智能车竞赛是病了吗?

news2026/5/7 4:07:22
简 介 一位大三智能车竞赛爱好者表达了对当前缩微组别缺乏创新的担忧。作者认为比赛过度依赖开源方案和厂商车模导致参赛者缺乏自主思考和创意设计。为此提出两点建议1将自制车模与厂商车模分类评比对后者进行罚时或限制晋级名额2优化克重罚时机制采用曲线增长方式以鼓励轻量化创新。作者呼吁通过规则调整激发参赛者的创造力维护智能车竞赛的技术含量与竞技精神。149字关键词智能车竞赛自制车模01【智能车是病了吗】卓大您好 我是一名大三学生 接触智能车已经三年了 在我大一的时候我的学长就带我接触竞速组了。 虽然在接触了一年智能车的之后懂的并不多 但是在学长的带领下 还是取得了一个不错的名次。大二的时候 再战智能车的时候虽然遗憾最后没能取得一个好名次 但是我明白了遗憾或许才是常态。 今年是第三年了 我仍然想再战一年智能车 仅仅是因为对智能车的热爱 我觉得的智能车最大的魅力就是 反复不断的探寻找出优化自己小车车中存在的问题。 我甚至变相的感觉这或许也是一种工匠精神 是热爱那股纯粹的劲铸就出来精神吧。今年我接触的是缩微组别 我选择这个组别的原因也很简单 就是冲着那个自制和轻来的。 因为我一开始觉得 这会和我想的一样能看到很多亮眼的并带有各种奇妙思想的自制车模 会遇到很多为了突破重量问题不断优化代码硬件和结构的同道中人。 我觉得如果真如我说的这样 或许对于我来说 无论结果如何 今年应该是大胜吧但是直到现在我看到的都是开源开源开源 大家都用同一款几乎不变 没有几个人去思考这个东西为什么放在这 那个东西为什么是那个形状。 大家都一致的去干一件事那就是抄 不去思考的抄袭 我不理解智能车这是怎么了是病了吗 我希望智能车的未来越来越好 希望它的含金量越来越高。在这我想提点建议 首先我希望关于自制车模这块 并不排斥赞助商继续卖 而是在比赛前后的检查车模阶段 对车模进行划分 若是跟赞助商车模相似度极高的归位一类 自己创意制作的归为另一类 第一种方案是比赛之后对厂商相似度极高的车模进行2到6秒罚时。 自制的则不去罚时 在这里我其实持有两种想法 其一是厂商的车模只提供学习 若是能直接打比赛肯定很不公平。 其二是有些人可能借鉴结构 不断优化能做到极其相思 所以我觉得在罚时之前进行结构问答 要求队伍对车模整体结构思路进行阐述 根据回答结果进行进行归类。第二种方案就是对自制车模归为类似两个子赛道 对真正自制车模的学校组别给予更多的进国名额 对使用厂商的车模的组别给更少的名额 这不仅能提高学生的积极性 也不会特别影响厂商卖车模。最后就是对于自制车模的提案 我个人觉得在做压缩克重方面是很费时费力的 对于自制车模每压缩一点点可能都要改好几板方案。 应该对克重罚时给予一个曲线增长的方式 我个人提议以一百克为例 高于一百克应该拿多余的克重乘以克重除以一千的速度罚时 以一百一十克和一百五十克为例 一百一十克对比一百克罚时降速零点一米每秒 一百五十克则罚时降速2.5米每秒 我这可能有些过大了 但是具体可以大家一起细化商量 若是克重罚时太轻会降低那些为了压低克重而绞尽脑汁队伍的付出 我觉得这不是智能车的宗旨。 如果可能我更希望卓大能公开让车友们多提提建议为智能车辉煌再添浓烈一笔 希望卓大能看完。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2533898.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…