技术“好的，雨宏。我补充三点核心底座能力建设。”
“第一，感知架构升级。&nbp;我们坚定推进‘bev（鸟瞰图）感知’作为下一代主航道。”
卞金麟的ppt切换到复杂的神经网络结构图。
“传统‘前融合’或‘后融合’在处理多传感器（摄像头、毫米波雷达、未来激光雷达）异构数据时存在信息损失或延迟问题。
bev感知将不同视角、不同模态的原始数据，通过tranfrer等网络结构，统一转换到车辆上方的鸟瞰视角坐标系下，生成统一的、稠密的环境表征。
这更符合自动驾驶的决策需求。”
他展示了仿真环境下的bev感知效果，车辆、车道线、可行驶区域等元素清晰直观。
“目前，我们的bev感知原型在nuene数据集上的目标检测ap值已提升至527%，接近行业头部开源方案水平，但距离量产落地还有距离，主要在实时性和车规级芯片的部署优化上。
投入占比约25%。”