通过视觉信息识别、理解人群的行为是视频监测、交互机器人、自动驾驶等领域的关键技术之一，但获取大规模的人群行为标注数据成为了相关研究的发展瓶颈。如今，合成数据集正成为一种新兴的，用于替代现实世界数据的方法，但已有研究中的合成数据集主要聚焦于人体姿态与形状的估计。它们往往只提供单个人物的合成动画视频，而这并不适用于人群的视频识别任务。
无需采集3D数据，也能训练出高质量的3D自动驾驶场景生成模型。
当前，多模态大模型 （MLLM）在多项视觉任务上展现出了强大的认知理解能力。 然而大部分多模态大模型局限于单向的图像理解，难以将理解的内容映射回图像上。 比如，模型能轻易说出图中有哪些物体，但无法将物体在图中准确标识出来。 定位能力的缺失直接限制了多模态大模型在图像编辑，自动驾驶，机器人控制等下游领域的应用。针对这一问题，港大和字节跳动商业化团队的研究人员提出了一种新范式Groma
本文介绍了特斯拉全自动驾驶FSD V12新版本的颠覆性变化，采用了端到端的AI大模型，取代了以往的Rule-base方案。
能用最简单的方法，做最复杂的事，才是真正的技术壁垒。
5 月 15 日，针对特斯拉 FSD（Full-Self Driving，全自动驾驶）付费选装率仅 2% 的消息，特斯拉 CEO 马斯克在 X 平台上回复称，实际情况远远超过了这个数字。
中国和国际AI合作不断深化，特斯拉计划在中国建立数据中心，推进FSD全自动驾驶算法。 美国采取技术封锁措施，对中国等国家实施人工智能模型出口管制。
近日，英国自动驾驶初创公司 Wayve 宣布已经在最新一轮融资中筹得了 10 亿美元，此次融资过后，Wayve 的融资总额已经高于 13 亿美元，成为英国人工智能初创公司有史以来最大的投资。
特斯拉首席执行官埃隆-马斯克（Elon Musk）宣布，今年将投资约100亿美元用于人工智能开发，特别是改进其汽车，以增强自动驾驶功能。
在阿布扎比的 F1 赛道上，8 辆赛车使用相同的轮胎，相同的发动机，完全一样的车身，唯一不同之处就是自动驾驶代码。
