摄像头拍到一帧画面，车要决定往哪开，机械臂要决定往哪伸手。中间要经过几步：把像素还原成三维里的东西，跟住它们，预测它们接下来会怎样，再选一个动作。这个板块按这条链路分成三个短系列：感知与几何、自动驾驶、机器人学习。
待审核草稿。 这一篇还没有经过站主审阅，事实、取舍和措辞都可能修改；引用前请回到文中链接的一手资料核对。
三个系列
| 系列 | 篇数 | 回答什么 | 从哪篇开始 |
|---|---|---|---|
| 感知与几何 | 5 | 三维点怎样变成像素，怎样跟踪目标，2026 年的检测、分割和几何基础模型，三维重建与神经渲染 | 第 1 篇 一个三维点怎样变成像素 |
| 自动驾驶 | 3 | 环视相机怎样变成鸟瞰图，怎样预测别人、规划自己，端到端模型为什么要闭环评测 | 第 1 篇 从环视相机到鸟瞰图（BEV）与占用 |
| 机器人学习 | 2 | 怎样从示范里学动作，VLA 模型怎样输出动作，仿真里学到的能不能搬到真机 | 第 1 篇 从示范中学动作 |
每个系列各自从第 1 篇编号，和各系列导读里的编号一致：感知与几何是第 1–5 篇，自动驾驶是第 1–3 篇，机器人学习是第 1–2 篇。文中写“第 2 篇”时，指的是同一系列里的第 2 篇；跨系列引用一律写篇名。自动驾驶方向的建议顺序是先读感知系列的第 1、2 篇，再读自动驾驶系列，详见自动驾驶导读。
和站内其他内容的关系
这里讲的是这些岗位需要的知识，不收集任何公司的面试题或招聘流程。变化快的事实（部署规模、开放的模型权重）都写明了日期和出处，厂商自己报告的数字标为“自报”。