机器人与具身智能
共 23 个仓库 · 一年内有推送 · Python
用 Python 实现机器人算法的示例代码与配套教材，覆盖定位、建图、路径规划、控制等模块，适合边跑可视化动画边学自动驾驶与自主导航。
一份精选的机器人软件与库清单，覆盖运动规划、多体动力学、仿真、SLAM 等方向，帮开发者快速找到合适的机器人开发组件。
用 Python 仿真加开源教材一步步搭建自动驾驶系统，可在同一框架里替换对比定位、规划与控制算法，适合入门学习。
开源的端到端视觉-语言-动作模型，让 GUI 智能体看懂屏幕截图并直接输出点击、输入等操作，用于自动化电脑操作。
面向机器人位姿与流形优化的可微分编程库，把李群、位姿估计和卡尔曼滤波等模块接入 PyTorch，方便在深度学习里做几何优化与状态估计。
PointCNN 提出 X-变换卷积算子，直接在无序点云上做特征学习，可用于三维点云分类和分割，服务于自动驾驶、机器人等场景。
基于扩散模型的自动驾驶规划器，用扩散生成做轨迹规划，支持灵活引导，是 ICLR 2025 Oral 论文的官方实现。
面向具身智能的一站式 VLA 工程平台，打通数据、模型训练到真机部署全流程，省去自己拼装工具链的麻烦。
面向 LiDAR 里程计的鲁棒 ICP 算法，专门解决走廊、隧道等几何退化场景下位姿估计失准的问题，是 IEEE RA-L 2025 的 SOTA 方案。
面向物理 AI 机器人的厂商无关智能体框架，基于 ROS 2 工具执行复杂动作、场景任务、自由接口调用、日志摘要和语音交互。
一套统一的视觉 SLAM 评测框架，把主流 VSLAM 系统和公开数据集整合到同一套流程里，省去逐个配置环境、跑对比实验的麻烦。
开箱即用的 LiDAR SLAM 系统，用 Python 实现，能直接完成激光雷达建图与定位，省去繁琐配置。
面向多轮视觉语言模型智能体的世界模型强化学习框架，让 VLM Agent 在交互中通过 RL 训练提升多轮决策能力。
仅用一段 MP4 监控录像和对应的谷歌地图位置，就能重建出数字孪生风格的三维交通场景，把画面里的车辆投影到真实地理坐标上。
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。
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。
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。
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。
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。
RoboRefer 是面向机器人场景的空间指代推理视觉语言模型官方实现，让机器人能理解「把左边那个杯子递给我」这类带空间关系的指令。
汇总自动驾驶场景生成与分析方向的基础模型论文，涵盖扩散模型、大语言模型和多模态模型，持续更新最新研究进展。
NVIDIA Alpamayo 的开发者配方库，提供自动驾驶与机器人模型的微调、强化学习后训练、量化和部署现成方案，省去从零搭建流程的麻烦。