#autonomous-driving Dépôts
141 dépôts au total
[Fusion d'Informations 2025] Une étude sur la perception d'occupation pour la conduite autonome : La perspective de la fusion d'informations
[CoRL 2022] InterFuser : Conduite autonome améliorée en matière de sécurité à l'aide de transformeurs interprétables de fusion de capteurs
YOLOPv2 : Mieux, Plus Rapide, Plus Fort pour la Perception Panoptique de la Conduite
Ce dépôt est une synthèse des avancées récentes en matière de perception collaborative / coopérative / multi-agents pour les scénarios de conduite autonome V2I / V2V / V2X.
Un projet lié à la vision par ordinateur, à l'apprentissage automatique et à l'apprentissage profond, comprenant les notes de cours et les programmes que j'ai développés moi-même.
Plateforme d'intelligence décisionnelle pour la simulation de conduite autonome.
Ressources des modèles Vision-Langage-Action pour la conduite autonome (VLA4AD), servant de dépôt compagnon à l'article de synthèse « A Survey on Vision–Language–Action Models for Autonomous Driving ».
[ICLR 2026] ReCogDrive : Un cadre cognitif renforcé pour la conduite autonome de bout en bout
[CVPR 2025, TPAMI 2026] UniScene : Génération unifiée de scènes de conduite centrée sur l'occupation
Implémentation PyTorch d'EmerNeRF : Décomposition spatio-temporelle émergente de scène par auto-supervision
Détection d'objets par radar 4D pour la conduite autonome dans diverses conditions météorologiques
Le jeu de données ouvert ApolloScape pour la conduite autonome et son application.
Code PyTorch pour l'article "FIERY: Future Instance Segmentation in Bird's-Eye view from Surround Monocular Cameras"
Implémentation complète de SLAM basée sur le contexte de balayage d'intensité pour la conduite autonome. ICRA 2020
Segmentation au sol SOTA rapide et robuste à l'aide d'un nuage de points 3D (accepté dans RA-L'21 avec IROS'21)
Un passionné d'auto-apprentissage pour la conduite autonome -> Enregistrement de mon processus d'apprentissage et des liens d'apprentissage associés à la conduite autonome
[ICCV'23] Biais cachés des modèles de conduite de bout en bout & un kit de démarrage pour la classement CARLA 2.0.
Apprentissage par Renforcement Profond (PPO) en Conduite Autonome (Carla) [à partir de zéro]
[ECCV 2022 Oral] OpenLane : Ensemble de données de voies 3D réalistes à grande échelle
Implémentation PyTorch pour l'article "Driving with LLMs: Fusing Object-Level Vector Modality for Explainable Autonomous Driving"
Cosmos-Drive-Dreams : Génération évolutive de données de conduite synthétiques avec des modèles de fondation mondiaux
[IJCV 2026] Senna : Relier les grands modèles de vision-langage à la conduite autonome de bout en bout
Implémentation Pytorch de notre article "CLRNet: Cross Layer Refinement Network for Lane Detection" (Acceptation CVPR2022).
LimSim & LimSim++ : Simulateurs intégrés de trafic et de conduite autonome avec prise en charge (M)LLM
Implémentation Officielle des Gaussiennes de Rue Auto-Supervisées pour la Conduite Autonome
PLUTO : Pousser la limite de la planification basée sur l'apprentissage par imitation pour la conduite autonome
Liste curated de modèles de monde pour la conduite autonome.
🌐 Modèles de vision, langage et action pour la conduite autonome : passé, présent et avenir
[ECCV 2024] DriveDreamer : Vers des modèles du monde axés sur le monde réel pour la conduite autonome
Créez une visualisation du trafic de type jumeau numérique en utilisant uniquement des séquences de vidéosurveillance au format MP4 et leur emplacement sur Google Maps.
Une liste sélectionnée d'excellentes ressources sur la conduite autonome de bout en bout (continuellement mise à jour)
[ECCV 2022 Oral] Transformateur de Perspective pour la Détection de Voies 3D