0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

小米汽车组织架构重大调整,加速推进年内端到端智能驾驶交付

要长高 2024-09-23 17:39 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

小米智能驾驶团队近日宣布完成重大组织架构调整,标志着其在智能驾驶技术领域的战略深化。此次调整中,原有的“感知”与“规控”两大二级部门被整合为全新的“端到端算法与功能部”,这一变革旨在加速量产方案的研发进程,并引领小米汽车从传统的模块化开发模式,向更加高效、集成的端到端大模型技术路线全面转型。据悉,小米汽车正全力冲刺,目标是在年内实现端到端智能驾驶技术的交付应用。

与此同时,小米内部负责自动驾驶前沿技术预研的团队被正式确立为重点发展部门,承担起推动L3/L4级高级别自动驾驶产品从研发迈向市场应用的重大使命。这一举措进一步彰显了小米在自动驾驶技术领域的雄心壮志和长远布局。

目前,小米智能驾驶团队规模庞大,横跨北京、上海、武汉三地,总人数已接近1200人,构成了一支实力雄厚的技术研发力量。面对量产方案进展不及预期的挑战,重组后的“端到端算法与功能部”将肩负起开发包含激光雷达与不含激光雷达两套并行技术方案的重任,以确保产品能够适应不同市场需求,加速推进智能驾驶技术的普及应用。

今年早些时候,小米CEO雷军在公开场合表达了对智能驾驶领域的坚定信心。他透露,小米在该领域的研发投入巨大,研发团队规模已超千人,并计划在今年年底前突破1500人。雷军还自豪地表示,小米的智能辅助驾驶系统全系自研,将全系标配包括高速领航、一键代客泊车、智能泊车辅助等在内的多项先进功能,并推出Xiaomi Pilot Pro和Xiaomi Pilot Max等高端版本。他坚信,小米智能驾驶将迅速成长为业内进步最快、进展最猛的力量之一,并力争在2024年内跻身行业第一阵营。

在硬件配置方面,小米SU7系列汽车搭载了强大的智能驾驶硬件组合,包括2颗英伟达Orin芯片提供高达508TOPS的算力支持,以及1颗激光雷达、11颗高清摄像头、3颗毫米波雷达和12颗超声波雷达等多元传感器,共同构建了一个全方位、高精度的环境感知系统。在软件层面,小米汽车则充分发挥AI技术的优势,全面自研底层算法,并对BEV(鸟瞰图)、Transformer、OCC占用网络等关键AD技术进行全面融合与创新应用,同时积极引入大模型技术,为智能驾驶系统注入更强大的智能与灵活性。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 智能驾驶
    +关注

    关注

    5

    文章

    3041

    浏览量

    51379
  • 辅助驾驶
    +关注

    关注

    1

    文章

    436

    浏览量

    15833
  • 小米汽车
    +关注

    关注

    1

    文章

    351

    浏览量

    7111
收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    为什么一段式自动驾驶很难落地?

    ,将感知、预测、规控等任务拆分为相互独立的子系统。然而,随着深度学习技术的突破,的新兴技术架构开始占据讨论的中心。 在这一架构中,一段
    的头像 发表于 03-08 09:44 1796次阅读
    为什么一段式<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>自动<b class='flag-5'>驾驶</b>很难落地?

    自动驾驶为什么会出现黑盒现象?

    在自动驾驶领域,(End-to-End)是指从感知环境的原始数据车辆实际控制指令,全部交给一个统一的深度学习模型来完成。这和传统的模
    的头像 发表于 02-20 09:25 9542次阅读
    自动<b class='flag-5'>驾驶</b><b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>为什么会出现黑盒现象?

    行业首个基于地平线单征程6M芯片的城市NOA方案正式交付上车

    128TOPS极致算力实现越级城市NOA体验,搭载于理想L系列智能焕新版的AD Pro车型。随着基于征程6M的合作方案陆续量产交付,地平线将加速推进城区辅助
    的头像 发表于 01-24 11:03 579次阅读

    如何训练好自动驾驶模型?

    [首发于智驾最前沿微信公众号]最近有位小伙伴在后台留言提问:算法是怎样训练的?是模仿学习、强化学习和离线强化学习这三类吗?其实
    的头像 发表于 12-08 16:31 1602次阅读
    如何训练好自动<b class='flag-5'>驾驶</b><b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>模型?

    自动驾驶仿真与基于规则的仿真有什么区别?

    在自动驾驶领域,“仿真”指的是将感知控制的整个决策链条视为一个整体,从而进行训练和验证的思路。
    的头像 发表于 11-02 11:33 1855次阅读

    黑芝麻智能全栈式辅助驾驶系统的应用场景

    黑芝麻智能推出的全新一代全栈辅助驾驶系统,以武当C1200系列高算力芯片为基石,深度融合自研感知算法,实现从场景感知
    的头像 发表于 09-09 17:19 2830次阅读

    发展趋势下,云算力如何赋能智能驾驶技术跃迁?

    [首发于智驾最前沿微信公众号]随着智能驾驶辅助系统的发展,汽车行业正在从传统模块化架构
    的头像 发表于 09-08 09:16 1161次阅读
    <b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>发展趋势下,云算力如何赋能<b class='flag-5'>智能</b><b class='flag-5'>驾驶</b>技术跃迁?

    蔚来模型化架构如何大幅提升安全上限

    2024年7月,蔚来将行业首个基于模型化架构的「自动紧急制动 AEB」推送上车,蔚来也成为了行业首家使用
    的头像 发表于 08-15 15:35 1043次阅读

    博世一段式端方案打造智能辅助驾驶体验

    智能辅助驾驶加速落地的今天,面向复杂多变城市环境的广覆盖、高适应性智能辅助驾驶方案,目前仍是技术发展的关键突破方向。博世致力于打造既高效又
    的头像 发表于 08-07 16:55 2463次阅读

    Nullmax自动驾驶最新研究成果入选ICCV 2025

    近日,国际计算机视觉大会 ICCV 2025 正式公布论文录用结果,Nullmax 感知团队在自动驾驶方向的最新研究成果《HiP-AD: Hierarchical
    的头像 发表于 07-05 15:40 1963次阅读
    Nullmax<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>自动<b class='flag-5'>驾驶</b>最新研究成果入选ICCV 2025

    为什么自动驾驶大模型有黑盒特性?

    [首发于智驾最前沿微信公众号]随着自动驾驶技术落地,(End-to-End)大模型也成为行业研究与应用的热门方向。相较于传统自动驾驶
    的头像 发表于 07-04 16:50 1027次阅读
    为什么自动<b class='flag-5'>驾驶</b><b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>大模型有黑盒特性?

    为何成为各车企智驾布局的首要选择?

    [首发于智驾最前沿微信公众号]在智能驾驶领域,技术的提出标志着自动驾驶系统在
    的头像 发表于 06-07 11:52 847次阅读
    为何<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>成为各车企智驾布局的首要选择?

    Momenta飞轮大模型开启智能辅助驾驶行车体验

    面对桥底迷宫下连续绕障左转的场景,遭遇极窄夹缝、桥墩障碍物等复杂等路况,Momenta飞轮大模型以管家级智能辅助驾驶,无忧守护用户的每
    的头像 发表于 05-14 14:37 1339次阅读

    一文带你厘清自动驾驶架构差异

    [首发于智驾最前沿微信公众号]随着自动驾驶技术飞速发展,智能驾驶系统的设计思路也经历了从传统模块化架构
    的头像 发表于 05-08 09:07 1195次阅读
    一文带你厘清自动<b class='flag-5'>驾驶</b><b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b><b class='flag-5'>架构</b>差异