基于视觉惯性里程计的实时 SLAM 系统，能在 CPU 上完成定位、建图并生成三维网格，适合机器人与状态估计场景。

实时鲁棒的激光雷达-惯性测量单元初始化方法，为 LiDAR-惯性 SLAM 系统提供高精度外参标定与初始状态估计，解决启动阶段对齐不准的问题。

开源视觉惯性导航研究平台，提供 MSCKF 与 EKF 定位、传感器标定和 VIO 算法实现，方便机器人研究者做 SLAM 与状态估计实验。

轻量级卡尔曼滤波 Python 库，用于视觉定位、里程计和 SLAM 中的状态估计与传感器数据融合。

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。

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。

面向动态足式机器人的多传感器里程计，融合腿部运动学、IMU 与激光雷达，在剧烈运动和高动态场景下提供稳健的定位与建图。