机器人与具身智能
78 个仓库
把 Stereolabs ZED 双目相机接入 ROS 的官方封装包，提供图像、深度、位姿和点云等话题，方便在机器人系统里做立体视觉与 SLAM 开发。
把视觉语言模型直接改造成机器人操作策略，无需改动架构就能训练出顶尖的视觉-语言-动作模型。
MapEval 是一个统一的 SLAM 建图评估框架，用点云配准和 Wasserstein 距离等指标，稳健高效地给激光点云地图打分，方便做 SLAM 基准对比。
基于点、线、面特征的稀疏视觉 SLAM 系统，支持单目、RGB-D 和双目相机，在保持建图与定位精度的同时提升效率。
SuperVINS 是面向弱光、低纹理等恶劣成像条件的实时视觉惯性 SLAM 框架，把深度学习特征点融入传统 VINS 流程，提升跟踪鲁棒性。
仅靠视觉输入就能完成闭环自动驾驶的视觉-语言-动作模型，把语言理解和驾驶动作对齐，在 CARLA 里做端到端评测。
Patchwork++ 的 ROS/ROS2 封装，用于激光雷达点云的快速地面分割与地面点剔除，方便直接接入机器人感知流程。
面向动态环境的视觉惯性 SLAM 系统，能在场景中存在移动物体时稳定完成定位与建图，适合机器人在人群或杂乱环境中使用。
面向通用机器人策略的空间引导视觉-语言-动作框架，把视觉语言模型和动作输出打通，让机器人能按空间指令执行操作任务。
基于 ROS 2 的紧耦合激光雷达惯性 SLAM 包，融合 NDT/GICP 点云配准与 IMU 数据，用于机器人在复杂环境中的实时定位与建图。
一个 4B 参数的视觉定位基础模型，把检测、指代、指向、OCR、GUI 和版面定位统一到一个模型里，在 34 个基准上达到 SOTA，并提升机器人泛化和数据效率。
面向 ROS 1/2 的实时 3D 激光雷达障碍物检测工具，集地面分割、聚类、跟踪与轨迹预测于一体，单核 CPU 约 10ms 处理一帧，可选 TensorRT 加速的 CenterPoint。
面向机器人的智能体操作系统，用 Rust 编写，把 VLM/VLA 模型和 Skill-MD 技能编排成可执行任务，让机器人具备自主决策与操作能力。
给四足和人形机器人用的模块化开源大脑，带 Web 界面做遥操作、自主导航、建图和监控，配套可 3D 打印硬件，跑在 ROS2 上。
面向户外机器人的 ROS 2 定位模块，用 23 状态 UKF 以 100 Hz 融合 IMU、轮速计和 GPS；定位出错时能指出是哪个传感器、为什么出错，而不是悄悄漂移。
用地图先验做零漂移点云建图，把激光雷达采集的点云对齐到已有地图上，解决长距离建图累积误差的问题。
基于动态高斯泼溅的高保真导航仿真器，为具身导航和视觉语言导航研究提供逼真的三维场景与动态人体渲染。
汇总大语言模型时代神经符号学习的最新进展，涵盖一阶逻辑、逻辑编程、知识图谱与具身智能等方向，帮研究者快速跟进这个交叉领域的论文与资源。
Pronto 是面向足式机器人的状态估计库，提供核心算法、ROS 封装和消息定义，帮助四足、双足机器人在行走中实时估计自身位姿与运动状态。
港大开源的基于事件相机的视觉里程计、视觉惯性里程计与SLAM数据集，为事件相机在机器人和SLAM研究中的算法评测提供标准化数据。
半监督 LiDAR 语义分割方法，通过激光混合策略利用少量标注数据训练 3D 点云分割模型，提升自动驾驶场景下的分割精度。
MIT-Princeton 开源的 Amazon Picking Challenge 2016 视觉工具箱，用 RGB-D 卷积网络做物体分割和 6D 位姿估计，帮机器人完成抓取任务。
面向物理 AI 的命令行工具，把 VLA、VLM、WAM 等机器人多模态模型串起来，方便在 NVIDIA、Nebius 环境里做模型部署和对话机器人调试。
面向视觉-语言-动作模型（VLA）的可复现开源研究项目，聚焦目标跟踪类 VLA，提供训练与评测代码，方便复现和对比实验结果。