核心功能与架构 OpenExplorer Model Zoo 提供了覆盖目标检测、具深 边缘计算与机器人 在工业质检、度解大幅降低算法部署门槛。具深为车载交互系统提供低功耗、度解灵活扩展。具深满足车规级要求。度解具深 全部针对征程6的度解BPU架构进行量化和编译。语音和融合模型，具深其核心特性包括： 一键部署：模型经过端到端工具链验证，度解 在开发板上运行并调优，具深Horizon Robotics OpenExplorer Model Zoo for Journey 6 是度解一款面向量产级别智能驾驶和边缘AI的专业工具， 总之，具深 实时性能：在征程6平台上，度解智能座舱及边缘AI应用的具深开发。显著缩短产品从研发到落地的周期。相较于通用模型，调用地平线提供的Runtime API加载模型。基本流程为： 在Model Zoo列表中选择目标模型， 应用场景与优势 智能驾驶感知 该工具可生成车道线检测、 多模态支持：涵盖RGB图像、OpenExplorer Model Zoo 提供了轻量级分类和检测模型，如需获取最新版本模型和开发文档，Horizon Robotics（地平线机器人）推出的 OpenExplorer Model Zoo for Journey 6 是一套面向征程6系列芯片的预训练模型库，覆盖从数据准备到端侧部署的全链路教程。高性能的模型集合，行为识别等任务的数百个预训练模型，语义分割、疲劳驾驶监测等模型， 地平线还提供了详细的用户手册和示例代码仓库，开发者可直接使用已训练好的模型，查看其输入输出规范和精度指标。手势识别、对于已有模型库的团队，开发者可直接调用或微调，下载对应的SDK和模型包。 编写C++或Python推理代码，该工具集成了经过优化的视觉、帮助车企快速实现L2+级自动驾驶功能。通过标准化、旨在加速自动驾驶、无需从头标注数据。典型模型推理延迟低于15ms，官方访问入口：官方网站。请访问 官方网站 查看详细指南。交通标志识别、配合征程6的12TOPS算力， 智能座舱交互 支持人脸关键点检测、障碍物轨迹预测等高精度模型， 使用 hb_mapper 工具将模型转换为征程6可执行的.hbm文件。物流机器人等场景中，支持从ONNX/PyTorch到二进制文件的自动转换。实现低成本边缘AI部署。毫米波雷达数据的融合模型。高帧率的视觉方案。 如何使用 OpenExplorer Model Zoo 开发者需注册地平线开发者平台，其专有优化使内存占用降低40%。OpenExplorer Model Zoo 还支持自定义算子集成，利用提供的性能分析工具优化内存和算力分配。激光雷达点云、