自动驾驶仿真技术研讨会核心内容 1 研讨会背景与意义 - 高保真度仿真技术是解决自动驾驶算法测试成本高和安全隐患的关键 传统仿真器存在场景风格差异 离线数据集无法实现闭环测试的局限性[1] - 新视角合成(NVS)技术突破性在于基于真实数据构建闭环仿真环境 为动态交互场景评估提供新途径[1] 2 核心挑战与赛道设置 外插视角新视点合成赛道 - 聚焦外插视角渲染保真度问题 当前技术受限于训练数据视角覆盖范围 稀疏输入时外插视角质量不足[3] - 赛道设置多难度渲染挑战 重点评估变换车道 转向等自动驾驶关键场景的视角外插鲁棒性[3][4] 自动驾驶闭环仿真评估赛道 - 突破性体现在：首次实现完全闭环测试框架 弥合真实数据与交互评估的鸿沟 克服静态数据集无法模拟动态交互的缺陷[5] - 评估维度包括渲染场景真实感 以及算法在闭环环境中的性能表现 提供复杂场景基准测试可能[5][6] 3 赛事组织架构 - 奖项设置：创意奖9000美元 一等奖9000美元 二等奖3000美元[8][9] - 时间节点：2025年6月30日启动 8月31日提交截止 9月5日公布结果 9月20日技术报告截止[8] - 资源平台：提供Hugging Face数据集与提交样例 覆盖两个赛道技术资源[8] 4 行业价值定位 - 聚焦新视角合成与闭环评估两大核心技术难题 构建兼具挑战性和研究价值的比赛平台[10] - 目标推动全球自动驾驶技术向高阶发展 通过仿真技术突破加速算法迭代[11]

自动驾驶行业技术趋势 - 自动驾驶技术快速迭代，算法工程师需掌握BEV、世界模型、扩散模型等复合型技能[2] - 企业招聘偏好复合型人才，要求覆盖传感器标定、数据处理、模型训练到部署全流程[3] - 前沿技术如端到端、VLA、强化学习等岗位需求增加，但量产仍以数据、检测、OCC等基础工作为主[2][3] 知识星球核心资源 - 提供价值千元的入门视频教程，涵盖世界模型、Transformer等前沿技术论文解读[3] - 未来将新增相机标定、多模态融合、大模型等课程，全部免费向会员开放[5] - 社区已吸引华为天才少年等专家加入，形成学术+产品+招聘的闭环生态[5] 四大前沿技术方向资源 视觉大语言模型 - 汇总10+开源项目，包括智能交通LLM应用、AIGC、视觉语言模型综述及提示学习方法[7] - 提供37.6M多语言Wikipedia图文数据集及12B规模的WebLI预训练数据[13] 世界模型 - 收录16项研究成果，如Meta的导航世界模型(NVM)、InfinityDrive泛化模型及DriveWorld 4D场景理解[27][28] - 聚焦视频生成与场景重建技术，如DriveDreamer-2支持定制化驾驶视频生成[28] 扩散模型 - 整合22篇权威综述，覆盖3D视觉、视频编辑、推荐系统等应用领域[30] - 自动驾驶领域应用包括Drive-1-to-3实车合成、MagicDriveDiT长视频生成等9项创新工作[31] 端到端自动驾驶 - 收录50+里程碑方法，如EfficientFuser高效融合框架、nuScenes开环SOTA模型UAD[37][39] - 开源仓库包含Opendilab和Pranav-chib整理的端到端驾驶方法全集[33] 数据集与评估体系 - 预训练数据集规模最大达12B(LAION5B)，覆盖108种语言[13] - 自动驾驶专用数据集包括NuScenes(1200类)、Waymo Open Dataset(多任务)等19类[19][20] - 评估指标涵盖mAP(目标检测)、mIoU(语义分割)、Recall(图像检索)等标准化体系[14][17][18] 技术应用场景 智能交通 - 语言引导车辆检索系统采用多粒度检索技术，2023年新增3种统一多模态结构[21] 自动驾驶系统 - 感知模块集成VLPD行人检测、Language-Guided 3D检测等6项创新算法[22] - 规划控制领域应用GPT-Driver轨迹预测、DRIVEVLM多模态融合等5种解决方案[23][24] 行业生态发展 - 社区目标3年内建成万人规模的智能驾驶&具身智能社群[5] - 会员权益包含5000+干货内容、100+场直播回放及求职咨询等7项专属服务[51]

