#Autonomous Driving

该项目提出了一种在线3D多目标追踪方法，在NeurIPS 2019 AI Driving Olympics Workshop上荣获NuScenes Tracking Challenge冠军。与AB3DMOT方法相比，显著提高了较小目标如行人的追踪精度。项目提供了详尽的技术报告与源码，以及详细的运行步骤，便于他人复现结果。使用MEGVII的检测结果，该方法在多目标追踪准确率（AMOTA）上表现出色，特别是对行人和小型目标的追踪效果尤为明显。

本页面汇总了关于自动驾驶世界模型的最新论文和研究成果，涵盖包括CVPR、ECCV、ICML和ICLR等知名会议和期刊的前沿研究。通过这些世界模型，研究人员能够预测未来状态，提升基础模型性能，并生成未来的点云数据。此外，页面还介绍了重要的研讨会与挑战赛，以及业界专家的技术博客和视频，提供了对自动驾驶世界模型应用的全面视角。

该项目汇集了知识驱动自动驾驶领域的最新研究论文和开源资源。内容涵盖数据集、基准测试、环境模拟和驾驶员代理等关键方面，持续追踪行业前沿进展。这一资源库为自动驾驶技术的研究和开发提供了全面的参考材料。