感知系统

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论
  • 十分钟读论文 | Hiking in the Wild: 人形机器人感知跑酷框架深度解析
    《Hiking in the Wild》是一款适用于人形机器人在野外复杂地形中高效稳健行进的人工智能框架。它采用了端到端的感知控制方案,并通过自中心深度图合成、安全落足机制、抗奖励欺骗策略和零样本迁移等关键技术,解决了传统方法在地形感知和控制上的诸多问题。该框架还引入了对抗运动先验(AMP)来提高运动的自然性和流畅性。整体来看,《Hiking in the Wild》在提升人形机器人在复杂环境中的性能方面取得了显著进步。
    十分钟读论文 | Hiking in the Wild: 人形机器人感知跑酷框架深度解析
  • 道钉系统:分布式感知+无线联动,构筑高速公路秒级预警网络
    高速公路上的二次事故,往往比一次事故更致命。前方刚发生追尾,后方车辆仍以百公里时速驶来——驾驶员看到危险时,已来不及刹车。问题的根源不在反应速度,而在信息传递:从事故发生到后方收到预警,传统方式需要数分钟,而这段时间足够后方车辆驶过两公里。 道钉系统的出现,将这一时间差从“分钟级”压缩至“秒级”。鼎和创新DH-T100智能道钉系统,以分布式感知节点、LoRa无线自组网、鸿蒙架构低延迟协同,为高速公
  • 多维感知融合,覆冰智能识别
    一、输电线路覆冰:电网安全运行的关键挑战 寒潮过境,冰层持续附着于导线及绝缘子表面,会显著增加线路机械荷载,轻则引发线路跳闸、供电中断,重则导致导线断裂、杆塔倾斜甚至倒塔事故,直接威胁区域供电安全,造成重大经济损失。 伴随智能电网建设的持续推进,从被动抢修转向主动预警、从经验运维转向数据驱动,已成为输电线路覆冰防控的必然方向。图1 高海拔、跨江、高寒山区、田野覆冰场景 二、武汉风河智能FH-900
  • 超高清凝视技术、全彩激光雷达、UWB等推动智驾感知能力升级
    佐思汽研发布《2026北京车展新技术盘点》,重点跟踪超高清凝视激光雷达、彩色激光雷达、UWB等新型传感器及创新应用,推动智驾感知能力升级。车载语音助手全面转向车载Agent,车内“养虾”成热潮。三合一舱内传感器、摄像头+毫米波雷达融合传感器应用,使舱内感知进入多模态阶段。ACRUS精准像素级调光、光学分层、抗反射、光子透明显示等技术应用,推动超广曲面屏、双视图OLED屏、全车透明交互式显示等新型显示方案落地。芯片升级需求下,3nm、5nm、舱驾融合芯片走向量产。电池技术持续革新,钠离子电池2026迎来量产、全固态电池将在2027-2028年小批量生产。
    超高清凝视技术、全彩激光雷达、UWB等推动智驾感知能力升级
  • 自动驾驶如何应对鬼探头场景?
    鬼探头指行人、非机动车或其他车辆突然出现在视线盲区,留给驾驶员极短反应时间。自动驾驶需综合硬件感知、预测算法和路侧协同。多传感器融合提高感知精度;4D毫米波雷达增强穿透力;热成像摄像头适应恶劣环境。算法进化至占用网络和空间感知,主动安全预案提升应对能力。车路协同提供超视距感知,全面保障安全。
  • 自动驾驶汽车如何感知世界?摄像头、雷达与传感器全解析
    自动驾驶技术的核心在于让机器像人一样“看见”并理解周围环境,并作出相应的决策。本文介绍了几种主要的传感器及其作用:摄像头:通过深度学习算法识别颜色、文字、形状等,但受天气影响较大。毫米波雷达:不受天气影响,但分辨率较低,主要用于测距和测速。激光雷达:提供精确的3D点云地图,适合远距离探测,但价格较高。
    自动驾驶汽车如何感知世界?摄像头、雷达与传感器全解析
  • 时间同步如何让自动驾驶感知系统认知统一?
    自动驾驶系统的核心在于时间同步,尤其是传感器间的精确时间校准。硬件同步依赖于以太网TSN技术,如gPTP协议,确保微秒级别的同步精度。传感器内部的曝光机制和运动补偿也需精心调整,以消除时间差异。软件层面通过插值和外推算法实现跨传感器的数据对齐,保证决策控制的稳定性。高精度时间同步不仅是单一车辆的关键,也是多车协同和车路协同的基础,确保系统健壮性和安全性。
  • 张江芯片“小巨人”,通过港交所聆讯
    傅里叶半导体是一家国内领先的感知智能芯片提供商,专注于智能音频与触觉反馈创新。该公司成立于2016年,由具有丰富音频芯片经验的创始人徐小林领导。公司已推出多款中国首款芯片产品,包括便携式功放音频芯片、中大功率音频芯片和触觉反馈芯片。在商业化方面,傅里叶半导体已与多家知名品牌建立合作关系,并取得了一系列市场份额领先地位。公司计划通过IPO募集资金,进一步扩大研发能力和市场影响力,加速感知智能芯片在全球半导体产业中的应用。
    1136
    03/19 23:13
  • 家电AI革命|毫米波感知重构“主动智能”底层逻辑
    AWE2026聚焦AI科技,家电竞争转向主动智能。毫米波感知技术成为核心硬件基础,重构家居交互逻辑,实现"无感化、主动式"体验。矽典微提供传感器开发套件,加速物理AI落地,推动智能家居升级。
  • 自动驾驶感知的侧向进化,激光雷达竞争的新赛道?
