Project Icon

calvin

机器人长时间操作任务中基于语言条件的策略学习

CALVIN是一个开源的模拟基准,用于学习长时间的语言条件任务,旨在开发能够通过人类语言指令和车载传感器完成多种机器人操作任务的代理。该项目支持复杂任务序列、动作空间和语言规格,提供灵活的传感器配置详细评估协议,并通过多种难度模式提高测试效能。项目资源包括训练模型、评估脚本和数据下载选项,是机器人视觉与语言研究的理想选择。

SensorsCalibration - 开源多传感器标定工具箱助力自动驾驶系统优化
GithubOpenCalib传感器标定多传感器融合开源项目自动驾驶
SensorsCalibration是一个开源的多传感器标定工具箱,专注于自动驾驶领域。这个工具箱提供了IMU、LiDAR、摄像头和雷达等传感器的内参和外参标定方法。它支持基于目标和无目标的标定,同时具备手动和自动标定模式。此外,SensorsCalibration还包含工厂标定和传感器到车辆坐标系的在线标定功能。通过提高传感器融合的精度,这个工具箱为自动驾驶系统的开发和优化提供了重要支持。
alfred - 视觉语言导航家庭任务智能代理基准
AIALFREDGithub开源项目深度学习自然语言处理计算机视觉
ALFRED是一个用于训练和评估智能代理的基准数据集,模拟家庭环境中的日常任务。它结合自然语言指令和第一人称视觉信息,包含长序列操作和不可逆状态变化,更贴近真实场景。项目提供数据集、代码和工具,支持视觉语言导航和任务完成系统的研发。ALFRED还维护公开排行榜,便于研究人员比较不同模型的性能。
carla - 一个用于自动驾驶研究的开源模拟器
CARLAGithub仿真平台开源模拟器开源项目自主驾驶自动驾驶系统
CARLA是一款专为自动驾驶研究设计的开源模拟器,支持开发、训练和验证自动驾驶系统。提供丰富的开放数字资产,包括城市布局、建筑物和车辆,并支持灵活配置传感器套件和环境条件。CARLA支持在多平台上模拟和测试自动驾驶解决方案。
LIBERO - 机器人学习知识转移基准平台
GithubLIBERO开源项目强化学习操作任务机器人学习知识迁移
LIBERO是一个致力于研究多任务和终身机器人学习中知识转移的基准平台。它包含130个分组任务、过程生成管道、5个研究主题、3种视觉运动策略网络架构和3种终身学习算法。通过控制分布偏移和提供100个操作任务,LIBERO能够评估特定类型和复杂知识的迁移。该平台为机器人学习研究提供了全面的工具和数据集,有助于推动该领域的发展。
End-to-end-Autonomous-Driving - 端到端自动驾驶研究资源综合集成
CARLAGithub开源项目机器学习端到端自动驾驶计算机视觉
该项目整合端到端自动驾驶研究资源,涵盖学习材料、研讨会、论文集、基准测试、数据集及竞赛信息。旨在为自动驾驶研究提供全面参考,推动技术发展。内容定期更新,欢迎社区参与贡献。
dynalang - 使用语言和多模态模型预测与解决任务
DynalangGithub人工智能多模态模型开源项目训练脚本语言建模
Dynalang项目通过多种语言创建一个多模态世界模型,预测未来并解决任务。提供详细的安装指南和训练配置,支持HomeGrid、Messenger、VLN和LangRoom等环境。该项目建基于最新研究,旨在通过语言建模提高任务解决效率。
CALM-pytorch - 组合式增强大型语言模型框架
CALMGithubLLM人工智能开源项目深度学习神经网络
CALM-pytorch是基于Google Deepmind研究的开源PyTorch实现,旨在通过组合多个专业LLM来增强大型语言模型的能力。该框架支持集成任意数量的增强型模型,提供灵活的连接配置和便捷的训练工具。CALM-pytorch可与多种Transformer架构兼容,包括视觉Transformer,为研究人员和开发者提供了一个强大的平台来探索和扩展LLM的潜力。不仅支持文本处理,还能整合视觉和音频模型,为多模态AI应用开发提供了强大支持。
scalingup - 使用语言引导的机器人技能自动生成框架
GithubScaling Up and Distilling Down开源项目扩展任务数据生成机器人技能获取语言引导
该项目提出了一种无需专家示范、手动奖励监督和手动语言注释的语言引导技能学习框架。它能够通过任务描述自动生成多样化的机器人轨迹,并含有成功标签和详细的语言标签。该框架支持在多种NVIDIA GPU环境下运行,包括GTX 1080和RTX系列。
CogVLM - 开源视觉语言模型,提升图像理解与跨模态对话功能
CogAgentCogVLMGithub图像理解多回合对话开源项目跨模态基准测试
CogVLM和CogAgent是领先的开源视觉语言模型,专注于图像理解和跨模态任务。CogVLM-17B拥有100亿视觉参数和70亿语言参数,并在NoCaps、Flicker30k等十个经典跨模态基准测试上表现出色。CogAgent在CogVLM的基础上改进,增添了GUI图像代理能力,支持1120*1120分辨率的图像理解,并在VQAv2、TextVQA等九个基准测试中表现优秀。该项目提供详细的技术文档、示例代码和Web演示,用户可以方便地进行模型推理和微调。了解更多信息,请访问项目主页。
DriveMLM - 融合大语言模型的自动驾驶行为规划框架
DriveMLMGithub多模态大语言模型开源项目自动驾驶行为规划
DriveMLM是一个创新的自动驾驶框架,融合了大语言模型技术。该框架通过标准化决策状态、采用多模态大语言模型进行行为规划,并设计数据引擎收集训练数据,实现了在真实模拟环境中的闭环自动驾驶。在CARLA Town05 Long测试中,DriveMLM获得76.1分的驾驶得分,比Apollo基准高出4.7分。这一成果为大语言模型在自动驾驶领域的应用提供了新的研究方向。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号