硬件在環HIL（十）：測試怠速功能、速度控制和超速防止功能
本文將承接上一篇文章，講解如何使用HILS測試ECU。如何手動測試怠速功能、速度控制和超速防止功能？
硬件在環HIL（九）：使用HILS測試ECU
我們將從本期內容入手，講解如何使用HILS測試ECU。首先，我們將介紹手動測試。
硬件在環HIL（八）：將工廠模型集成到HILS中
我們將闡述如何將發動機和發電機組模型集成到HILS系統中，并使其運行方式與實際設備完全一致
硬件在環HIL（七）：發電機的被控對象模型
我們將考慮發電機的被控對象模型，該發電機作為發動機的負載，并探討如何將其與前兩篇文章中介紹的發動機被控對象模型相結合。
硬件在環HIL（六）：基于統計模型的工廠模型
這期，我們將討論一種基于統計模型的工廠模型，該模型利用實驗數據。
東芝開始提供面向大電流車載直流有刷電機橋式電路的柵極驅動IC
東芝電子元件及存儲裝置株式會社（“東芝”）今日宣布，開始提供適用于大電流車載直流有刷電機橋式電路的柵極驅動IC[1]——“TB9104FTG”。該器件適用于電動
硬件在環HIL（五）：硬件在環仿真和工廠模型
我們將探討“被測系統模型”的概念，該模型在HILS內部與現實世界的電信號和數字信號協同工作
硬件在環HIL（四）：硬件在環仿真和執行器
在本文中，我們將分析執行器的電路和功能，它們是HILS輸入/輸出接口的關鍵組件
硬件在環HIL（三）：硬件在環仿真和傳感器
我們將分析傳感器和執行器的結構和功能，它們是HILS輸入/輸出接口的關鍵組件，并探討HILS信號生成電路的規范。本期我們將重點關注傳感器
硬件在環HIL（二）：HILS的工作原理
本文將闡述HILS的工作原理，并探討適用于各種車輛控制系統的HILS系統類型。
泰矽微TClux系列：專用驅動芯片如何引領汽車動態氛圍燈高性價比未來
隨著汽車向移動智能終端演進，車內座艙體驗成為競爭焦點。動態流水氛圍燈作為提升科技感與個性化體驗的關鍵配置，正從中高端車型快速滲透至更廣泛的車型市場。在這一趨勢下
硬件在環HIL（一）：什么是HILS？
本系列文章旨在介紹HILS，并提供使用HILS測試ECU的基礎知識。本系列的第一篇文章是“什么是HILS？”
商用車后橋轉向系統技術：原理、設計與安全
本研究將詳細探討這些不同類型的轉向機構，包括其具體描述、優缺點及安全考量。
智能交通系統中的傳感器技術：分類、互聯及應用拓展
本文還討論了實現全面運行且協同工作的智能交通系統環境所需解決的一些挑戰。
瑞薩電子基于R-Car第五代SoC推出端到端多域融合解決方案，加速推動SDV創新
芯片樣品、完整評估板及RoX白盒SDK現已上市，將于CES 2026亮相全球半導體解決方案供應商瑞薩電子（TSE：6723）今日宣布圍繞其第五代（Gen 5）R
全球首例跨境通行的Einride無駕駛室電動自動駕駛卡車技術解析：方案核心、對比優勢與物流自動化啟示
Einride 無駕駛室電動自動駕駛卡車完成挪威瑞典跨境通行，集成 Digitoll 數字海關系統簡化清關，依托歐盟 MODI 項目推動 CCAM 落地，助力物流降本增效、減碳，開啟行業自動化新紀元。
下一代自動駕駛汽車系統XIL驗證方法
本研究還包含全面的基準測試，重點關注最新的汽車測試框架，并分析了全球汽車測試領域主要相關機構所采用的方法與技術
生態駕駛措施顯著減少車輛排放：MIT 研究解析減排效果及實施路徑
生態駕駛措施通過動態調控車速減少車輛排放，MIT 研究顯示全面采用可降 11-22%，10% 采用亦有效，結合深度強化學習，助力交通減排與氣候改善。
VTD 數據集：視覺與觸覺融合的駕駛員狀態及行為檢測數據集 —— 構建方法、特性與應用價值
VTD 數據集是基于視覺與觸覺融合的駕駛員狀態及行為檢測綜合數據集，涵蓋 10 小時以上疲勞駕駛數據、102 個車輛接管場景，整合面部視頻、心電圖、車輛信號等多模態數據，可有效支撐自動駕駛中駕駛員疲勞檢測、分心監測及人機共駕權切換算法的研發，為提升駕駛安全性提供標準化數據基準。
Gatik Arena?+NVIDIA Cosmos：超現實模擬重構自動駕駛貨運，助力克羅格、泰森食品實現無人化突破
