封面
前折页
书名页
版权
前言
第1章 人工智能在汽车领域的应用历史
 1.1 概述
  1.1.1 自动驾驶技术的发展历史
  1.1.2 智能座舱技术
 1.2 大模型在智能汽车领域的应用前景
  1.2.1 自动驾驶系统应用前景
  1.2.2 智能座舱应用前景
  1.2.3 车辆诊断与运维支持
  1.2.4 生态系统与服务创新
 1.3 未来展望
第2章 大模型技术概述
 2.1 大模型的概念与核心特征
 2.2 大模型技术基础
  2.2.1 Transformer架构的引入
  2.2.2 大模型的分类
  2.2.3 大模型的应用与挑战
 2.3 ChatGPT历史回顾
  2.3.1 ChatGPT的背景
  2.3.2 ChatGPT的发展历程
  2.3.3 ChatGPT的深远影响
 2.4 未来发展方向
第3章 多模态大模型简介
 3.1 什么是多模态大语言模型
 3.2 多模态在人工智能领域的兴起
 3.3 多模态大模型的架构
  3.3.1 模态编码器
  3.3.2 LLM基座模型
  3.3.3 模态接口
 3.4 多模态大模型的训练范式
  3.4.1 预训练
  3.4.2 指令微调
  3.4.3 对齐微调
 3.5 视觉语言动作模型
第4章 大模型与环境感知
 4.1 什么是感知
  4.1.1 传感器
  4.1.2 自动驾驶感知与定位任务
 4.2 大语言模型与环境感知
  4.2.1 总体概述
  4.2.2 视觉基座模型实例
  4.2.3 感知模块实例
  4.2.4 生成式模型与自动驾驶感知
 4.3 大模型的局限性与未来期望
第5章 大模型与决策控制
 5.1 传统决策方法与局限性
  5.1.1 基于规则的方法
  5.1.2 传统控制方法和运动规划方法
  5.1.3 基于学习的方法
 5.2 大模型驱动的自动驾驶决策设计
  5.2.1 串联式
  5.2.2 并联式
 5.3 决策大模型的数据预处理
 5.4 决策大模型部署的当前局限性与挑战
 5.5 决策大模型的未来趋势与研究方向
第6章 大语言模型驱动下的端到端自动驾驶
 6.1 端到端自动驾驶与大语言模型协同演进
 6.2 当前研究现状与未来发展趋势
 6.3 技术瓶颈与伦理考量
第7章 大模型技术与智能座舱的融合基础
 7.1 智能座舱的演变与现状
  7.1.1 智能座舱概述
  7.1.2 汽车座舱的发展演变
 7.2 大模型驱动的智能语音交互
  7.2.1 语音交互概述
  7.2.2 以阿里FunAudioLLM为例简谈与大模型语音交互
 7.3 大模型辅助的智能信息推送与娱乐服务
  7.3.1 用户画像的塑造及智能推荐
  7.3.2 大模型驱动的影视音乐推荐生成创作
第8章 智能座舱创新实践及展望
 8.1 个性化驾驶体验设计
  8.1.1 针对不同消费人群进行个性化设计
  8.1.2 打造乘客专属的个性化数字内容
 8.2 多模态交互与语音助手升级
  8.2.1 多模态融合技术赋能智能座舱
  8.2.2 语音助手升级
 8.3 智能座舱的主动学习与自我优化
  8.3.1 数据驱动的迭代改进
  8.3.2 由被动的训练更迭转向主动的交互学习
第9章 大模型在需求工程中的应用
 9.1 需求工程概述
 9.2 大模型在生成需求文档中的应用
  9.2.1 需求文档介绍
  9.2.2 大模型用于需求文档生成
 9.3 大模型在生成测试用例中的应用
  9.3.1 测试用例介绍
  9.3.2 大模型用于生成测试用例
第10章 大模型辅助的代码生成与优化
 10.1 基于大模型的代码自动生成技术
  10.1.1 传统自动代码生成介绍
  10.1.2 大模型生成代码介绍
 10.2 代码风格与质量的智能评估与优化
  10.2.1 认识代码风格与质量
  10.2.2 大模型驱动的代码风格与质量评估优化
 10.3 大模型在软件测试中的角色
  10.3.1 大模型赋能软件测试
  10.3.2 大模型智能错误识别和调试
后记
参考文献
后折页
封底