行业技术趋势 - 端到端自动驾驶技术正快速冲击传统规控方法 其场景泛化能力和数据驱动特性显著优于基于规则的系统 [2] - 传统规控依赖人工编写规则(PID/LQR/MPC等算法) 优势在于可解释性强但难以覆盖所有场景 [2] - 端到端方案直接从传感器映射控制指令 减少模块化架构的信息损失 实现全局优化 [4] 技术方案对比 端到端方案 - 优势：降低系统复杂性 通过数据学习人类驾驶风格 支持全流程联合优化 [4] - 劣势：决策过程黑箱化 需海量训练数据 极端场景依赖规则兜底 [4] 传统PNC方案 - 优势：模块功能明确 已知场景稳定性高 适合高安全需求场景 [5] - 劣势：多模块协同开发成本高 复杂场景规则覆盖有限 依赖高精地图 [5] 技术融合方向 - 行业实践表明端到端与PNC呈互补关系 如华为ADAS3.0采用传统规控作为安全冗余 [6] - 传统规控工程师转型需结合端到端技术 复合型人才更具竞争力 [7] 人才需求现状 规控算法工程师 - 岗位职责覆盖城区/高速/停车场等多场景决策规划算法开发 需掌握MPC/PID等经典算法 [10] - 任职要求硕士以上学历 熟悉强化学习算法 有Apollo等开源项目经验者优先 [10] - 薪资范围40k-100k/月 工作地集中在北京/上海 [10] 端到端工程师 - 核心任务包括VLA模型构建、训练数据集优化及闭环评测系统研发 [12] - 薪资30k-80k/月 工作地分布在深圳/上海 [12] 视觉算法专家 - 技术要求涵盖轻图感知、占据格网络研发及视觉大模型应用开发 [18] - 优先考虑有顶会论文或算法竞赛获奖经历者 薪资40k-80k/月 [17][18]

自动驾驶算法模块 - 自动驾驶算法分为两大模块：场景理解（理解周围环境、预测agents行为）和决策（生成安全舒适轨迹、可定制化驾驶行为）[1][2] - diffusion planner工作聚焦于决策模块中的闭环场景性能提升[3] 自动驾驶规划方法对比 - rule-based方法（如PDM）依赖道路中心线选择和规则系统，存在迁移性差、人力成本高、缺乏灵活性等问题[4] - learning-based方法（如UniAD、VAD）通过模仿学习实现类人行为预测，但面临多模态数据分布学习困难，仍需依赖rule-based兜底[6] diffusion model技术优势 - 能更好拟合多模态驾驶行为数据分布，通过高斯加噪/降噪过程分解复杂问题[6] - 基于classifier guidance机制实现定制化驾驶行为，无需针对特定场景重新训练模型[6] - 已在图像生成、机器人动作生成、离线RL等领域验证其高效学习能力[11] diffusion planner核心技术 - 采用MLP-Mixer+self-attention的encoder结构进行高效信息提取[12] - 通过cross-attention降低计算量，DPM-Solver实现20Hz高速轨迹生成[12] - 同时完成自车规划和周车行为预测，支持定制化驾驶行为生成[12] 性能提升表现 - 测试数据显示在Test14、Test14-hard、Val14场景分别达到89.19、75.99、89.87分，显著优于Diffusion-es等对比模型[20] - 实现高质量轨迹生成和多模态驾驶行为拟合（如无导航信息下生成左转/右转/直行轨迹）[14][16] - 在毫末200小时物流车数据上展现强泛化能力，适应非机动车道行驶等特殊场景[23] 后续优化方向 - 数据量和模型参数量scale up对闭环性能的影响[28] - 端到端框架设计而不仅限于planner模块优化[28] - 训练和推理过程的进一步加速[28] - 实车场景下的高效guidance机制实现[28]

小马智行与迪拜合作推进Robotaxi商业化 - 公司与迪拜道路交通管理局签署战略合作协议 首批车辆将于2025年开启路测 2026年实现全无人商业化运营 [2] - 合作旨在推动L4级自动驾驶技术融入迪拜多模式交通体系 助力实现2030年自动驾驶出行占比达25%的战略目标 [4] - 迪拜方面表示此次合作将巩固其作为未来交通领域全球引领者的地位 赞赏公司选择迪拜作为全球业务拓展平台 [4] 合作具体规划与战略意义 - Robotaxi将分阶段落地运营 2025年启动路测 无缝对接地铁、有轨电车及海上航线等综合交通网络 [6] - 合作将实现"最先一公里和最后一公里"战略构想 提升居民与游客出行体验 保障道路安全 [6] - 公司CFO表示此次合作彰显了在全球战略市场落地Robotaxi的决心 将共同打造中东地区智能交通标杆 [6] 公司技术进展与全球布局 - 第七代Robotaxi采用100%车规级零部件 显著提升成本效益和跨平台适应性 [7] - 公司与Uber建立战略合作 在欧洲、亚洲等多地推进自动驾驶出行服务 包括卢森堡道路测试、新加坡商业化运营及首尔路测 [7] - 国际化进展展现出公司具备服务全球交通体系的成熟度 正赢得国际市场认可 [7] 迪拜自动驾驶战略规划 - 迪拜智能自动驾驶交通战略目标为2030年前将25%出行方式转化为自动驾驶行程 [5] - 迪拜正着力打造智慧城市范本 将自动驾驶列为城市数字化转型的关键支柱 [6] - 政府通过许可审批和监管机构 构建配套基础设施并健全立法与监管体系 [5]