    智能驾驶技术从高速公路向城市复杂道路跨越,侧向激光雷达的应用逐渐取代传统前向激光雷达,特别是在城市导航辅助驾驶中扮演重要角色。远距雷达侧重远距离探测,适合高速行驶;近距固态雷达则提供广角近场感知,适用于低速场景。未来,三雷达融合将成为主流配置,远距主雷达与近距补盲雷达协同工作,确保行车安全与舒适。随着芯片化和集成化的推进,激光雷达成本有望降低,实现智驾平权。
    自动驾驶感知的侧向进化,激光雷达竞争的新赛道?
  • 全局定位和局部定位在自动驾驶中各有什么作用?
    自动驾驶汽车需要全局定位和局部定位相结合,以确保在各种环境下都能准确获取自身位置并作出正确决策。全局定位依赖GNSS系统提供绝对坐标,适用于开阔区域,但受限于信号干扰;局部定位利用传感器感知环境并与地图匹配,提供高精度和连续性,特别适合隧道等信号不佳区域。两者融合能有效应对定位挑战,是实现自动驾驶的关键技术之一。
  • 自动驾驶感知硬件清洁装置应如何设计?
    自动驾驶感知硬件的清洁装置设计涉及多种技术和策略,包括被动防护、主动干预、流体喷淋、气动清洁、压电超声清洁等方法。智能监测算法和域控制器负责感知脏污并优化清洁策略,确保自动驾驶的安全性和可靠性。
  • 为什么光照对纯视觉自动驾驶影响较大?
    纯视觉自动驾驶在低光照条件下的感知能力受限于被动测量系统的物理特性,如信噪比下降、大气介质散射和ISP处理损失。尽管有源传感器如激光雷达在极端条件下表现出色,但纯视觉方案仍需克服光照变化带来的挑战,尤其是在夜间和恶劣天气中。未来可通过改进传感器技术和优化算法来增强其适应性。
    为什么光照对纯视觉自动驾驶影响较大?
  • 机器人线圈:智能机器人核心驱动与感知系统的重要基础
    机器人线圈是机器人系统中实现电能转换、运动驱动与信号感知的重要基础元件,广泛应用于工业机器人、服务机器人、协作机器人及特种机器人领域。随着机器人技术向高精度、高灵活性和智能化方向发展,机器人线圈的性能已成为影响整机响应速度、运动稳定性和可靠性的关键因素。 主要通过电磁作用实现驱动或感应功能,例如在电机驱动、直线执行机构和传感系统中发挥核心作用。线圈通电后产生的磁场可直接驱动机械运动,或用于位置、速
  • 自动驾驶与具身智能感知系统的设计优先级有何差异?
    自动驾驶与具身智能在感知系统设计上有显著差异。自动驾驶追求极高的安全确定性,依赖远距探测和冗余传感器,注重避开危险;具身智能则强调适应性交互,依赖触觉、力觉等感官,重视物体的操作性能。自动驾驶系统力求在远距离精确感知,而具身智能则在近距离精细感知,前者侧重于确定性,后者侧重于适应性。
    自动驾驶与具身智能感知系统的设计优先级有何差异?
  • 自动驾驶在颠簸路面如何确保感知准确性?
    自动驾驶汽车在颠簸路面行驶时,感知系统的稳定性受到挑战。物理震动和姿态波动影响传感器数据,导致误判。通过传感器安装架构与机械减震技术,以及软件层面的去畸变算法,提高感知准确性。多模态感知与冗余机制确保系统鲁棒性。感知预览控制与主动底盘系统协同工作,优化传感器工作环境。未来自动驾驶感知系统将在复杂路况下表现出色。
    自动驾驶在颠簸路面如何确保感知准确性?
  • 自动驾驶汽车如何检测石头这样的小障碍物?
    自动驾驶汽车如何检测小障碍物?首先考虑是否需要检测,然后利用目标检测、语义分割和小目标检测等多种视觉任务和技术,识别并报告潜在障碍物,保障行车安全。
    自动驾驶汽车如何检测石头这样的小障碍物?
  • 浙江大学研究员彭思达:底层空间感知技术对训练机器人有何作用?
    浙江大学研究员彭思达在GAIR 2025“世界模型”分论坛上分享了其团队在赋予机器人通用空间感知能力方面的多项工作,包括相机定位、深度估计和物体运动估计技术。彭思达介绍了一系列创新方法,如基于Transformer的图像匹配技术MatchAnything,用于相机定位;Pixel-Perfect-Depth解决深度估计中的飞点问题;InfiniDepth提升深度估计精度;以及SpatialTracker实现三维跟踪。这些技术有助于机器人更好地理解环境并做出决策。
    浙江大学研究员彭思达:底层空间感知技术对训练机器人有何作用?
  • 规划模块在自动驾驶系统中主要干了啥事?
    规划模块在自动驾驶系统中负责制定符合法规、保障安全且舒适的行驶路线,通过全局、行为与局部轨迹规划,结合路径生成、速度规划、避障与决策等功能,生成可执行的时空轨迹与行为指令。该模块面临环境不确定性、实时性和复杂交互等挑战,通过混合策略、仿真测试和多层安全保障机制来解决。
    规划模块在自动驾驶系统中主要干了啥事?
  • 自动驾驶汽车是如何进行“场景理解”的?
    自动驾驶中的场景理解是指车辆通过感知系统获取周围环境信息后,将其转化为有用信息,以便决策和控制模块做出安全、可靠的行动。场景理解涉及整合路面信息、理解对象间关系和意图,以及时间维度的表示。为了达到更好的效果,需要合适的表示方式、丰富的数据和合理的架构。此外,还需考虑实时性、鲁棒性和可验证性,以确保自动驾驶的安全性能。
    自动驾驶汽车是如何进行“场景理解”的?

正在努力加载...