本文深度解析 Gatik Arena?如何依托 NVIDIA Cosmos 構建超現實模擬平臺，通過物理級真實感渲染、極端場景訓練及閉環測試系統，提升自動駕駛貨運的安全性與商業化效率。結合克羅格、泰森食品等行業巨頭的應用案例，揭示其在冷鏈物流、城市配送等場景的突破性進展，為關注自動駕駛、智慧物流的讀
數據驅動的自動駕駛虛擬測試方法
本文介紹了德國 AVEAS 研究項目的中期成果，該項目旨在開發用于協調、系統和可擴展地獲取現實世界數據的方法和指標
端到端是 L4 級自動駕駛的終極目標嗎？—— 自動駕駛軟件技術路線探討
本文探討了端到端是否為 L4 級自動駕駛的終極目標，分析了模塊化軟件與端到端方法的特點、優劣，以及端到端面臨的 “黑箱” 問題，還介紹了當前的混合系統現狀，結合 IDTechEx 新報告內容，展現了自動駕駛軟件技術路線的發展與爭議。
《美國自動駕駛法案》（AMERICA DRIVES Act）解析：推動 4/5 級自動駕駛商用車發展，簡化監管并確立全國標準
《美國自動駕駛法案》（AMERICA DRIVES Act）推動自動駕駛商用車發展，優先于州級司機要求、簡化監管，明確 4/5 級自動駕駛定義，為卡車行業創新與安全運營提供全國統一框架，解析其核心條款與行業影響。
自動駕駛開發者如何用虛擬駕駛模擬測試惡劣天氣？方法、優勢與實踐指南
本文解析自動駕駛開發者如何利用虛擬駕駛模擬測試惡劣天氣，探討惡劣天氣對自動駕駛的挑戰、模擬測試的優勢（成本低、安全性高、可重復）、核心技術（物理渲染、傳感器模擬等）及局限性，助力提升自動駕駛在復雜環境中的穩健性與安全性。
用馬爾可夫模型進行自動駕駛安全分析
我們提出了一種使用深度學習（特別是多層感知器）復制連續時間馬爾可夫鏈行為的方法。
電動汽車無 PFAS 制冷劑：替代方案、法規影響及 2036 年需求預測（超 1400 萬公斤）
本文解析電動汽車無 PFAS 制冷劑的發展趨勢，探討 R744、R290 及新型混合物等替代方案的優缺點與應用前景，結合法規動態預測 2036 年需求量，為行業提供參考。
《電動汽車：陸、海、空（2025-2045）》報告解析：市場趨勢、技術發展與未來預測
本文詳解 IDTechEx 報告《電動汽車：陸、海、空（2025-2045）》的核心內容，涵蓋 11 個電動汽車市場的技術趨勢、市場預測及驅動因素，為關注電動汽車行業發展的用戶提供全面參考。
深度解析：《2026-2036 年電動汽車熱管理技術路線與市場戰略白皮書》
IDTechEx《2026-2036 年電動汽車熱管理》報告揭示：全球市場規模將突破 1,200 億美元，液冷集成與智能熱控成主流，固態電池催生石墨烯導熱膜需求，中國企業憑借成本優勢占據 52% 市場份額。報告涵蓋技術路線對比、區域競爭策略及儲能 / 數據中心新興場景分析。
深度解析：2026-2046 年自動駕駛軟件市場預測與技術路線
IDTechEx《2026-2046 年汽車自動駕駛軟件與人工智能》報告揭示：ADAS 軟件未來十年主導市場，L3/L4 級技術成私家車收入主力，Robotaxi 預計 2026 年實現規模化盈利。報告涵蓋全球市場預測、技術路線對比及法規分析，指出端到端 AI 與激光雷達融合將重塑行業格局。
IDTechEx：2025-2045 年乘用車 ADAS 市場全景：L2 + 技術突破、L3 級區域法規博弈與傳感器成本革命
本文深度解析 2025-2045 年乘用車 ADAS 市場，涵蓋 L2 + 技術突破（高速 / 城市 NOA）、L3 級商業化瓶頸、區域法規差異（歐美中責任認定）、傳感器成本結構（激光雷達 / 攝像頭融合）及供應鏈變革（中國軟硬一體方案）。結合 IDTechEx 預測數據，揭示 ADAS 從高端向大
特斯拉全球首推全自動駕駛交付：HW5.0+FSD V12 協同突破，Robotaxi 技術開啟汽車工業新紀元
特斯拉完成全球首次全自動駕駛交付，Model Y 憑借 HW5.0 硬件平臺與 FSD V12 系統，實現 30 分鐘跨城無干預行駛，最高時速 116 公里。Robotaxi 技術賦能下，車輛從工廠自主抵達用戶家門口，同步驗證 FSD（監督模式）的全場景通行能力。行業分析認為此舉將重構汽車交付模式，
