Drive-OccWorld开源项目 – 自动驾驶4D空间预测与规划

一套开源的环视物体检测方案，实现了在鸟瞰图视角下的特征优化，可应用于汽车自动驾驶场景。

GrUMoDepth 是一种通过梯度方法进行的不确定性估计，专注于单目深度估计，旨在提高深度估计的准确性和可靠性。

一个利用肌肉骨骼仿生机器人实现自动驾驶的项目，详细模仿了人体，适合在复杂环境中运动。

Hailo通过先进的处理器和软件解决方案，专注于边缘设备上的AI能力，降低延迟，提升效率，适用于汽车、工业自动化等多个领域。

Awesome-LRM-Safety是一个专注于收集大型推理模型（LRM）安全相关研究的精选资源库。它涵盖了热门模型如DeepSeek-R1和OpenAI o1的安全性，提供最新arXiv论文的自动更新，内容涉及安全风险、缓解策略和伦理问题。项目还涵盖多个关键领域，如自动驾驶、医疗保健和金融安全，为研究人员、开发者和教育机构提供全面的资源支持。

Duckietown是一个用于学习和研究机器人技术与人工智能的项目，提供了一个实践平台，通过模拟和真实环境帮助用户理解自动驾驶车辆的工作原理。

NVIDIA是GPU的发明者，专注于在笔记本、工作站、移动设备和PC等上创建交互式图形，构建了全球最大的游戏平台和世界上最快的超级计算机，还在自动驾驶汽车、智能机器和物联网领域发挥着重要作用。

该项目旨在通过多LiDAR布置来提高自动驾驶中物体检测的准确性，探索不同LiDAR配置对3D检测性能的影响。

该项目专注于自动驾驶与智能交通系统中的视觉语言模型研究，涵盖了感知理解、导航规划、决策控制等多个领域，提供最新研究进展和相关论文，旨在推动该领域的发展和应用。

Sparse Fuse Dense项目旨在通过深度补全技术实现高质量的3D检测，适用于自动驾驶和机器人视觉等领域。该项目利用先进的算法将稀疏的深度信息与其他数据源融合，从而提高3D对象检测的准确性和可靠性。

VIMA是一款连接了机械臂的语言模型（LLM），能够接收多模态的指令，支持文字、图片、视频等输入形式。该系统能够逐步感知环境并采取实际动作，支持多模式提示，使任务描述简单灵活，统一多种任务，如视觉目标达到、视频演示模仿、学习新概念和满足安全限制。作为一个开源项目，VIMA提供了代码、预训练模型、数据集和物理模拟基准，无需付费或填写表格，便于用户使用和开发。

用大型语言模型重新思考自动驾驶，使用GPT-3.5作为默认的大型语言模型(LLM)，介绍了LLM在驾驶场景中的闭环交互能力以及通过记忆能提升性能的方法

该项目是一个专注于非结构化户外环境自动驾驶研究的资料列表，汇集了200多篇相关论文，涵盖了数据集、地图制作与定位、环境感知、路径规划、端到端驾驶解决方案等多个关键领域。项目旨在为研究者提供全面的参考资料，支持在复杂环境下的自动驾驶技术开发与优化。

YOLOv10是由清华大学开发的开源项目，旨在通过端到端的YOLOv10模型在速度和精度上超越YOLOv8和YOLOv9。该项目专注于高效的物体检测能力，适用于多种实时应用场景。

一个主动预测任务的LLM代理系统，通过环境感知、辅助标注和动态生成管道，能够在无需用户明确请求的情况下主动提供帮助。