全自动驾驶技术已来临，但特斯拉FSD需支付64000元方可使用。马斯克迅速推出简化版AI系统，提醒驾驶员保持注意力，却在网友测试中导致车辆立即停止，成为移动障碍。李想认为实际应用才能区分优劣。特斯拉已在中国分阶段推送版本号为2024.45.32.12的FSD软件更新，与北美版本相同，但马斯克急于进入中国市场似乎存在一些问题。
近年来，自动驾驶汽车运动预测领域取得了显著进展。随着技术的不断创新，该行业受到广泛关注。文章综述了自动驾驶汽车在运动预测方面的研究现状，探讨了当前面临的挑战，包括数据获取与处理、算法优化等，并展望了未来发展方向。未来的研究将聚焦于提高预测精度、增强系统鲁棒性及实现更复杂场景下的应用。
近日，香港科技大学与华为诺亚联合发布了一项基于占用的大语言模型Occ-LLM的研究成果。该模型旨在显著提升自动驾驶系统的感知性能，实现了对OccWorld的全面超越，达到最新的技术最优水平（SOTA）。这一突破性进展将为自动驾驶领域带来更精准、更可靠的环境感知能力，标志着自动驾驶技术迈上了新台阶。
卫星技术正显著增强自动驾驶功能，实现车辆、人员与道路之间的智能互联。通过高精度定位和实时通信，卫星系统为自动驾驶汽车提供了厘米级的定位精度，确保了车辆在复杂环境下的安全行驶。据统计，使用卫星技术支持的自动驾驶系统可将交通事故率降低30%以上。此外，卫星技术还促进了车路协同，使车辆能够提前感知路况变化，优化行驶路径，提升道路整体通行效率。
同济大学与香港科技大学联合研发的Doracamom算法框架，在多模态融合领域取得了重要突破。该系统首次成功整合摄像头和雷达数据，构建了统一的多任务感知平台。在多个数据集测试中，Doracamom不仅实现了检测和OCC（目标分类、检测、分割）任务的双SOTA性能，还标志着自动驾驶领域多模态融合技术的重大进展。
威斯康星大学麦迪逊分校与清华大学携手推出名为Ultra-AV的自动驾驶纵向轨迹数据集，并已将其开源。这一新基准数据集旨在为自动驾驶技术的研究和开发提供统一的纵向轨迹数据，以促进相关领域的进步。通过合作研究，双方致力于推动全球自动驾驶技术的发展，为研究人员提供宝贵资源。
本文探讨了自动驾驶技术中的三维场景问答（3D SQA）这一关键领域。3D SQA结合了三维视觉感知和自然语言处理，旨在使智能体能够理解和与复杂的三维环境交互。随着大型多模态建模的进展，该领域出现了多种数据集，推动了指令调优和零样本方法的发展。尽管取得了快速进展，但在统一分析和比较不同数据集及基线模型方面仍面临挑战。本文首次对3D SQA进行了全面综述，系统回顾了现有数据集、方法和评估指标，并强调了数据集标准化、多模态融合和任务设计方面的关键挑战与未来机遇。
在即将到来的CES Asia 2025展会上，岚图知音、吉利、极氪和智己等品牌将展示与DeepSeek模型深度融合的最新成果。这些车型不仅具备先进的智能交互功能和自动驾驶技术，还扩展了智能生态系统，为参观者带来前所未有的体验。岚图知音作为首款搭载DeepSeek模型的量产车型，标志着汽车智能化发展的重要里程碑。
本研究综述了多个自动驾驶轨迹数据集，并开发了一个名为Ultra-AV的规范化自动驾驶汽车纵向轨迹数据集。该数据集的主要贡献包括：统一并清理来自不同数据源的数据，提高了数据可用性；提供高质量的跟驰数据集，通过去噪和数据清理确保数据分析准确性；对跟驰行为进行分析，研究加速度与输入变量之间的非线性关系。相关论文和代码已发布在GitHub仓库。
自动驾驶汽车的AI系统通过融合多种传感器数据，构建精确的三维环境模型，使车辆能够识别行人、车辆和交通标志等周围环境。利用深度Q网络（DQN）等算法，车辆在复杂交通环境中可做出最优决策，如变道、超车和避障。英伟达的NVIDIA Cosmos平台应用AI大模型，通过生成式世界基础模型、tokenizer、护栏和加速视频处理管线，加速自动驾驶开发。特斯拉FSD V12系统采用端到端技术，通过深度学习直接从原始传感器数据中提取信息，实现感知到控制的无缝连接。
在自动驾驶技术的研究领域中，端到端自动驾驶成为热点话题。探讨量产技术路线时，直接端到端系统与模块化端到端系统是两种主要观点。前者因能处理更复杂场景而具备更高技术天花板；后者凭借结构化设计更易于训练和优化。模块化系统通过中间模块实现感知决策，并施加显式约束以减少求解空间，但可能限制系统探索更优规划结果的能力。
清华大学与威斯康星大学麦迪逊分校携手推出了统一自动驾驶纵向轨迹数据集（Ultra-AV）。这一创新的数据集专为提升自动驾驶领域的轨迹预测任务而设计，旨在建立新的行业基准。通过开源Ultra-AV数据集，研究团队期望加速自动驾驶技术的革新与发展，促进全球科研人员共同攻克技术难题，推动智能交通系统的进步。
自2023年起，自动驾驶技术领域经历了显著的架构演进，特别是在端到端自动驾驶技术方面。特斯拉的示范效应、人工通用智能（AGI）技术范式的兴起以及对拟人化和安全性的需求推动了这一趋势。产业界、学术界和资本市场均见证了端到端自动驾驶领域的关键里程碑，使其成为业界公认的主流发展方向。
本研究介绍了一种名为AdaWM的先进规划方法，该方法基于自适应世界模型，旨在解决自动驾驶领域中强化学习（RL）依赖世界模型时出现的效能下降问题。AdaWM通过自适应机制优化了世界模型的构建，从而提高了自动驾驶系统的规划性能，达到了新的最优化水平（SOTA）。这一创新方法不仅增强了系统的稳定性和可靠性，还显著提升了自动驾驶车辆在复杂环境中的应对能力。
AI领域专家Gary Marcus在新年伊始发表长文，提出2025年AI发展的25项预测。尽管Marcus对OpenAI的2024年估值预测未准确，他仍对其前景持保留态度。预测涵盖人工通用智能（AGI）、生成式AI、自动驾驶技术、人形机器人及视频内容生成等多领域。Marcus认为这些技术将在未来几年取得显著进展，但同时也面临诸多挑战。
在最近的CES采访中，马斯克分享了多项未来科技发展的预测与计划。他预计特斯拉的自动驾驶技术将在第二季度超越人类司机，实现零交通事故，并计划两年内使用星舰将人类送往火星。此外，马斯克预测全球人均将拥有3台人形机器人，这将推动全民高收入时代到来。人工智能在医学考试和影像学诊断中的表现已超过80%的医生，展示了AI技术的巨大潜力。
