引用了Carla的相关仓库
感知
基于Transformer的传感器融合模拟自动驾驶 - TransFuser
检测
基于多传感器融合的自动驾驶汽车雨天条件下的 3D 物体检测模拟
使用 LiDAR 进行物体检测（Point Pillars 方法）
跟踪
多车辆跟踪 - 结合 YOLO 和 DeepSORT 的多目标跟踪
分割
融合
基于 Transformer 的传感器融合模拟，实现自动驾驶
激光雷达
其他
使用 YOLO 和 CARLA 模拟器通过 IPM 和立体视觉进行距离估计
规划
Planner-Actor-Reporter 框架应用于 Highway-Env 和 CARLA 中的自动驾驶汽车
强化学习
Actor-Critic 强化学习在 CARLA 模拟器中训练自动驾驶代理
强化学习在自动驾驶汽车中用于避免碰撞的端到端应用 - 处理 RGB 摄像头输入以做出实时加速和转向决策
自动驾驶代理利用 IL 和 RL 技术 - 包含排行榜 1.0 测试。
利用强化学习完成各种自主任务 ：简单
针对自动驾驶汽车的 Stable-Baselines3 强化学习算法
训练深度强化学习代理，让车辆自主遵循路径 - 使用语义分割传感器作为输入
自动避碰 - 基于深度强化学习的应对紧急情况的高级自动驾驶策略
用于深度强化学习研究的最小 2d Carla 环境实现 - 修改版
强化学习代理 - 显示为语义分割图
PyTorch 中保守 Q 学习和软演员评论家算法的简单模块化实现
强化学习用于 Carla 模拟器中的自动驾驶汽车控制 - 实现不雅
使用基于 Transformer 的传感器融合进行自动驾驶行为克隆和强化学习
建图
使用 gnss 和 IMU 数据实现自动驾驶汽车的卡尔曼滤波器
导航
具有基于信任的 CBF 约束的 MPC，用于自主系统的安全机器人导航
预测
决策
控制
端到端
《通过条件模仿学习实现端到端驾驶》的 Tensorflow 实现
使用 GYM 接口在 Carla 模拟环境中学习自动驾驶汽车的端到端解决方案
NVIDIA PilotNet 神经网络的 TensorFlow 实现
端到端自动驾驶汽车使用模仿学习，并使用 GAN 进行未来预测
TransFuser - 一个感知-预测-规划模型，它融合了摄像头和激光雷达传感器数据，以实现端到端自动驾驶，包含评估。
大模型
交通
实时物联网系统，使车辆能够交换位置、速度和道路状况等关键数据，以增强道路安全并优化交通流量
场景
针对自动驾驶系统的模糊测试方法 - 可生成各种驾驶场景来检测 ADS 中的潜在违规行为
使用 SUMO 和 CARLA 模拟 AR 挡风玻璃 HUD 对驾驶性能的影响
车辆
传感器
行人
chrono读取opensim接口 - 额外的 数据仓库
HuMoR：激活导航大脑 - 人体姿态估计
通过车与行人 (V2P) 通信避免碰撞 - 演示了鬼探头
与智能室内自行车配件配合使用的自行车模拟器 - 可提供最高程度的游戏内控制和反馈。参考的是快废弃的 使用 zwift 室内自行车配件在 Carla 中骑自行车 。
GUI 工具可帮助人车交互研究人员使用 CARLA 设计和开展交通实验 - 首页
带肌肉骨骼模型的强化学习环境 - 基于opensim
基于 ResNet50 的深度神经网络用于手势分类，从而实现直观、解放双手的车辆控制
智能体
多智能体
基于LLM的交通流生成 ，效果视频
多智能体交通场景gym - 基于场景的 CARLA 训练和评估框架。
可解释
使用深度生成模型的反事实解释方法 ：确定输入中的哪些微小变化会改变模型的决策。
符合交通规则的城市自动驾驶统一决策和控制框架 - 还没代码
MOSAT：使用多目标遗传算法查找自动驾驶系统的安全违规行为
