智己汽车将 AI Coding 引入底盘研发,推动部分验证环节前置
在 2026 第六届汽车 AI 智能底盘大会上,智己运动控制部高级专家王彬透露,公司已利用 AI Coding 辅助产品文档标准化、交互原型设计及功能评审。进入开发阶段后,AI 还可用于信号设计、状态机逻辑检查及多源数据处理,使部分原本在后期开展的仿真验证工作得以提前完成。
在 2026 第六届汽车 AI 智能底盘大会上,智己运动控制部高级专家王彬透露,公司已利用 AI Coding 辅助产品文档标准化、交互原型设计及功能评审。进入开发阶段后,AI 还可用于信号设计、状态机逻辑检查及多源数据处理,使部分原本在后期开展的仿真验证工作得以提前完成。
同星智能推出功能安全实车测试交钥匙方案,利用 TH7201 等硬件配合 TSMaster 上位机,覆盖 GB 17675—2025、GB 21670—2025 等四项强制性国标。该方案支持总线通信故障注入最大报文转发延时小于 1ms,实现从故障检测到安全维持的毫秒级闭环验证与便携实车部署。
同星智能推出以 TG5050 C/E 设备为核心的智驾数采方案,通过硬件级时间戳与 GNSS/PTP 授时实现微秒级跨总线对齐及小于 10 ms 同步精度。该方案兼容 CAN FD、以太网等全协议,内置 NVMe SSD 支持 TB 级存储与断点续传,经 S3 云端统管多台测试车。产品覆盖路试采集、故障排查等场景,提供从勘察到培训的“交钥匙”交付服务。
NVIDIA在Hugging Face平台发布了Alpamayo 2 Edge模型,该模型拥有20亿个参数,专为DRIVE AGX Thor平台设计以支持10 Hz运行频率。它旨在帮助开发者在车载算力和延迟限制下进行开发,并附带部署方案及评估工具,可用于生成并分析驾驶轨迹及其因果解释。
Autoware 2.1.0 将 CUDA 基础包移至 autoware_cuda 仓库,发布 core-devel-cuda 等三层新镜像以支持 ROS 2 Humble/Jazzy。该版本在 Ubuntu 24.04 下通过 Python venv 解决 rosdep pip keys 安装失败问题,并新增 carla Ansible 角色以部署 CARLA 1.0 或夜间构建版。
芯驰宣布其X10车规芯片进入商业化落地阶段,该芯片采用4nm工艺,NPU算力达80 TOPS且内存带宽为154 GB/s,支持最高9B参数规模大模型端侧部署。相比传统“座舱SoC加外挂AI Box”方案,X10可减少约25%的DDR存储容量并降低系统BOM成本。
该研究针对学习型规划器对驾驶数据长尾分布敏感的问题,提出 FlowDrive 框架。该方法采用轨迹模式重加权策略平衡采样数据,并引入条件修正流将噪声直接映射到轨迹分布。通过加入受控引导与轻量后处理(FlowDrive*),在 nuPlan 和 interPlan 基准测试中实现了接近或超越规则基线方法的最先进性能。代码已开源。
Aseon Labs 推出其首个完全构建的机器人服务舱,标志着旨在帮助自动驾驶车队规模化的便携式维修站的全球首次亮相。完成的单元目前正在接受主要自动驾驶汽车运营商的部署测试,以支持车队运维需求。
Autoware 2.0 正式发布,在原有规则基线栈旁新增 AI 规划器选项,采用生成 - 选择架构让用户通过 launch 参数选择 Diffusion Planner。基础模型与数据集已迁移至 Hugging Face,并引入 Autoware Index 管理外部仓库及 Autoware Reference Design 提供可复现的部署配置。
推荐理由:Autoware 2.0 新增扩散规划器与生成 - 选择架构,并将基础模型迁移至 Hugging Face。
Kodiak AI 宣布与加州长途货运公司 DTL Transport 达成历史性的具有约束力的协议,DTL 将作为首批客户在自有车队中商业运营 Kodiak Driver。
推荐理由:Kodiak AI 与 DTL Transport 达成历史协议,DTL 将作为首批客户在自有车队中商业运营 Kodiak Driver。
小马智行宣布与inDrive、英伟达签署合作备忘录,将在哈萨克斯坦首都阿斯塔纳率先试点Robotaxi服务。这是小马智行首次将业务拓展至中亚地区。合作中,小马智行提供第七代Robotaxi车辆及L4级自动驾驶技术,inDrive负责出行平台运营和服务管理,英伟达以NVIDIA Hyperion自动驾驶计算平台及Halos安全系统提供AI基础设施支持。
针对现有自动驾驶模型在跨区域场景下缺乏适应性的问题,本文提出 OEL-AD 框架,利用规划模块的轨迹不确定性作为触发信号,通过预测行为与后续观测的差异构建自监督学习信号来优化感知和预测模块。在 nuScenes 数据集的新加坡与波士顿跨区域划分上的实验表明,该框架能持续提升感知、预测及规划性能,验证了在线进化学习在构建自适应自动驾驶系统中的潜力。
