（BEVPlace网络结构）

此次毫末智行团队提交的《BEVPlace:Learning LiDAR-based place recognition using bird”s eye view images》（《基于鸟瞰图投影网络的点云地点识别方法》）成功入选ICCV 2023。论文《BEVPlace》探索了基于BEV图像的神经网络方法用于全局定位的潜力，基于等变网络设计了一个名为BEVPlace的旋转不变网络。得益于BEV图像的表征能力和旋转不变性设计，BEVPlace方法实现了高召回率、强泛化能力和对视角变化的鲁棒性，在多个大规模数据集下的实验表明，BEVPlace的性能超过了现有方法。此外，观察到几何和特征距离是相关的，并基于统计信息为位置估计进行了相关性建模。该模型同样可以适应其他定位方法，而BEVPlace给出了更准确的位置估计结果。

（BEVPlace和I2P-Rec在小魔驼中应用）

毫末两篇论文成功入选这两大殿堂级顶会，再次彰显了毫末的深厚AI技术实力与积累。同时，两篇论文方法均已落地小魔驼等业务，来攻克技术难题。

毫末的技术能力一直被行业评价为中国版特斯拉，它们都采用了大模型、大数据和大算力的方案，以及重感知技术路线。今年4月，毫末发布了行业首个自动驾驶生成式大模型DriveGPT雪湖·海若，并受邀成为“北京市通用人工智能产业创新伙伴计划”第一批模型伙伴观察员。DriveGPT雪湖·海若还被选为北京市首批人工智能10个行业大模型应用案例之一。

（BEVPlace网络结构）

此次毫末智行团队提交的《BEVPlace:Learning LiDAR-based place recognition using bird”s eye view images》（《基于鸟瞰图投影网络的点云地点识别方法》）成功入选ICCV 2023。论文《BEVPlace》探索了基于BEV图像的神经网络方法用于全局定位的潜力，基于等变网络设计了一个名为BEVPlace的旋转不变网络。得益于BEV图像的表征能力和旋转不变性设计，BEVPlace方法实现了高召回率、强泛化能力和对视角变化的鲁棒性，在多个大规模数据集下的实验表明，BEVPlace的性能超过了现有方法。此外，观察到几何和特征距离是相关的，并基于统计信息为位置估计进行了相关性建模。该模型同样可以适应其他定位方法，而BEVPlace给出了更准确的位置估计结果。

（BEVPlace和I2P-Rec在小魔驼中应用）

毫末两篇论文成功入选这两大殿堂级顶会，再次彰显了毫末的深厚AI技术实力与积累。同时，两篇论文方法均已落地小魔驼等业务，来攻克技术难题。

毫末的技术能力一直被行业评价为中国版特斯拉，它们都采用了大模型、大数据和大算力的方案，以及重感知技术路线。今年4月，毫末发布了行业首个自动驾驶生成式大模型DriveGPT雪湖·海若，并受邀成为“北京市通用人工智能产业创新伙伴计划”第一批模型伙伴观察员。DriveGPT雪湖·海若还被选为北京市首批人工智能10个行业大模型应用案例之一。

（BEVPlace网络结构）

此次毫末智行团队提交的《BEVPlace:Learning LiDAR-based place recognition using bird”s eye view images》（《基于鸟瞰图投影网络的点云地点识别方法》）成功入选ICCV 2023。论文《BEVPlace》探索了基于BEV图像的神经网络方法用于全局定位的潜力，基于等变网络设计了一个名为BEVPlace的旋转不变网络。得益于BEV图像的表征能力和旋转不变性设计，BEVPlace方法实现了高召回率、强泛化能力和对视角变化的鲁棒性，在多个大规模数据集下的实验表明，BEVPlace的性能超过了现有方法。此外，观察到几何和特征距离是相关的，并基于统计信息为位置估计进行了相关性建模。该模型同样可以适应其他定位方法，而BEVPlace给出了更准确的位置估计结果。

