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