引用了Carla的相关仓库

感知
- 检测
- 跟踪
- 分割
- 融合
- 激光雷达
- 其他
规划
- 强化学习
- 导航
- 路径规划
- 预测
- 决策
控制
端到端
大模型
交通
场景
- 车辆
- 传感器
行人
智能体
多智能体
可解释
安全
测试
数据集
工具
杂项

感知

驾驶事故视频识别

车辆之间的协作感知

互联视觉提高行人安全性

基于Transformer的传感器融合模拟自动驾驶 - TransFuser

检测

2D和3D目标检测

使用 YOLO 训练模型来进行图像对象检测

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 YoloV3 进行交通信号灯识别和分类

CARLA 0.9.11 中的交通信号灯检测和自主控制

使用 LiDAR 进行物体检测（Point Pillars 方法）

添加合成图像后比较物体检测模型

标志的检测、定位、分类

跟踪

多车辆跟踪 - 结合 YOLO 和 DeepSORT 的多目标跟踪

针对 KITTI MOT 数据集的 2D 目标跟踪

2D 目标跟踪

规划

将深度强化学习与模型预测控制相结合的混合防撞系统

运动规划

Planner-Actor-Reporter 框架应用于 Highway-Env 和 CARLA 中的自动驾驶汽车

压缩端到端自动驾驶运动规划器

自动驾驶通过遮挡交叉路口的安全几何速度规划方法

基于 PPO（和 SAC）算法执行自动驾驶的端到端运动规划

基于运动规划的主动悬架

强化学习

利用强化学习开发基于人工智能的自动驾驶汽车

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。

使用深度强化学习让汽车在模拟中实现自动驾驶

DQN 实现自动驾驶

通过强化学习实现本地云统一决策

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

使用模仿学习来训练驾驶代理

置信感知模仿学习

自动驾驶中的强化学习

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

多任务强化学习架构提案

使用强化和模仿学习实现自动驾驶

强化学习自动驾驶

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

模仿学习

逆向强化学习的课程子目标

多智能体强化学习

评估多智能体城市驾驶环境中深度强化学习对自主策略的鲁棒性

基于推测在线前瞻适应(COLA) 的在线元强化学习算法

通过作弊来学习

rl_rainbow

使用 DAgger 在 Carla 中进行模仿学习模型训练

maddpg算法

Carla_gym 中的自动驾驶与 RL

Carla-RL-Autonomous-Nav

针对连续空间中稀疏奖励的无限选项调度分层强化学习

多模态视觉强化学习的自动驾驶基准、智能交通系统的世界建模

在基于模仿学习的自动驾驶中使用强化学习检测和修复故障场景

强化学习用于 Carla 模拟器中的自动驾驶汽车控制 - 实现不雅

利用强化学习和 CARLA 学习在恶劣天气条件下驾驶

在 Bosch Lambda 上启动 Carla

使用分解世界模型在 CARLA 中进行 RL 和蒸馏

使用强化学习训练自主应急车辆模型（救护车、警察、消防员）

基于物理的强化学习

AI Gym 环境中的 rl 代码

通过双值前向-后向表示进行无监督零样本强化学习

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

基于强化学习的自动驾驶训练系统

DQN本科论文

轻量级且易于使用的 Gym 兼容接口，专为强化学习 (RL) 应用量身定制

使用 Ray RLlib 在 CARLA 模拟器中训练强化学习代理的框架 - 专注于车道居中

近端策略优化 (PPO) 和软行为者-评论 (SAC) - 来训练和评估 AI 在导航和避障任务

端到端深度 Q 学习管道

建图

使用 gnss 和 IMU 数据实现自动驾驶汽车的卡尔曼滤波器