（BEVPlace和I2P-Rec在小魔驼中应用）

毫末两篇论文成功入选这两大殿堂级顶会，再次彰显了毫末的深厚AI技术实力与积累。同时，两篇论文方法均已落地小魔驼等业务，来攻克技术难题。

毫末的技术能力一直被行业评价为中国版特斯拉，它们都采用了大模型、大数据和大算力的方案，以及重感知技术路线。今年4月，毫末发布了行业首个自动驾驶生成式大模型DriveGPT雪湖·海若，并受邀成为“北京市通用人工智能产业创新伙伴计划”第一批模型伙伴观察员。DriveGPT雪湖·海若还被选为北京市首批人工智能10个行业大模型应用案例之一。

（BEVPlace网络结构）

此次毫末智行团队提交的《BEVPlace:Learning LiDAR-based place recognition using bird”s eye view images》（《基于鸟瞰图投影网络的点云地点识别方法》）成功入选ICCV 2023。论文《BEVPlace》探索了基于BEV图像的神经网络方法用于全局定位的潜力，基于等变网络设计了一个名为BEVPlace的旋转不变网络。得益于BEV图像的表征能力和旋转不变性设计，BEVPlace方法实现了高召回率、强泛化能力和对视角变化的鲁棒性，在多个大规模数据集下的实验表明，BEVPlace的性能超过了现有方法。此外，观察到几何和特征距离是相关的，并基于统计信息为位置估计进行了相关性建模。该模型同样可以适应其他定位方法，而BEVPlace给出了更准确的位置估计结果。

（BEVPlace和I2P-Rec在小魔驼中应用）

毫末两篇论文成功入选这两大殿堂级顶会，再次彰显了毫末的深厚AI技术实力与积累。同时，两篇论文方法均已落地小魔驼等业务，来攻克技术难题。

毫末的技术能力一直被行业评价为中国版特斯拉，它们都采用了大模型、大数据和大算力的方案，以及重感知技术路线。今年4月，毫末发布了行业首个自动驾驶生成式大模型DriveGPT雪湖·海若，并受邀成为“北京市通用人工智能产业创新伙伴计划”第一批模型伙伴观察员。DriveGPT雪湖·海若还被选为北京市首批人工智能10个行业大模型应用案例之一。

（BEVPlace网络结构）

此次毫末智行团队提交的《BEVPlace:Learning LiDAR-based place recognition using bird”s eye view images》（《基于鸟瞰图投影网络的点云地点识别方法》）成功入选ICCV 2023。论文《BEVPlace》探索了基于BEV图像的神经网络方法用于全局定位的潜力，基于等变网络设计了一个名为BEVPlace的旋转不变网络。得益于BEV图像的表征能力和旋转不变性设计，BEVPlace方法实现了高召回率、强泛化能力和对视角变化的鲁棒性，在多个大规模数据集下的实验表明，BEVPlace的性能超过了现有方法。此外，观察到几何和特征距离是相关的，并基于统计信息为位置估计进行了相关性建模。该模型同样可以适应其他定位方法，而BEVPlace给出了更准确的位置估计结果。

（BEVPlace和I2P-Rec在小魔驼中应用）

毫末两篇论文成功入选这两大殿堂级顶会，再次彰显了毫末的深厚AI技术实力与积累。同时，两篇论文方法均已落地小魔驼等业务，来攻克技术难题。

毫末的技术能力一直被行业评价为中国版特斯拉，它们都采用了大模型、大数据和大算力的方案，以及重感知技术路线。今年4月，毫末发布了行业首个自动驾驶生成式大模型DriveGPT雪湖·海若，并受邀成为“北京市通用人工智能产业创新伙伴计划”第一批模型伙伴观察员。DriveGPT雪湖·海若还被选为北京市首批人工智能10个行业大模型应用案例之一。

