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