自动驾驶决策系统发展现状 - 自动驾驶决策模块对可解释性要求日益提高，深度学习虽为主流方法但存在非分布场景性能下降、决策逻辑难解释等问题[1] - 基于规则的系统具备透明性优势，但依赖专家知识且对复杂环境适应性有限[1] ADRD框架核心创新 - 结合大语言模型(LLM)与规则决策系统，通过自然语言处理实现驾驶策略生成[2] - 框架包含信息模块(场景/规则转换)、代理模块(决策树构建)、测试模块(闭环验证)三部分[5][7] - 采用规划器-编码器-汇总器协作机制，支持策略生成、代码转换及迭代优化[7][13] 技术实现细节 - 规划器通过系统提示、驾驶目标、历史记录生成策略，示例显示变道决策优先考虑左车道安全性[8][9][10] - 编码器将文本策略转为可执行代码，决策树可视化便于专家调试[16] - 汇总器分析碰撞报告定位策略或代码问题，实现闭环改进[19] 实验验证结果 - 在Highway-v0场景测试中，ADRD平均安全驾驶时间达25.15秒(普通密度)，显著优于PPO(10.9秒)和DiLu(23秒)[21][22] - 极端密度(3.0)下仍保持13.55秒安全驾驶时间，控制效率达<1.0×10^-6秒/指令[22] - 激进风格决策树深度比保守风格增加37%，反映不同驾驶偏好对策略复杂度的影响[23] 行业应用价值 - 框架同时解决传统方法在性能、响应速度(推理效率提升1000倍)和可解释性上的缺陷[26] - 决策树结构支持人工干预，为自动驾驶系统调试提供新范式[12][16]

技术突破与创新 - 神经场景表征发展中出现Block-NeRF等方法，但无法处理动态车辆，限制了自动驾驶环境仿真的应用 [2] - 浙大提出Street Gaussians技术，基于3DGS开发动态街道场景表示，解决训练成本高和渲染速度慢的问题，实现半小时内训练并以135 FPS速度渲染1066×1600分辨率图像 [2] - 动态场景表示为静态背景和移动车辆的点云组合，每个点分配3D高斯参数（位置、不透明度、协方差）和球面谐波模型表示外观 [3][4] - 背景模型使用世界坐标系点云，每个点包含3D高斯参数（协方差矩阵、位置向量）、不透明度、球面谐波系数和3D语义概率 [8] - 物体模型引入可学习跟踪车辆姿态，局部坐标系定义的位置和旋转通过跟踪姿势转换到世界坐标系，并采用4D球谐函数解决移动车辆外观建模的存储问题 [11][12] - 使用LiDAR点云初始化场景表示，对稀疏区域结合SfM点云补充，物体模型初始化采用3D边界框内聚合点或随机采样 [17] 算法优化与效果 - 4D球谐函数有效消除动态场景渲染中的伪影，提升外观建模准确性 [16] - 静态场景重建通过体素下采样和可见性过滤优化点云初始化，动态场景重建利用可学习姿态参数解决跟踪噪声问题 [17][11] - 自动驾驶场景重建实现动静态物体分解，支持场景编辑和闭环仿真应用 [43] 行业应用与课程 - 3DGS技术已衍生多个子方向（4D GS、场景编辑等），在自动驾驶仿真闭环中具有重要应用价值 [23][43] - 业内推出首门3DGS全栈实战课程，覆盖视觉重建基础、静态/动态场景重建、自动驾驶场景优化等模块，结合代码实战与论文带读 [26][33][35][37][39][41][43][45][47] - 课程由头部自动驾驶公司算法专家设计，目标培养学员掌握3DGS核心理论、前沿算法及实际应用能力 [50][53][54]

融资与资金用途 - 公司拟以每股23.26港元配售680万股，募资约1.58亿港元，配股价较上一日收市价27.30港元折让约14.80%，配售股份相当于经扩大化后已发行股份数目约1.67% [2] - 配售所得款项净额约1.55亿港元，其中40%用于提升智能驾驶解决方案功能表现和满足中高阶辅助驾驶项目规模化落地需求，30%用于L4级自动驾驶技术升级，20%用于探索战略伙伴及收购机会，10%用作运营资金 [2] 业务与技术优势 - 公司是智能驾驶及座舱解决方案供应商，提供领航、泊车和舱内功能解决方案，具备算法开发、软件工程和硬件设计全栈自研能力 [3] - 全栈自研优势使公司在中高阶辅助驾驶项目中更具竞争力 [3] - 受2025以来整车厂智驾平权战略推动，中高阶辅助驾驶需求快速增长，公司承接的中高阶辅助驾驶项目同比显著增长，L4自动驾驶项目需求今年爆发 [3] 业务进展与客户合作 - 智能驾驶及智能座舱两大核心业务上半年收获多个定点项目，客户包括长安汽车、上汽大通、全球知名车企旗下合资品牌和豪华品牌 [4] - 近期获得老客户复购，为某款中大型豪华越野车型提供iPilot 4软硬一体辅助驾驶域控制器 [4] - L4业务持续突破，无人小巴在苏州完成首次交付，并获得中国电信项目定点 [4] 市场认可与投资者信心 - 基石投资者康成亨国际在解禁期承诺"3个月内零减持、9个月内减持不超10%"，释放长期信心 [4] - 中信里昂、光大证券、国证国际分别给予公司"优于大市"、"增持"及"买入"评级 [5] - 中信里昂预计公司2024-2027财年总收入复合年增长率将达49%，目标价32.00港元 [5]

