视觉与机器人

自动驾驶

自动驾驶感知、规划、BEV、占用预测、激光雷达和仿真评测。

2026-06-25 至 2026-06-25 共收录 2 篇信号源：cs.RO, cs.CV, eess.IV, cs.AI

1. 端到端驾驶 2 篇

2606.25426 2026-06-25 cs.PF 新提交 50%

Above the Inner Loop: Exceeding Accelerate at LLM Prefill GEMM on the M1 AMX

在内循环之上：在M1 AMX上超越Accelerate的LLM预填充GEMM

Deyvik Bhan

专题命中端到端驾驶：occupancy(abstract)

AI总结通过微基准测试发现M1 AMX的内循环受限于加载-发射，手写内核通过细粒度多线程面板和预打包权重两个部署级杠杆超越Accelerate，在12种LLM预填充GEMM形状上实现1.17倍到2.0倍的加速，且位精确。

Comments 11 pages, 2 figures, 6 tables. Code: https://github.com/dbhan08/inferc

2507.01695 2026-06-25 cs.LG 版本更新 50%

PERTINENCE: Input-based Opportunistic Neural Network Dynamic Execution

PERTINENCE: 基于输入的动态神经网络执行

Omkar Shende, Gayathri Ananthanarayanan, Marcello Traiola

机构 * Department of Computer Science and Engineering, Indian Institute of Technology Dharwad, Karnataka, India（印度理工学院达沃德分校计算机科学与工程系）； University of Rennes, CNRS, Inria, IRISA, Rennes, France（法国雷恩大学、CNRS、Inria、IRISA）

专题命中端到端驾驶：occupancy(abstract)

AI总结提出PERTINENCE运行时方法，通过ML调度器从预训练模型中选择最轻量模型处理每个输入，使用遗传算法优化精度与计算成本的帕累托前沿，在多个视觉任务上减少高达36%计算量且精度不变或提升。