新闻中心 
-
05-17路径规划概述：基于采样、搜索、优化全搞定！1决策控制与运动规划概述目前决策控制方法可以分为三类：sequentialplanning、behavior-awareplanning、和end-to-end...
-
05-15MIT最新！多模态LLM真的无所不能吗？大模型能解决一切难题吗？写在前面&笔者的个人理解本文对自动驾驶领域内多模态大型语言模型（MLLMs）的应用进行了审慎的审视，并对一些常见的假设提出了质疑/验证，重点关注它们通过...
-
05-13超越ORB-SLAM3！SL-SLAM：低光、严重抖动和弱纹理场景全搞定写在前面今天我们探讨下深度学习技术如何改善在复杂环境中基于视觉的SLAM（同时定位与地图构建）性能。通过将深度特征提取和深度匹配方法相结合，这里介绍了一种多功能...
-
04-11效率狂增16倍！VRSO：纯视觉静态物体3D标注，打通数据闭环！标注之殇静态物体检测（SOD），包括交通信号灯、导向牌和交通锥，大多数算法是数据驱动深度神经网络，需要大量的训练数据。现在的做法通常是对大量的训练样本在LiDA...
-
04-10比手动快13倍多，「机器人+AI」发现电池最佳电解质，加速材料研究编辑|紫罗传统的材料研发模式主要依赖「试错」的实验方法或偶然性的发现，其研发过程一般长达10-20年。基于机器学习（ML）的数据驱动方法可以加速清洁能源技术新材...
-
03-12LimSim++：多模态大模型在自动驾驶中的新舞台论文名称：LimSim++:AClosed-LoopPlatformforDeployingMultimodalLLMsinAutonomousDriving项...