路径规划

路线算法，可根据交通、行人数据和动态道路状况优化路径 - 实现 A 、DLite、混合路径规划、强化学习

自身位置到 CARLA 地图中随机目标点的全局规划 - 模拟用户预订前往目的地的行程

预测

多未来轨迹预测

端到端轨迹预测

航路点预测多模态数据融合

通过推测在线前瞻自适应实现非平稳环境中的自适应驾驶

决策

多模态感知的参数化决策框架

多模态感知分层决策框架

自动驾驶汽车系统的对抗性闯红灯行为

用于高效城市车辆编队行驶的集中式决策框架 - 利用实时车联网 (V2X) 通信，特别是信号相位和时序 (SPaT) 数据，来优化车辆行驶轨迹并最大限度地降低油耗

控制

模型预测控制

使用脉冲神经网络和实时学习的连续自适应非线性模型预测控制

结合计算机化和强化学习来创建自适应巡航控制

行为克隆

交叉口控制

基于语法的自动驾驶汽车控制器模糊测试

通过“作弊学习”（两个前置摄像头系统）控制自动驾驶汽车

使用模型预测控制 (MPC) 实现高级防撞

使用模型预测控制 (MPC) 的自动驾驶汽车控制系统

CARLA 控制和可视化示例

自适应巡航控制 - 相同内容

结合 Pure Pursuit 路径跟踪控制器和强化学习策略实现避障行为切换控制

模拟和比较CARLA 模拟器中自动驾驶汽车控制的 PID（比例-积分-微分）和 MPC（模型预测控制）控制器 - 重点是评估它们在高速操纵和转弯过程中的性能

端到端

多模态端到端自动驾驶：一种双边模态交互方法 - 暂时没代码，解读链接

寻求更好的端到端自动驾驶解决方案

视觉感知、状态估计和定位以及运动规划

完成路线并避开障碍物的端到端自动驾驶汽车

利用扩散模型在Carla仿真环境下实现可控的端到端驾驶

引导注意力以提高其驾驶质量

《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

BEV 下端到端自动驾驶的 SOTA 解码器

自动驾驶的精简多任务端到端传感器融合

自动驾驶中的路径一致性学习

用于端到端自动驾驶的自监督自回归Transformer

端到端驾驶的顺序注意力学习

NVIDIA PilotNet 神经网络的 TensorFlow 实现

模仿学习与 Transformer 检测

具有语义深度云映射和多智能体的端到端自动驾驶

用于端到端自动驾驶的多模融合Transformer

端到端自动驾驶的神经注意场

端到端自动驾驶的规划专家混合模型

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

具有自适应感知和稳健决策的节能自动驾驶

端到端自动驾驶

通过谱归一化神经高斯过程实现 E2E 自动驾驶汽车控制

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

一句话生成想要的自动驾驶关键场景

大语言模型生成配置文件，再生成各种场景

基于视觉语言模型的检索增强自动驾驶极端情况理解

使用大型视觉模型作为 AV 的驱动代理

使用大型语言模型实现闭环端到端驱动 - 其他

扩散驱动

统一视觉语言模型和强化学习框架

VLM-RL：面向安全自动驾驶的统一视觉语言模型和强化学习框架

端到端自动驾驶的 3D 视觉语言预训练生成规划

TLDR：使用大型视觉模型作为 AV 的驱动代理

检索增强生成框架 - 利用上下文丰富的命题和无 LLM 的命题路径集束搜索进行多跳推理

大模型微调相关代码 - 微调方法为lora，编写opendrive相关xml文件

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

汽车场景生成和评估其安全级别工具包

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

一种场景描述 DSL 来描述从交通规则中衍生的功能测试场景

复合 AI 系统可以根据崩溃报告描述生成Scenic程序

该生成器在 XML 中创建 carla 场景的有效变体

使用 SUMO 和 CARLA 模拟 AR 挡风玻璃 HUD 对驾驶性能的影响

3种基准场景

