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