世界模型Epona - 地平线、清华、北大等团队在ICCV'25中稿的自回归扩散世界模型工作，可以不依赖视频预测独立输出轨迹规划 [2] - 算法框架采用自回归扩散模型，实现长时间生成和实时轨迹规划 [3] - 实验结果：FID T为7.5，FVD T为82.8，最大持续时间达120秒/600帧，显著优于对比模型DriveGAN、DriveDreamer等 [5] - 核心优势：实现2分钟长时间生成，20Hz实时轨迹规划，连续视觉标记器保留丰富场景细节 [6] 视觉-语言-动作模型综述 - 麦吉尔大学、小米等团队发布VLA模型综述，涵盖DriveGPT-4、ADriver-I等15种模型 [13] - 模型对比表显示：输入类型包括单/多模态，数据集涵盖BDD-X、nuScenes等，输出包含轨迹规划(LLC/Traj) [18] - 最新模型如OpenDriveVLA(2025)支持2D/3D对齐，ORION(2025)实现连续动作推理 [18] StyleDrive基准测试 - 清华AIR等团队提出驾驶风格感知的端到端自动驾驶评测框架 [20] - 基于规则的驾驶风格分类标准覆盖10种交通场景，包括车道跟随、交叉路口等场景的动态特征 [22] - 实验结果：DiffusionDrive-Style模型表现最佳，SM-PDMS达84.10，优于TransFuser(81.09)和WoTE(81.38) [23] 技术社区推广 - 知识星球提供自动驾驶全栈学习路线图、硬件/代码资料及行业招聘信息 [9] - 社区目标3年内建成万人规模，已吸引华为天才少年等专家加入，形成"课程+硬件+问答"闭环 [25]

点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 今天自动驾驶之心为大家分享 澳门大学X 武汉大学 最新的工作！ 时序融合等价于 梯度下降？GDFusion 刷新 OCC 性能 SOTA，显存还大降72%！ 如果您有相关工 作需要分享，请在文末联系我们！ 自动驾驶课程学习与技术交流群事宜，也欢迎添加小助理微信AIDriver004做进一 步咨询 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 论文作者 | Dubing Chen等 编辑 | 自动驾驶之心 一句话总结：来自澳门大学等机构的研究者提出了一种全新的时序融合框架GDFusion。它通过一个极其巧 妙的视角——将传统RNN更新过程重新诠释为"特征空间上的梯度下降"，成功统一了多种异构时序信息的 融合。GDFusion不仅在3D占用栅格预测任务上取得了1.4%-4.8%的mIoU提升，更惊人地将推理显存消耗 降低了27%-72%，实现了性能和效率的双赢。 论文标题 ：Rethinking Temporal Fusion with a Unified Gradient Descent View for ...

公司概况 - Pony AI是一家近期在纳斯达克上市的公司 专注于自动驾驶技术领域 是该行业的全球领导者 [1] - 自动驾驶技术的开发和商业化仍处于广泛应用的早期阶段 存在大量未开发的市场机会 [1] 行业现状 - 自动驾驶技术目前处于行业发展初期 商业化应用尚未大规模普及 [1] - 该行业具有广阔的发展前景和未开发的市场空间 [1]

文章核心观点 新加坡交通部门与文远知行加强合作推动自动驾驶出行，新加坡将在2025年底前在公共住房区部署自动驾驶汽车，文远知行积极参与当地公共交通创新并计划深化合作 [1][3][6] 新加坡交通部门动态 - 新加坡交通代理部长率领高级代表团访问文远知行广州总部，成员包括多位官员及协会代表 [1][2] - 代理部长宣布新加坡将在2025年底前在公共住房区部署自动驾驶汽车，先在榜鹅推出，再扩展到登加 [3] - 代理部长指出自动驾驶汽车可缓解人力限制，支持公交服务，公交运营商正与文远知行等合作引入自动驾驶汽车 [4] - 代理部长和高级政务部长与文远知行高层讨论技术、运营和部署计划，重申深化自动驾驶研发和商业化合作承诺 [5] 文远知行情况 - 文远知行欢迎新加坡推动自动驾驶出行，是新加坡领先自动驾驶解决方案提供商，有广泛商业用例 [6] - 自2024年6月起文远知行的Robobus在圣淘沙名胜世界安全运营一年，2024年11月推出新加坡首个商业化自动驾驶环卫项目 [8] - 文远知行计划与当地监管机构和利益相关者深化合作，在新加坡引入更多产品和商业模式，在全球与相关部门合作构建智能可持续交通系统 [9] 文远知行简介 - 文远知行是全球自动驾驶行业领导者和先驱，是首家上市的Robotaxi公司，其自动驾驶汽车在10个国家30多个城市测试或运营 [10] - 文远知行是唯一在中美法新阿联酋五个市场获自动驾驶许可的科技公司，基于WeRide One平台提供L2到L4自动驾驶产品和服务 [10]