阶跃终端正式发布首款物理版 Agent 手机 STEPX Neo,搭载支持 Loop 循环与自主 Tool Call 的 Step AOS 系统。售价 3999 元含包年 Token Plan,前 1 万名达标用户获未来五年新款终端置换资格。设备内置“智能体安全”模块实现可信、可见、可控、可逆管理,并通过 H2A2A 协议打通三方生态工具。
埼玉大学团队联合日立安斯泰莫发布基于云的评估平台,集成 CART、CARLA、ROS 2 及 AUTOSAR AP,实现了对预期通信拓扑的 100% 覆盖重建。
针对学习型驾驶规划器在闭环执行中易出现停滞或冲突的问题,本文提出 Closed-Loop Refinement and Execution (CLRE) 框架。
Autonomous Vehicle Storage (AVS) 是一种专为车载环境设计的分层数据存储系统,旨在将瞬态的多模态传感器流转化为紧凑、长周期且可查询的历史记录。
Kodiak AI 宣布采用亚马逊云科技(AWS)作为核心云平台,支撑其 BreakPoint 安全验证工具、AI 模型训练及 Driver 自动驾驶系统的开发。该合作旨在利用 AWS 的高性能计算能力运行百万级仿真场景,加速在 2026 年底前于德州公共高速公路推出无人驾驶货运服务。此举为 Kodiak 未来在美国范围内的规模化部署提供了可扩展的云基础设施基础。
Torc 成立 DataLoop and Simulation (DL+S) 部门,旨在统一组织内从数据摄入、处理到模型验证及部署的完整开发周期。该部门利用 Ray 等工具标准化工作流,管理每小时约 9TB 的卡车运营数据并构建闭环实验循环以加速 AI 模型迭代。通过整合仿真生成合成数据与强化学习,DL+S 确保在海量多模态数据处理下实现高效计算与可审计的安全部署。
NVIDIA Topograph 通过感知 GPU 拓扑结构进行工作负载放置,避免跨共享链路传输导致吞吐量下降和成本上升。该技术防止 GPU 因等待数据而空转消耗供电,确保在功率受限的 AI 工厂中实现价值最大化。
百度萝卜快跑携最新全球化成果亮相北京第十八届国际交通展,宣布拿下香港首个全无人驾驶测试牌照并在机场岛开展车内无安全员测试。全球布局方面,其在伦敦联合Uber、Lyft启动公开道路测试,在迪拜接入Uber实现双平台叫车,并首次进入中亚市场与哈萨克斯坦签署协议。
Autoware 发布 1.9.0 版本,核心更新包括将扩散规划器(diffusion_planner)升级至 v5.0 模型文件,并正式支持 NVIDIA Thor(Jetson + DRIVE)平台在 JetPack 7 与 SBSA CUDA 13 环境下的运行。
Mobileye Drive™平台通过共享核心技术与Mobileye REM™众包地图层,支持从紧凑Robotaxi到巴士等多种车型部署。其安全架构融合RSS责任敏感安全模型与PGF主 - 守护 - 后备三层设计,确保在不同法规区域保持一致性。规模化MaaS需OEM、车队运营商及监管方等多方协作,而非仅依赖技术突破。
Autoware 软件栈 1.8.0 版移除 acados、tera_renderer 及 rust 组件,同时引入 diffusion_planner_simplified.onnx 模型。该更新包含 autoware_system_designer v0.3.1 等新工具,并修复了 acados 角色权限错误等已知问题。
Autoware 发布补丁版 1.7.1,主要修正通过 apt 安装 Rust 的依赖问题,改为使用 rustup。随附对 autoware_lanelet2_extension 至 0.12.0 的向后兼容更新,未引入破坏性变更。
Autoware 1.7.0 版本发布,移除了 tier4 api adapter 组件。该版本在 autoware-nightly.repos 中新增了 nebula v0.3.2 及 sync_tooling_msgs,并对 acados 元仓库进行了更新。此外,修复了 ansible gdown role 等构建与持续集成问题,更新了中心点模型配置。
Autoware 1.6.0 正式发布,核心更新包括将扩散规划器从 v1.0 替换为 v3.0,并移除旧版 v0.1。该版本同步升级底层依赖至 CUDA 12.8、ROS 2 Jazzy 及 Isaac Sim 22.0.0,同时优化了 Jetson/ARM64 架构的构建配置与文档安装指南。此次发布还完成了部分二进制符号剥离及 CI 工作流简化,旨在提升仿真到现实部署效率并降低环境搭建门槛。
