清华大学出版社24年5月1日出版《自动驾驶系统开发》，如今差不多两年后其英文版《Autonomous Driving Handbook》由全球著名的科技图书出版社Springer Press于26年4月11日出版了。
请添加图片描述

其增补内容包括以下几部分：

1）基本理论：加入高效Transformer架构的阐述；
请添加图片描述

2）感知模块：加入占据网络（occupancy network）介绍
请添加图片描述

3）加入更多更新的端到端自动驾驶方法介绍：UniAD、VAD、FusionAD、GenAD 和 VAD 2。

4）加入3-D 高斯溅射（GS）的方法介绍：
请添加图片描述

5）加入扩散模型在自动驾驶策略和规划学习的应用分析
请添加图片描述

6）加入大模型理论介绍及其在自动驾驶中的应用：Agent-Driver、DriveVLM-Dual、Senna、EMMA和DrivingWorld等。
请添加图片描述
请添加图片描述

7）加入系统集成和测试（包括V&V）；
8）讨论自动驾驶的法律和道德问题。

# 自动驾驶 # 人工智能 # 机器学习 # 计算机视觉 # 语言模型
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局