讯享网

（BEVPlace网络结构）

此次毫末智行团队提交的《BEVPlace:Learning LiDAR-based place recognition using bird”s eye view images》（《基于鸟瞰图投影网络的点云地点识别方法》）成功入选ICCV 2023。论文《BEVPlace》探索了基于BEV图像的神经网络方法用于全局定位的潜力，基于等变网络设计了一个名为BEVPlace的旋转不变网络。得益于BEV图像的表征能力和旋转不变性设计，BEVPlace方法实现了高召回率、强泛化能力和对视角变化的鲁棒性，在多个大规模数据集下的实验表明，BEVPlace的性能超过了现有方法。此外，观察到几何和特征距离是相关的，并基于统计信息为位置估计进行了相关性建模。该模型同样可以适应其他定位方法，而BEVPlace给出了更准确的位置估计结果。

（BEVPlace和I2P-Rec在小魔驼中应用）

毫末两篇论文成功入选这两大殿堂级顶会，再次彰显了毫末的深厚AI技术实力与积累。同时，两篇论文方法均已落地小魔驼等业务，来攻克技术难题。

毫末的技术能力一直被行业评价为中国版特斯拉，它们都采用了大模型、大数据和大算力的方案，以及重感知技术路线。今年4月，毫末发布了行业首个自动驾驶生成式大模型DriveGPT雪湖·海若，并受邀成为“北京市通用人工智能产业创新伙伴计划”第一批模型伙伴观察员。DriveGPT雪湖·海若还被选为北京市首批人工智能10个行业大模型应用案例之一。

（BEVPlace网络结构）

此次毫末智行团队提交的《BEVPlace:Learning LiDAR-based place recognition using bird”s eye view images》（《基于鸟瞰图投影网络的点云地点识别方法》）成功入选ICCV 2023。论文《BEVPlace》探索了基于BEV图像的神经网络方法用于全局定位的潜力，基于等变网络设计了一个名为BEVPlace的旋转不变网络。得益于BEV图像的表征能力和旋转不变性设计，BEVPlace方法实现了高召回率、强泛化能力和对视角变化的鲁棒性，在多个大规模数据集下的实验表明，BEVPlace的性能超过了现有方法。此外，观察到几何和特征距离是相关的，并基于统计信息为位置估计进行了相关性建模。该模型同样可以适应其他定位方法，而BEVPlace给出了更准确的位置估计结果。

（BEVPlace和I2P-Rec在小魔驼中应用）

毫末两篇论文成功入选这两大殿堂级顶会，再次彰显了毫末的深厚AI技术实力与积累。同时，两篇论文方法均已落地小魔驼等业务，来攻克技术难题。

毫末的技术能力一直被行业评价为中国版特斯拉，它们都采用了大模型、大数据和大算力的方案，以及重感知技术路线。今年4月，毫末发布了行业首个自动驾驶生成式大模型DriveGPT雪湖·海若，并受邀成为“北京市通用人工智能产业创新伙伴计划”第一批模型伙伴观察员。DriveGPT雪湖·海若还被选为北京市首批人工智能10个行业大模型应用案例之一。

（BEVPlace网络结构）

此次毫末智行团队提交的《BEVPlace:Learning LiDAR-based place recognition using bird”s eye view images》（《基于鸟瞰图投影网络的点云地点识别方法》）成功入选ICCV 2023。论文《BEVPlace》探索了基于BEV图像的神经网络方法用于全局定位的潜力，基于等变网络设计了一个名为BEVPlace的旋转不变网络。得益于BEV图像的表征能力和旋转不变性设计，BEVPlace方法实现了高召回率、强泛化能力和对视角变化的鲁棒性，在多个大规模数据集下的实验表明，BEVPlace的性能超过了现有方法。此外，观察到几何和特征距离是相关的，并基于统计信息为位置估计进行了相关性建模。该模型同样可以适应其他定位方法，而BEVPlace给出了更准确的位置估计结果。