安全
联网和自动驾驶汽车的攻击模拟框架 - 包含系统代码和视频
通过增强基于场景的测试来提高自动驾驶汽车 (AV) 的安全性和可靠性
使用可解释传感器融合Transformer实现安全增强型自动驾驶
安全导航 - 使用 CARLA 中的深度强化学习训练自动驾驶汽车
系统地查找原始车辆特性设置的最小变化会影响部署在车辆上的 ADS 的安全性
测试
McMaster EcoCAR 联网和自动驾驶汽车团队的软件在环 (SIL) 测试环境 - 包含车辆工厂模型、环境和模拟真实车辆行为的模拟传感器
使用 CCTest 和 Carla 排行榜对四款端到端 AI 自动驾驶仪进行全面评估
数据集
使用 Carla 0.9.13 导出数据（KITTI 格式）
从 CARLA 收集数据并将其保存为 Webdataset 的脚本
路侧数据集生成器 - 兼容KITTI格式，支持多传感器数据采集与自动标注。
使用 ROS2-CARLA 将 LiDar 集成到 Carla
工具
自动驾驶模拟及相关任务的综合框架 - 集成了车辆控制、计算机视觉、强化学习环境和通过 CARLA 进行模拟的模块。
提供 API 以将基于 CommonRoad 的工具与CARLA一起使用
循序渐进的教程 - 从头开始编写自己的自动驾驶汽车程序
使用特定领域建模语言指定的自动驾驶汽车测试场景转化为具体场景
用于在 CARLA+SUMO 下原型设计全栈协同驾驶自动化应用程序的通用框架
sunnypilot是openpilot 的一个分支 - 另一个分支
FLCAV 仿真平台 - 多模态数据集生成、训练和推理、各种 FL 框架、基于优化的模块。
使用 6 个 RGB 摄像头对自动驾驶汽车进行 BEV 表示
用于将特定类型的日志文件转换为基本 OpenScenario 格式的工具
ROAR Group 最新的 Python 接口可控制模拟和现实中的事物 - 支持远程训练和兼容gym
开源库CARLANeT的 carla 端 - 用于 CARLA 与 OMNeT++ 之间的联合仿真
用于在 CARLA+SUMO 下原型化全栈协作驾驶自动化应用程序的通用框架
OpenCDA 是一个基于开放联合仿真的研究/工程框架，集成了原型协同驾驶自动化
带有数字镜子的 Carla 模拟器客户端 - 带后视镜
用于控制自动驾驶模拟中的非玩家角色 (NPC) 的 API - 可以作为REST API或在其上构建的Python SDK
适用于 ROAR 平台的 Transform Publisher 包
基于 Carla Simulator 的虚拟汽车租赁 Web 应用程序
用于深度强化学习的多智能体互联自动驾驶 (MACAD) Gym 环境
自动驾驶强化学习快速启动小工具 - 生成点选择器、拍摄地图全景、驾驶场景示例
Carla 和 Opencda 之间的 WebRtc 桥接器
WATonomous 自动驾驶汽车软件管道的 Docker 化 ROS2 设置
CarlaMCP - Carla 模型上下文协议集成
杂项
新型数据驱动专家系统，旨在解决 CARLA Leaderboard 2.0 问题
使用 VQ-VAE 和可微分优化学习自动驾驶的采样分布和安全过滤器
设置 CARLA 模拟器并编程 - 包含leaderboard 2的数据下载链接
CARLA 模拟器的有用教程 - 包括天气分类、控制器、车道检测、目标检测、语义分割。
将 Carla 中收集的传感器数据发布到 eCAL 主题，并订阅包含自动应用于相应 Carla 车辆的汽车指令的主题
使用 Openpilot 系统、OP-Deepdive 和 Carla 模拟器进行的一些实验
提高通用汽车（尤其是雪佛兰 Volt）的 OP 性能和便利性