高效自动驾驶的矢量化场景表示

车辆

半挂卡车队列框架

传感器

LiDAR 点云仿真和传感器放置（雨天的雷达）

基于语义射线投射传感器构建的简单雷达模拟器

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

优化多视角行人检测的摄像头配置

仿生机器人

通过车与行人 (V2P) 通信避免碰撞 - 演示了鬼探头

行人社会力模型

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。

开源自行车模拟器

智能人群场景分析引擎

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

人类与汽车行为的模拟算法

针对横穿马路者的实验

带肌肉骨骼模型的强化学习环境 - 基于opensim

基于凝视的正则化，用于减轻模仿学习中的因果混淆

估计行人注意力不集中

基于图像的行人智能手机使用分类器

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

通过手势控制车辆

智能体

受人类认知过程启发持续学习、适应和改进自动驾驶新范式

构建一辆能够使用 SOTA 技术进化的 AI 汽车

自动驾驶汽车 - 对应的毕业论文

多智能体

基于LLM的交通流生成，效果视频

强化学习代理设置速度限制，旨在减少网络上的总排放量

多智能体交通场景gym - 基于场景的 CARLA 训练和评估框架。

多智能体联网自动驾驶 (MACAD) 训练平台

交通堵塞检测

自动驾驶模拟学习对提高交通规则遵守率有何影响

车辆与车辆通信在改善道路拥堵和降低事故数量方面的作用

交通感知自动驾驶

联邦学习自动驾驶

基于对抗多智能体的自动驾驶汽车高级测试框架

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。

通过对象级表示可解释的Transformers

提出了一种可解释的自动驾驶汽车纵向控制的深度学习方法

与模型无关的可解释技术：预期积分离散梯度

通过推理管道实现可验证的稳健学习 - 其他实现

可解释的基于目标的预测和规划

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

使用可解释的传感器融合变压器实现安全增强型自动驾驶

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

自动驾驶汽车仿真与道德决策

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

通过运动学梯度生成稳健模仿的安全关键驾驶场景

对交通标志识别和车道检测的对抗性攻击

自动驾驶异常检测的多模式基准

传感器故障和攻击下的机器人系统的容错神经控制屏障功能

为自动驾驶生成可转移的对抗模拟场景

使用场景图指定和监控安全驾驶属性

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

自动驾驶汽车的安全分析

用于寻找可能故障事件的自动驾驶汽车奖励建模

让用户模拟给定攻击性等级的攻击性驾驶员的行为

基于本体的正向安全关键仿真测试场景生成

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

CARLA 中的自动驾驶汽车对抗性测试框架

事故模拟器

通过运动学梯度生成稳健模仿的安全关键驾驶场景

罕见事件采样用于安全验证

对抗性深度强化学习用于提高多智能体自动驾驶策略的鲁棒性

使用机器学习对图像分类器的安全监控器进行基准测试

自主信息物理系统运行时风险评估框架

专为精确评估自动驾驶汽车安全性的交通模拟环境

通过量化逃生路线的变化来表征和减轻风险

InterFuser：使用可解释传感器融合Transformer实现安全增强型自动驾驶

为精确评估自动驾驶汽车 (AV) 的安全性能而设计 - TeraSim 建立在SUMO的坚实基础之上，凭借先进的交通行为建模和高精度的操控执行能力，显著提升了仿真的逼真度。