美首個無人機交通管理系統上線，NASA/FAA 護航，徹底終結空中碰撞風險
美國首個無人機交通管理系統由 MAAP、NASA 與 FAA 聯合推出，核心功能預防空中碰撞，通過實時數據共享化解航線沖突。歷經十年研發，2024 年正式落地北德克薩斯州，支持 Wing 等企業無人機配送作業，建立行業治理框架與跨平臺協同標準，邁向超視距作業規則化，速覽無人機交通管理里程碑進展！
AEye 攜手多倫多大學 WinTOR，共探全天候自動駕駛技術新突破
本文聚焦自動駕駛技術前沿動態，高性能激光雷達領域龍頭 AEye 攜手多倫多大學 WinTOR 全天候自動駕駛研究項目，在通用汽車等多方贊助下，針對暴雨、大雪等惡劣天氣場景，借助先進感知技術與人工智能，著力提升自動駕駛安全性與可靠性。AEye 將憑借 Apollo 激光雷達遠程探測優勢，與 WinTO
端到端學習實現自動駕駛汽車
我們使用英偉達開發箱（NVIDIA DevBox）和 Torch 7 進行訓練，并使用同樣運行 Torch 7 的英偉達 DRIVE? PX 自動駕駛汽車計算機來確定行駛方向
基于因果推理的 SAE 4/5 級自動駕駛關鍵度解釋框架：因果關系形式化及其安全應用
自動駕駛系統（SAE 4/5 級）的安全保障面臨復雜挑戰，傳統基于距離的方法不再適用，而僅依賴關聯統計的場景化方法難以識別關鍵場景的因果關系。 本文引入 Jud
彌合人工智能代理鴻溝：跨越自主能力光譜的實施困境與突破路徑
本文深入剖析了人工智能代理實施現狀，通過對超 1250 個開發團隊的調查數據，揭示了計劃構建復雜代理工作流程與成功生產部署之間的巨大差距。詳細闡述了從 L0 到 L5 的自主能力框架，分析各自主級別面臨的技術挑戰、技術棧考量及實施現實。還探討了開發方法、未來方向和技術路線圖，為人工智能開發者提供了極
AlphaDrive：華中科技大學 - 地平線聯合提出強化學習框架，突破自動駕駛 VLM 規劃瓶頸（MetaAD 提升 22%）
華中科技大學聯合地平線提出 AlphaDrive 框架，創新性結合強化學習與推理技術，突破自動駕駛 VLM 規劃瓶頸。通過 GRPO 算法與四種定制獎勵（規劃準確性 / 動作加權 / 多樣性 / 格式），在 MetaAD 數據集上實現橫向決策 F1 提升 22%、縱向決策 F1 提升 18%。采用
Chameleon：清華 - 博世聯合提出快 - 慢神經符號框架，突破無地圖自動駕駛車道拓撲提取精度（OpenLane-V2 提升 22%）
清華大學聯合博世研發的 Chameleon 框架，創新性提出快 - 慢神經符號推理架構，突破自動駕駛無地圖場景下的車道拓撲提取難題。通過動態合成程序的快速系統處理常規車道關系，結合 GPT-4 視覺模型的慢系統解決極端路口場景，在 OpenLane-V2 數據集上實現車道段檢測 DETIs 提升 2
Occ-LLM：基于運動分離 VAE 的大模型架構，突破自動駕駛 4D 占用預測精度極限（港科大廣州）
香港科技大學廣州分校最新研究提出 Occ-LLM 框架，創新性融合大語言模型與 3D 語義占用表示，突破傳統自動駕駛感知瓶頸。通過運動分離變分自動編碼器（MS-VAE）有效解決動態 / 靜態場景分離難題，在 nuScenes 數據集上實現 4D 占用預測 IoU 提升 6%、mIoU 提升 4%。支
北大聯合理想汽車突破駕駛場景重建：ReconDreamer 首創在線恢復技術，NTA-IoU 提升 24.87%（多車道變換場景）
"ReconDreamer：北大聯合理想汽車首創動態駕駛場景重建框架！通過在線恢復技術 + 漸進式數據更新策略，在多車道變換等復雜機動中實現 NTA-IoU 提升 24.87%（超越 Street Gaussians），FID 指標優化 29.97%。技術突破包括：基于擴散去噪的 Driv
顛覆端到端自動駕駛：零樣本 LLM + 閉環架構，單錐體訓練實現復雜場景泛化（90% 數據標注減少）
"紐約州立大學顛覆性突破：全球首個零樣本 LLM 賦能端到端自動駕駛閉環架構！僅需單錐體極簡環境訓練，通過 LLM 實時生成左轉 / 右轉指令，成功應對多障礙物、動態場景及視覺干擾（如之字形走廊 + 垃圾桶）。技術創新包括：基于 ChatGPT-4o 的多模態指令生成鏈（障礙物識別→路徑評
