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。
基于 PyTorch 的激光雷达 3D 目标检测工具箱，统一了 PointPillar、PV-RCNN 等主流点云检测模型的训练与评测流程，省去自己搭框架的麻烦。
把任意脚本自动生成多风格火柴人动画视频，自动配画面、配音、字幕和音效，适合做无露脸 YouTube 频道。
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。
自动驾驶学习笔记，系统梳理感知、BEV、Transformer、规划控制等模块知识点，并整合行业优秀方案，帮读者快速建立自动驾驶技术体系。
基于 Transformer 的多模态传感器融合端到端自动驾驶模型，用模仿学习把摄像头和激光雷达数据联合建模，直接输出驾驶控制。
一套面向移动机器人和自动驾驶的 C++ 工具库，提供 SLAM、计算机视觉、地图构建、粒子滤波和运动估计等模块，省去从零搭建底层算法。
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。
用多相机图像预测自动驾驶场景的三维占据栅格，输出带语义的稠密体素重建，解决纯视觉感知中遮挡与几何结构难以还原的问题。
面向自动驾驶场景的 3D 目标检测开源实现，基于深度学习的点云与图像融合方法，可用于训练和评测车辆、行人等目标的立体检测模型。
面向自动驾驶场景的高分辨率长视频生成模型，基于扩散模型支持多视角一致输出和自适应控制，可用于合成训练数据。
面向城市峡谷等复杂场景的多传感器数据集，包含激光雷达、相机等全套传感器数据，用于自动驾驶的建图与定位算法评测。
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。
用 3D 高斯泼溅实现自动驾驶场景下激光雷达与相机数据的实时渲染，为感知算法提供高保真仿真环境。
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。
把视觉语言模型和强化学习整合到同一个框架里，用于自动驾驶策略训练，并在 CARLA 仿真中验证安全性。
紧耦合的稀疏直接法激光雷达-惯性-视觉里程计，为机器人和自动驾驶提供快速、高精度的实时位姿估计与三维建图。
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。
仅用激光雷达或激光-惯性融合的高鲁棒、高精度里程计，为机器人和自动驾驶提供可靠定位与建图，应对退化场景和传感器不确定性。
用 C++ 实现的快速 LiDAR SLAM，从激光雷达点云做里程计与建图，适合机器人、自动驾驶的实时定位需求。
面向自动驾驶场景的视觉语言基础模型，通过多模态理解把驾驶画面转成可推理的语义描述，为端到端驾驶提供感知与决策支持。
紧耦合多传感器融合 SLAM 框架，在传感器退化与时空扰动下仍能稳定运行，适合机器人和自动驾驶的定位建图。
系统梳理生成式 AI 在自动驾驶全栈中的应用，覆盖感知、决策到仿真与 sim2real，帮研究者快速看清技术版图与关键挑战。
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。
用稀疏视角重建户外场景的神经辐射场方法，面向自动驾驶场景的新视角合成，提供 ICCV'23 论文的 PyTorch 实现与训练代码。
用稀疏 4D 卷积在 3D 激光雷达点云中做移动物体分割，能区分场景里的动与静，适合自动驾驶感知研究。
用 2D 高斯泼溅做激光雷达里程计与建图，同步完成位姿估计和可渲染的网格重建，适合自动驾驶与机器人三维场景建模。
面向鱼眼等通用相机的 3D 高斯泼溅渲染实现，让新视角合成在非针孔相机下既精确又高效，适用于自动驾驶与 AR 场景。
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。
一份激光雷达资源大全，汇总厂商、数据集、点云处理算法、框架和仿真器，方便自动驾驶和 SLAM 开发者快速找到所需工具。
汇总大语言模型、视觉语言模型、视觉-语言-动作模型和世界模型在自动驾驶领域的研究资源清单，持续更新，方便快速找到相关论文与项目。
汇总 CARLA 自动驾驶仿真器的教程、博客、代码和数据资源，帮研究者快速上手仿真环境与数据采集。
汇总自动驾驶领域的视觉-语言-动作（VLA）模型资源，梳理其发展脉络与未来方向，方便快速了解该方向的研究与落地进展。