（BEVPlace和I2P-Rec在小魔驼中应用）

毫末两篇论文成功入选这两大殿堂级顶会，再次彰显了毫末的深厚AI技术实力与积累。同时，两篇论文方法均已落地小魔驼等业务，来攻克技术难题。

毫末的技术能力一直被行业评价为中国版特斯拉，它们都采用了大模型、大数据和大算力的方案，以及重感知技术路线。今年4月，毫末发布了行业首个自动驾驶生成式大模型DriveGPT雪湖·海若，并受邀成为“北京市通用人工智能产业创新伙伴计划”第一批模型伙伴观察员。DriveGPT雪湖·海若还被选为北京市首批人工智能10个行业大模型应用案例之一。

（BEVPlace网络结构）

此次毫末智行团队提交的《BEVPlace:Learning LiDAR-based place recognition using bird”s eye view images》（《基于鸟瞰图投影网络的点云地点识别方法》）成功入选ICCV 2023。论文《BEVPlace》探索了基于BEV图像的神经网络方法用于全局定位的潜力，基于等变网络设计了一个名为BEVPlace的旋转不变网络。得益于BEV图像的表征能力和旋转不变性设计，BEVPlace方法实现了高召回率、强泛化能力和对视角变化的鲁棒性，在多个大规模数据集下的实验表明，BEVPlace的性能超过了现有方法。此外，观察到几何和特征距离是相关的，并基于统计信息为位置估计进行了相关性建模。该模型同样可以适应其他定位方法，而BEVPlace给出了更准确的位置估计结果。

（BEVPlace和I2P-Rec在小魔驼中应用）

毫末两篇论文成功入选这两大殿堂级顶会，再次彰显了毫末的深厚AI技术实力与积累。同时，两篇论文方法均已落地小魔驼等业务，来攻克技术难题。

毫末的技术能力一直被行业评价为中国版特斯拉，它们都采用了大模型、大数据和大算力的方案，以及重感知技术路线。今年4月，毫末发布了行业首个自动驾驶生成式大模型DriveGPT雪湖·海若，并受邀成为“北京市通用人工智能产业创新伙伴计划”第一批模型伙伴观察员。DriveGPT雪湖·海若还被选为北京市首批人工智能10个行业大模型应用案例之一。

（BEVPlace网络结构）

此次毫末智行团队提交的《BEVPlace:Learning LiDAR-based place recognition using bird”s eye view images》（《基于鸟瞰图投影网络的点云地点识别方法》）成功入选ICCV 2023。论文《BEVPlace》探索了基于BEV图像的神经网络方法用于全局定位的潜力，基于等变网络设计了一个名为BEVPlace的旋转不变网络。得益于BEV图像的表征能力和旋转不变性设计，BEVPlace方法实现了高召回率、强泛化能力和对视角变化的鲁棒性，在多个大规模数据集下的实验表明，BEVPlace的性能超过了现有方法。此外，观察到几何和特征距离是相关的，并基于统计信息为位置估计进行了相关性建模。该模型同样可以适应其他定位方法，而BEVPlace给出了更准确的位置估计结果。

（BEVPlace和I2P-Rec在小魔驼中应用）

毫末两篇论文成功入选这两大殿堂级顶会，再次彰显了毫末的深厚AI技术实力与积累。同时，两篇论文方法均已落地小魔驼等业务，来攻克技术难题。

毫末的技术能力一直被行业评价为中国版特斯拉，它们都采用了大模型、大数据和大算力的方案，以及重感知技术路线。今年4月，毫末发布了行业首个自动驾驶生成式大模型DriveGPT雪湖·海若，并受邀成为“北京市通用人工智能产业创新伙伴计划”第一批模型伙伴观察员。DriveGPT雪湖·海若还被选为北京市首批人工智能10个行业大模型应用案例之一。