LeapVAD：雙過程決策 + 認知感知，突破自動駕駛長尾場景瓶頸（CARLA 模擬器驗證）
LeapVAD 自動駕駛框架，突破傳統數據驅動方法局限。通過認知感知模塊動態聚焦關鍵交通要素，構建多屬性場景表征，并融合雙過程決策機制：系統 II（分析過程）依托 LLM 邏輯推理積累經驗，系統 I（啟發式過程）通過少樣本學習實現快速響應。創新場景編碼器網絡生成緊湊場景 token，支持高效經驗檢
駕駛世界模型（DWM）系統性綜述：多模態融合與時空建模賦能自動駕駛復雜場景，nuScenes 基準關鍵技術突破
本文系統綜述駕駛世界模型（DWM）在自動駕駛中的核心作用，全面梳理其技術演進與應用場景。研究從 2D/3D 場景演化、無場景范式（潛狀態 / 多智體行為）兩大維度分類方法，重點分析多模態融合、時空一致性建模、可控生成等關鍵技術。論文深入探討 DWM 在模擬、數據生成、預期駕駛及 4D 預訓練中的創新
VLM-E2E：視覺 - 語言與 BEV 融合賦能端到端自動駕駛，nuScenes 動態場景接近人類駕駛水平
本文提出VLM-E2E框架，通過融合視覺 - 語言模型（VLM）與鳥瞰圖（BEV）特征，創新性地引入駕駛員注意語義監督，顯著提升端到端自動駕駛在復雜場景中的決策能力。該方法利用 BLIP-2 生成文本注釋，結合 CLIP 編碼文本特征，并通過可學習的 BEV-Text 加權融合策略動態平衡多模態信息
CarPlanner：一致性自回歸 RL 框架，突破自動駕駛軌跡規劃效率與一致性瓶頸
本文提出的 CarPlanner 是一種面向自動駕駛的一致性自回歸軌跡規劃模型，通過結合強化學習（RL）與自回歸結構，突破了傳統規劃器在大規模場景下訓練效率低、多模態軌跡一致性差的難題。模型創新性地引入縱向 - 橫向模式分解框架，利用非反應式轉換模型預生成交通參與者軌跡，通過一致性模式條件策略實現多
PreWorld：半監督視覺中心 3D/4D 占用模型，突破自動駕駛場景理解成本與精度瓶頸
本文提出了一種用于自動駕駛的半監督視覺中心 3D 占用世界模型 PreWorld，通過兩階段訓練范式（自監督預訓練 + 全監督微調）有效利用 2D 標簽，顯著降低 3D 占用注釋成本。模型創新性地引入狀態條件預測模塊和體渲染技術，實現高精度 3D/4D 場景理解與動態預測，在自動駕駛場景中展現出高效
Sce2DriveX 框架：多模態 MLLM 與思維鏈推理推動類人自動駕駛的跨場景泛化
本文提出 Sce2DriveX 框架，一種基于多模態大語言模型（MLLM）的場景到駕駛學習通用框架，旨在解決自動駕駛中跨場景泛化與人類認知一致性難題。Sce2DriveX 通過融合多視角視頻與 BEV 地圖的多模態聯合學習，強化 3D 時空關系理解與道路拓撲推理，并重構人類駕駛思維鏈（CoT），涵蓋
Autosar 架構賦能汽車智駕域：分層控制與多模態傳感器融合實踐
深入剖析基于 Autosar 規范的汽車智駕域軟件架構設計，聚焦分層 VMC 車輛運動控制體系，涵蓋傳感器數據融合、ADAS 應用層開發、多域協同管理及執行器控制等關鍵技術。詳細解讀 ACC、AEB、LKA 等 ADAS 功能的實現邏輯，展示標準化接口設計如何降低系統耦合，提升功能擴展與故障處理能力
AI大模型重構汽車智能：多模態融合與端到端自動駕駛技術突破
深度解析基于深度學習的自動駕駛小車核心技術，詳解卷積神經網絡（CNN）在圖像特征提取中的應用。涵蓋卷積層、激活函數、池化層及線性變換層的原理與 PaddlePaddle 實現，結合英偉達端到端模型，展示如何通過海量數據訓練實現實時轉向決策。突破傳統算法依賴人工調參的局限，提供工程實踐指導，助力復雜場
AI 大模型及汽車應用研究：推理、降本和可解釋性
聚焦 AI 大模型在汽車領域的技術突破，深度解析推理能力提升、可解釋性技術及成本優化路徑。涵蓋多模態推理框架、決策可視化方案及低功耗部署方案，揭秘 DeepSeek 等前沿模型如何助力高階智駕與智能座艙平權，構建安全可信的人車交互體驗。
