地平线征程6
0 人感兴趣 · 89 次引用
- 最新
- 推荐
征程 6 | 多任务 不同帧率 部署方案
推理多任务模型时，可能会有不同任务分支 部署不同帧率的需求，例如 BEV 动态任务 20 帧，静态任务 10 帧这种情况。
三种 Badcase 精度验证方案详解与 hbm_infer 部署实录
在模型结构优化与部署量化过程中，开发者往往会遇到一个关键任务：基于历史 Badcase 数据验证模型精度变化，确保模型修改不会引入明显性能退化。 这类验证常见于感知、预测、行为识别等任务，尤其在客户交付或精度回归过程中十分关键。
大模型 | VLA 初识及在自动驾驶场景中的应用
VLA （Vision Language Action）是一种多模态机器学习模型，结合了视觉、语言和动作三种能力，旨在实现从感知输入直接映射到控制动作的完整闭环能力。VLA 强调一体化多模态端到端架构，非感知规控的模块化方案。
征程 6 | 工具链如何支持 Matmul/Conv 双 int16 输入量化？
我们将详细剖析 PTQ 和 QAT 链路下双 int16 配置的完整流程
手撕大模型 | MQA 和 GQA 原理解析
随着大模型功能的不断强化，其容量也在增加，当前的 KVCache 技术已经不能满足发展需要了，所以，各种针对于 KVCache 优化的技术应时而生。
手撕大模型｜FlashAttention 原理及代码解析
FlashAttention 是一种专为 Transformer 优化的高性能注意力机制。它能显著加速训练和推理，同时减少内存占用，广泛应用于 LLaMA、GPT-NeoX、PaLM 等大模型中。
征程 6E/M｜多 camera 场景示例
本 sample 提供全链路场景 1V，4V，7V 使用演示，实现单路及多路 VIO 接入，逐级经过 ISP、PYM、BPU、CODEC 模块处理。
地平线具身智能算法 H-RDT 斩获 CVPR 2025 RoboTwin 真机赛冠军
在CVPR 2025举办的RoboTwin双臂机器人竞赛中，地平线机器人实验室与清华大学计算机系朱军团队联合提出的H-RDT凭强大性能和领先成功率，一举斩获真机赛冠军（一等奖第一名），并在仿真赛中荣获亚军（一等奖第二名）
理想汽车智驾方案介绍 3｜MoE+Sparse Attention 高效结构解析
稀疏注意力（Sparse Attention）与混合专家架构（MoE）是提升大模型效率与性能的核心技术。
征程 6｜工具链部署实用技巧 6：hbm 解析 API 集锦
本帖将详细介绍和整理用于 hbm 模型验证和检查的 API，助大家理解使用，保障模型部署顺利。
开发者说｜RoboTransfer：几何一致视频世界模型，突破机器人操作泛化边界
近日，地平线、极佳科技与中国科学院自动化研究所等单位提出RoboTransfer，基于扩散模型的视频生成框架，可以用于扩充机器人策略模型的训练数据。
