端侧 AI 与机器人技术雷达｜2026-07-14
今日必看 VKNN 把 Android GPU 推理从“能跑”推进到可审计的 runtime VKNN 在 2026 年 7 月 13 日发布 v1.3.0，主变化不是新模型，而是对 Vulkan、CPU backend、核心 runtime、ONNX import 和 DMA-BUF 示例做
行业动态
文章列表
图像几何映射表：从单目去畸变到双目极线校正
图像几何映射表（Map）不是双目专属的数据。它是一种通用的坐标变换描述：输出图像中的每一个像素，应该去输入图像的哪个位置取值。 单目用它去除镜头畸变，双目用左右两张 Map 同时完成去畸变和
双目与单目深度估计：从数据通路到前沿方案
双目和单目最后都能输出一张深度图，但两者不是同一种测距方式。 双目先在左右图中找到同一个三维点，再利用相机基线做三角测量。它的尺度来自真实的镜头间距。 单目只看一张图，依靠透视、遮挡、
世界模型：让机器人先在‘脑内’试一遍
世界模型：让机器人先在“脑内”试一遍 什么是世界模型，它和机器人有什么关系，以及截至 2026 年 7 月有哪些值得关注的开源选择。 图 1：世界模型的直觉——机器人不必把每个动作都拿到现实里试，而是
360全景拼接原理、实现通路与芯片需求
这篇笔记梳理 360 全景拼接，也就是 AVM（Around View Monitor）/环视鸟瞰系统的原理、整条视频通路，以及它对芯片的真实需求。 先把结论说清楚：车载 360 拼接通常不是做“球形全景照片”
总线、NoC与DDR系统架构
学习 SoC 架构时，最容易混淆的是几个词：Bus、AXI、NoC、DDR、QoS。它们不是同一层面的概念。 Bus、Crossbar、Fabric、NoC：描述片上模块之间怎么连接。 AXI
Continuous Batching与Expert Grouping：大模型推理服务优化原理
概述 大模型推理服务的核心问题不是“单个请求能不能跑”，而是“很多请求同时进来时，GPU能不能一直忙，并且用户等待时间不要太长”。这里会遇到两个层面的调度问题。 请求层面：不同用户请求
投机解码原理：用草稿模型加速大模型生成
概述 大语言模型生成文本时，本质上是一个自回归过程：先根据已有上下文预测下一个token，再把这个token拼回上下文里，继续预测下一个token。也就是说，如果要生成100个tok
MoE模型原理：让大模型按需激活专家
概述 大模型能力提升通常依赖两个方向：模型参数变多、训练数据变多。Dense模型的做法比较直接，每一层的参数都会参与每个token的计算，模型越大，单次前向计算也越重。这样虽然简单，
ISP Pipeline 缩写词汇总
这篇文章把 ISP Pipeline 中常见缩写按数据流阶段串起来。看 ISP 文档时，不建议孤立记缩写，而是先判断它处在输入接收、RAW 前处理、HDR/3A、RGB/YUV 后处理、几何校正、输出，还是 AI/CV 支路。 完
解构LLM： 以llama.cpp分析模型推理过程
大模型推理的"第一性原理" 从Deepseek V3到Kimi K2 无论模型如何变化，当前主流大模型的核心架构都是基于transformer。其本质是一个由多层相同结构