Vista

通用自动驾驶世界模型实现高保真多场景预测

Vista是一款通用自动驾驶世界模型，可在多种场景中生成高保真度的预测，并扩展至连续和长期视野。模型支持多模态操作控制，包括转向、速度、指令、轨迹和目标点设定，无需真实操作数据即可评估不同行为。Vista在预测精度和操控灵活性上有显著提升，为自动驾驶技术研究提供了有力支持。

Github

Huggingface

文档

论文

介绍相关项目

Forge_VFM4AD - DriveGAN实现高质量可控神经网络环境模拟

Github人工智能基础模型开源项目深度学习自动驾驶计算机视觉

DriveGAN是一种高质量神经网络模拟器，通过无监督学习实现环境组成部分的解耦控制。它可模拟转向控制、场景天气和非玩家对象位置等特征。DriveGAN的全微分特性支持视频序列重新模拟，允许在已记录场景中采取不同行动。该方法在多个数据集上训练，包括160小时真实驾驶数据，性能显著优于现有技术。

Awesome-World-Model - 自动驾驶领域的世界模型研究与应用进展

Autonomous DrivingCVPRGenerative AIGithubSurveyWorld Models开源项目

DriveDreamer4D - 4D驾驶场景模拟的新突破

4D驾驶场景表示AI工具DriveDreamer4D交通约束自主驾驶视频生成模型

DriveDreamer4D利用世界模型先验，提升4D驾驶场景表示。通过闭环仿真，能将实况驾驶数据转换为新的轨迹视频，并确保视频内容的时空一致性。实验验证了其在新轨迹视频生成方面的优越性，尤其在时空连贯性上表现突出，为自主驾驶系统的研究和开发提供了有力支持。

3D-VisTA - 简化3D视觉和文本对齐的新型预训练模型

3D-VisTAGithub多模态融合开源项目自然语言处理计算机视觉预训练模型

3D-VisTA是一种新型预训练变换器模型,专注于3D视觉和文本对齐。该模型采用简洁统一的架构,无需复杂的任务特定设计,可轻松适应多种下游任务。通过在大规模ScanScribe数据集上预训练,3D-VisTA在视觉定位、密集字幕生成等3D视觉语言理解任务中达到了领先水平。此外,该模型还表现出优异的数据效率,即使在标注数据有限的情况下也能保持强劲性能。

Awesome-Multimodal-LLM-Autonomous-Driving - 多模态大语言模型推动自动驾驶技术创新

GithubWACV人工智能多模态大语言模型开源项目自动驾驶计算机视觉

该资源库汇集自动驾驶领域多模态大语言模型(MLLM)相关研究,全面介绍MLLM在感知、规划和控制方面的应用。内容涵盖最新模型、数据集和基准,并总结WACV 2024 LLVM-AD研讨会成果。项目探讨了MLLM应用于自动驾驶系统的挑战和机遇,为研究人员和工程师提供了解该前沿领域发展的宝贵参考。

Agent-Driver - 革命性智能驾驶系统融合人类智慧与AI技术

Agent-DriverGithub人工智能大型语言模型开源项目自动驾驶认知代理

Agent-Driver是一个创新型自动驾驶系统，通过大型语言模型作为认知代理，将人类智能整合到自动驾驶中。系统包括多功能工具库、认知记忆和推理引擎，实现类人的推理和决策能力。在nuScenes基准测试中，Agent-Driver性能显著超越现有方法，并展现出优秀的可解释性和少样本学习能力。这一项目为自动驾驶领域提供了新的研究方向，向实现人类级别驾驶迈进。

GPT-Driver - 将GPT-3.5模型用于自动驾驶运动规划的简便方法

GPT-DriverGithubarXiv大型语言模型开源项目自动驾驶运动规划

GPT-Driver项目将自动驾驶的运动规划问题转化为语言建模问题，利用大型语言模型的推理和泛化能力生成驾驶轨迹。通过提示-推理-微调策略，模型能够精确描述轨迹坐标并解释决策过程。实验结果显示，在大规模nuScenes数据集上，该方法表现出色，具备有效性、泛化能力和可解释性。

InterFuser - 多传感器融合技术助力安全增强自动驾驶

CARLAGithubInterFuser传感器融合安全增强开源项目自动驾驶

该项目融合多模态多视角传感器信息，实现综合场景理解，生成可解释的中间特征，确保动作在安全范围内。该方法在CARLA AD排行榜上取得了最新成果，项目还提供了详细的数据生成、训练和评估步骤，以及实用工具脚本和预训练权重。

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。

VITA - 开源全模态交互语言模型

GithubVITA人工智能多模态大语言模型开源项目自然语言处理语音识别

VITA是一款开源全模态语言模型，实现了视频、图像、文本和音频的综合处理。其特点包括全模态理解、无唤醒交互和音频中断交互，显著提高了用户体验。通过创新的状态令牌和双工方案，VITA提升了多模态交互体验。在多项基准测试中，VITA展现出优秀性能，为多模态AI研究和应用开辟了新途径，有望推动相关技术的发展。

相关项目

推荐项目

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。

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。

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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。

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。

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com