视觉大语言模型 - 视觉大语言模型在智能交通和自动驾驶领域有广泛应用，相关资源包括Awesome-VLM-AD-ITS和Awesome-LLM-Inference等GitHub项目 [4] - 视觉语言模型的研究方向包括预训练、迁移学习、知识蒸馏等，涉及CVPR、ICLR、NeurIPS等多个顶会论文 [5][7][8] - 视觉语言模型的架构和推理策略有专门的研究，如Awesome-VLM-Architectures和Awesome-VLM-Inference-Strategies等项目 [4] 世界模型 - 世界模型在自动驾驶中的应用包括3D场景理解和未来场景生成，代表性工作有HERMES和DrivingGPT等 [9][10] - 2025年最新综述总结了自动驾驶中的世界模型研究现状 [10] - 世界模型在4D驾驶场景表示和规划中发挥重要作用，如DriveDreamer4D和DriveWorld等项目 [12][13] 扩散模型 - 扩散模型在自动驾驶视频生成和场景理解中有广泛应用，相关资源包括Awesome-Diffusion-Models等项目 [14] - 扩散模型在图像处理、视频编辑、3D视觉等领域都有专门研究，涉及多篇综述论文 [15] - 扩散模型与自动驾驶世界模型的结合是新兴研究方向，如DriveDreamer-2等项目 [13] 端到端自动驾驶 - 端到端自动驾驶研究涉及感知、预测、规划等多个环节，相关资源包括Awesome-End-to-End-Autonomous-Driving等项目 [21] - 端到端自动驾驶的最新进展在CVPR、ICRA、NeurIPS等顶会上有专门研讨 [21] - 端到端自动驾驶技术栈涵盖大模型、BEV感知、多传感器融合等30+方向 [19][21] 行业社区 - 自动驾驶行业有近4000人的交流社区，300+公司和科研机构参与 [19] - 社区覆盖30+技术方向的学习路线，从基础到前沿全面覆盖 [19] - 社区提供专业课程，涉及端到端自动驾驶、大模型、仿真测试等多个方向 [20][21]

产品发布与定价 - 黑武士001自动驾驶教研小车正式开售，原价34999元，支付定金1000元可抵扣2000元[1] - 产品定位为面向科研与教学的轻量级全栈解决方案，支持感知、定位、融合、导航、规划等多功能平台[2] 产品功能与应用场景 - 测试场景覆盖室内、室外、地库等多种环境，功能包括点云3D目标检测、2D/3D激光建图、夜间行驶等[3][7][9][11][13][15][17] - 适用场景包括本科生学习比赛、研究生科研论文、高校实验室教具、职业培训等[5] - 支持2D/3D目标检测与分割、SLAM技术、车辆导航避障等24项核心功能[24] 硬件配置 - 主要传感器包括Mid 360 3D激光雷达（FOV360°*59°，测距0.1-40m）、镭神智能2D激光雷达（测距25m）、奥比中光深度相机（测距0.15-5m，精度≤2%）[17][27] - 主控采用Nvidia Orin NX 16G芯片，配备1080p显示器，阿克曼底盘系统[17] - 车体尺寸620×400×320mm，自重30kg，最大载荷30kg，续航>4小时，最高速度2m/s[21] 软件系统 - 基于ROS框架开发，支持C++和Python语言编程[23] - 提供一键启动开发环境，包含深度相机驱动、手柄控制等脚本[33][38][39] - 支持通过rviz可视化工具实时监控传感器数据，如激光雷达点云等[36][43] 售后服务 - 提供1年非人为损坏保修服务，人为损坏可付费维修[46] - 提供完整产品说明书，涵盖硬件参数、软件配置及维修指南[23][26]

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]