实践初探”暑期卓越学堂项目。...

这篇文章详细描述了地平线征程 6M 部署 Omnidet 感知模型的基本特性和使用技巧，导出模型、校准集准备等...

这篇文章将选取一些在实际应用中较为常见的查表算子 softmax、cos/sin 作为具体的案例，逐步剖析并说明针对这些算子进行优化的具体思路以及切实可行的方法。...

量化本质上是对数值范围的重新调整，可以「粗略」理解为是一种线性映射。但目前在工业界落地的还都是线性量化（对称量化、非对称量化、二值化等），地平线采用的主要是线性量化中的对称...

本文将介绍两种常用激活函数：Sigmoid 和 Hard Sigmoid，全面对比它们的原理、优缺点、应用场景，并提供实际代码示例，帮助你更好地理解与使用它们，尤其是在量化...

如 exp、log、t如何确定是定点查表导致的误差？如何确定具体的定点查表算子导致的误差？本文将讲述在使用地平线 QAT 链路基于 J6 系列平台进行模型部署时，对查表算子...

本文将详细介绍地平线算法工具链在征程 6 芯片部署 MapTR 系列模型所做的优化以及模型端侧的表现。...

多路拼接场景、多路畸变矫正场景、2D AVM场景及3D AVM场景等4个应用场景介绍。4 路 3M 的相机数据经过 PYM 处理后存储到 DDR...

为了提供针对征程 6 系列芯片专门设计的高效 backbone，我们充分利用了征程 6 芯片的硬件特性，设计了高效模型 HENet （HybridEfficient Net...

Cache 典型应用场景详解。属性Cache Buffer（缓存）No Cache Buffer（非缓存）是否经过 CPU cache是否（直接访问内存）访问速度快（命中时...

智能驾驶感知模块可以根据目标的属性和环境信息，分为三类关键任务：动态感知任务、静态结构感知任务和可通行区域（Freespace）感知任务。本文将介绍三大任务中常见的精度评价...

本文将重点结合PyTorch的torch.mul（逐元素相乘）以及张量的类型提升（Type Promotion）规则...

一、引言 在工具链用户手册《量化感知训练（QAT）-开发指南-QConfig 详解》章节专门介绍了在 J6EM 上 qconfig 是怎么回事，本文将常见配置通过示例方式进...

智能驾驶感知模块可以根据目标的属性和环境信息，分为三类关键任务：动态感知任务、静态结构感知任务和可通行区域（Freespace）感知任务。...

一、日志查看 VDSP FW 的日志默认输出到串口中，用户可直接查看串口。但是 VDSP FW 日志和 kernel 日志都会输出到串口中，存在相互干扰的问题，用户可通过降...

1.背景简介 当发现使用 plugin 精度 debug 工具定位到是某个 linear 敏感时，示例如下...

在 征程 6 平台，我们可以按照这个方式编译 input_typr_rt 为 rgb，且 layout 为 NHWC 的模型。这样做的好处是，当用户的数据输入源本身就是 N...