Kodiak 与博世签署战略协议,将规模化制造融合专用硬件、固件及软件接口的生产级冗余自动驾驶平台以支持 Kodiak Driver。博世将提供传感器等组件助力该方案在装配线或改装商处量产,双方计划于 CES 2026 展示搭载 Kodiak Driver 的无人卡车。
11 月 27 日,百度 Apollo 向北京航空航天大学捐赠一批配备完整自动驾驶系统的车辆,支持该校科研教学与人才培养。此次合作延续双方联合开设国内首个“自动驾驶”专业及编写入选国家重点规划丛书等深厚渊源。作为“星火计划”首批受赠高校之一,北航将利用该资源推动学生科技创新与理论实践深度融合。
Autoware 软件栈 v1.5.0 正式发布,核心将 tier4/scenario_simulator_v2 仿真器从 17.x 重大更新至 18.2.1。
前 CMU 机器人学教授 Red Whittaker 于本周加入 Kodiak AI 传播团队,旨在讲述公司真实世界部署故事。截至 8 月底,Kodiak 卡车已在现实世界行驶约 300 万英里,并向 Atlas Energy Solutions Inc.交付了 8 辆用于 Permian Basin 工业应用的完全无人驾驶卡车。
Kodiak AI 与 Werner Enterprises 合作,将其虚拟驾驶员直接集成进客户现有的运输管理系统(TMS),无需替换或建立并行系统。该方案使自动驾驶卡车能像普通车队资产一样被分配、追踪和管理,证明了自主技术适配运营流程的可行性。
2025 年 8 月,百度 Apollo 向浙江大学捐赠 6 辆 L4 级别前装量产自动驾驶车辆及全套套件,支持教学科研测试。该举措依托 Apollo 开放平台打造仿真评测与实车演练一体化赛事,近三年来已吸引全国 130 多所高校参与第 27 届 CRAIC 总决赛。此举旨在推动产学研用深度融合,加速我国自动驾驶人才培养与产业繁荣发展。
8 月 5 日,百度 Apollo 在苏州举办第 27 届星火自动驾驶大赛总决赛,设置仿真与实车两大赛项,吸引全国 350 余所高校、1800 支队伍参与。赛事新增实车赛项并捐赠第四代自动驾驶车辆,让选手将代码部署到真车体验,实现从仿真到真车的实战跨越。超 15% 的往届选手凭借赛事经历获得百度、华为等企业工作机会,深化产学研融合。
Autoware 0.45.1 版本修复了 RViz 插件及三维边界框显示问题。该更新通过 pull request #6265 将 autoware_launch 补丁更新至 0.45.1,并新增 BEVDet 外部包与 TensorRT 推理工件支持。此外还引入了 agnocast 启动加载、仿真时间选项及 Docker Compose 日志模拟等新功能。
Autoware 发布软件栈版本 0.45.0,将 autoware_core 更新至 1.2.0、autoware_universe 更新至 0.45.0 及 autoware_msgs 至 1.9.0。此次更新新增 docker-compose.yaml 以运行规划仿真器,并修复了 jq 脚本计算缓存大小及 Dockerfile 中传感器组件与启动文件的复制逻辑。
Kodiak AI 与 Roush Industries 宣布合作,由 Roush 在密歇根州利沃尼亚工厂从 2025 年下半年起规模化改装搭载 Kodiak Driver 硬件的卡车。首批改装车辆将交付给 Atlas Energy Solutions 客户以扩展其自 2024 年 12 月启动的无人驾驶运营,旨在支持 Kodiak 从有限生产向全规模部署过渡。
6 月 15 日,百度 Apollo 向北京工商大学计算机与人工智能学院捐赠自动驾驶车辆及全套套件,支持开设课程、联合培养师生并开展科研竞赛。该行动依托 Apollo 开放平台提供多模态融合与大模型驱动的场景理解等实车测试资源,助力高校在真实道路验证算法创新。自 2017 年起,“星火计划”已覆盖全国 30 余省份、400 多所院校及 1.5 万人参赛队伍,推动产学研用协同发展。
Autoware 开源自动驾驶软件栈发布新版本 0.44.2,主要更新了 autoware_utils、autoware_launch 及 tier4_ad_api_adaptor 等核心组件。此次发布还修复了 spconv 安装缺失、IPv6 配置恢复及 Dockerfile 构建阶段调整等多个问题。
Autoware 开源自动驾驶软件栈发布 0.44.1 版本,核心更新包括将 agnocast 升级至 2.0.1、tier4/scenario_simulator_v2 升至 16.3.2 以及 autoware_msgs 等组件的版本迭代。
Autoware 开源软件栈发布 0.43.1 版本,通过 PR #5960 将 chore(autoware.repos) 中的分支引用修正为提交哈希。同时依据 PR #5967 移除相关启动文件引用并将 autoware_launch 组件升级至 0.43.1 版本。