4D自动标注技术发展 - 轻图算法量产已成为行业共识 公司通过标注数据训练云端模型 再反哺车端模型迭代 实现全场景静态元素标注[1] - 传统2D图像标注需逐帧标注 效率低下 3D场景重建技术可实现静态元素单次标注 显著提升效率[2][3] - 行业采用BEV视图转换技术 通过自车位姿滑动窗口截取局部地面重建图 优化云端自动标注模型训练流程[6] 技术难点与解决方案 - 4D自动标注面临时空一致性要求高 多模态数据融合复杂 动态场景泛化难度大等五大核心挑战[7] - 静态元素标注需结合SLAM重建输出 获取全局道路信息 避免单帧感知导致的道路偏差问题[14] - 通用障碍物OCC标注成为行业标配 需解决点云稠密化 噪声优化 跨传感器遮挡等工程难题[15] 技术应用与课程体系 - 端到端真值生成整合动态障碍物 静态元素 可行驶区域等模块 采用一段式和两段式实现方案[16] - 数据闭环专题涵盖scaling law验证 主流公司架构分析 跨系统问题解决等实战经验[18] - 课程体系覆盖动态障碍物检测跟踪 SLAM重建原理 OCC标注全流程等六大核心模块[8][11][12][15][16] 行业人才需求 - 课程目标群体包括高校研究人员 企业技术骨干 转行人员等 需具备深度学习和PyTorch基础[22][24] - 课程培养方向聚焦4D标注算法研发能力 实际问题解决能力 工作竞争力提升三大维度[23]

自动驾驶技术平台 - 自动驾驶之心是国内领先的自动驾驶技术交流平台 [1] - 平台关注自动驾驶前沿技术、行业动态及职场成长 [1] - 平台覆盖具身智能、视觉大语言模型、世界模型等前沿技术方向 [1] - 涉及端到端自动驾驶、扩散模型、车道线检测等核心技术 [1] - 包含2D/3D目标跟踪、检测、BEV感知等多模态感知技术 [1] - 涵盖多传感器融合、transformer、大模型等AI技术 [1] - 涉及点云处理、在线地图、SLAM等空间感知技术 [1] - 包含光流估计、深度估计、轨迹预测等环境理解技术 [1] - 覆盖高精地图、NeRF、Gaussian Splatting等建模技术 [1] - 涉及规划控制、模型部署落地等应用技术 [1] - 包含自动驾驶仿真测试、产品经理、硬件配置等产业环节 [1] - 提供AI求职交流等职业发展支持 [1]

公司概况 - 易控智驾成立于2018年，已成为实现大规模商业应用的L4级无人驾驶解决方案公司，尤其在矿区运输领域拥有显著先发优势 [2] - 公司拥有两大解决方案：矿区无人驾驶解决方案「著山」和智能矿区数字化解决方案「暮野」，分别针对无人驾驶运输和传统采矿设备升级 [2] - 按2024年收入计算，公司在全球所有L4级无人驾驶公司中排名第一 [3] 市场地位与运营数据 - 截至2025年6月18日，公司已部署超1,400辆活跃无人驾驶矿卡，是全球首家且唯一一家实现1,000+台活跃无人驾驶矿卡的公司 [3][4] - 公司拥有11家终端客户集团，技术已部署在24个矿场，包括国家能源集团、国家电投、紫金矿业等知名企业 [4] - 2022至2024年，公司在终端客户集团中保持100%留存率，平均首年车辆扩展率为457% [4] 财务表现 - 2022至2024年营收分别为0.60亿元、2.71亿元和9.86亿元，复合年增长率为305.8% [4] - 2024年毛利率转正至7.6%，净亏损率为39.5% [5] 融资与IPO计划 - 公司已获得兴杭国投、辰韬资本、紫金矿业、宁德时代等多家机构投资 [5] - IPO募集资金将主要用于加强软硬件研发、信息技术开发、全球业务扩张、人才发展及战略投资 [5]