AD的安全关键场景基准

测试

评估端到端

在场景级别对自动驾驶系统进行模糊测试的框架

多智能体对抗测试平台

可加速自动驾驶汽车的开发、测试和部署

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

在高保真模拟器中模糊测试自动驾驶系统的开源软件包

基于CARLA模拟器的自动驾驶汽车行为测试

稳健性引导测试：CARLA、RSS、参数探索

测试自主代理的框架

数据集

无需专家标签的稳健车辆导航 LiDAR 视图合成

车端/路端仿真数据集自动构建

使用 Carla 0.9.13 导出数据（KITTI 格式）

CARLA 0.9.13 的数据生成工具

收集数据的轻量级实用程序

以专家策略作为收集数据时的策略

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。

CARLA 传感器模拟到标记数据集的工作流程

使用 ROS2-CARLA 将 LiDar 集成到 Carla

SEAME 和 Carla 数据集工具

前沿

受量子启发的自动驾驶电动汽车系统

CarDreamer 是一个专为开发和评估基于世界模型的自动驾驶而设计的开源平台

比赛

东风比赛

智能地面车辆竞赛

比赛套件

壳牌环保马拉松 2022 自主编程比赛 ROS 软件包

GRAIC自动驾驶竞赛

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。

在各种环境中尝试训练和迁移深度强化模型

允许研究人员在模拟环境中对各种车辆进行驾驶试验并记录

提供 API 以将基于 CommonRoad 的工具与CARLA一起使用

自动驾驶算法测试平台

包含 CARLA 排行榜 2.0 的第一个完整入门套件

系统将有三个不同的用户：车主、商业用户和系统管理员

关于自动驾驶的书

循序渐进的教程 - 从头开始编写自己的自动驾驶汽车程序

《智能网联汽车决策控制技术》代码

可立即使用的训练和评估环境

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

包括 LiDAR 点云和相机姿态的数据可视化应用程序

绘制线条并保存参考点

提取地图信息（可行驶区域、车道、人行横道等）的代码

运行端到端自动驾驶模拟的 Docker 容器

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

基于开放联合仿真的研究/工程框架

OpenCDA文档

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

驾驶辅助系统

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

各种以模块化方式构建的功能

使用 PyGame 可视化自主车辆的传感器

FHWA CARMA 实用程序脚本

车辆跟踪监控

用于将特定类型的日志文件转换为基本 OpenScenario 格式的工具

CARLA 模拟的 GUI 管理器

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

OpenCDA + 云端分布式/异步边缘计算

将 ML 模型与 BDI 代理相结合

用于捕捉 NeRF 实验的场景

Carla Sandbox——自动驾驶汽车的试验台

将 Ray RLlib 集成到 CARLA 自动驾驶模拟器

CARLA 与 RLlib 集成

使用 Zenoh 桥接 Autoware 和 Carla

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

BARK 的 Carla 接口

ROAR RL 管道的 ROS2 基础设施

ROAR 的 ROS 子模块

适用于 ROAR 平台的 Transform Publisher 包

carla-autoware

开源自动驾驶汽车软件

数据集生成工具

基于 Carla Simulator 的虚拟汽车租赁 Web 应用程序

可扩展的 CARLA 模拟器实用程序

Carla 模拟器游乐场，用于训练 AI 代理

用于托管运行 TRI Carla 相关挑战的脚本的存储库

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

简化Carla和Autoware的安装

CARLA 0.9.15 上使用 ROS2 模拟

Carla 和 Opencda 之间的 WebRtc 桥接器

在汽车中使用 openpilot

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

在使用 Linux 系统上的 Logitech 方向盘和踏板组在 CARLA 模拟器中实现手动驾驶以获得逼真的驾驶体验的项目 - 基于 PyQt5 的图形用户界面

通过 Code Agent 配置多语言 Docker 环境

基于gym-carla库的 CARLA gym 环境 - 可使用前置、后置和两个侧置摄像头提供观测状态详情，还可以通过激光雷达 (LIDAR) 实现基于点云的自上而下的视图

V2X

自适应路径规划、V2X 通信和能量感知 WSN 路由的集成仿真框架

杂项

智能车辆系统项目

AITyrimas

通过专家协作增强自动驾驶系统

2024-tfg-felix-martinez

多种传感器配置、实时可视化和自动数据收集

CARLA-vehicle-simulation

油管博主示例

由多种遮挡事件组成的驾驶模拟基准

CarlaContest2023

NYCU 智能驾驶系统专题 2024 春季

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

自动驾驶汽车课程作业解决方案

包含无人机的功能

设置 CARLA 模拟器并编程 - 包含leaderboard 2的数据下载链接

改进 Carla 模拟器中的边界框

逐步在 Carla 模拟器中为汽车创建自动驾驶仪

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。

在 Docker 容器中运行 CARLA 模拟器

基于触觉的 CARLA 模拟的 ROS 包

对参考 TCP 模型进行基准测试

模拟汽车行驶到乘客所在地并将他们送达目的地的过程

使用表观遗传算法和注意力机制测试自动驾驶汽车

实施和测试的自动驾驶汽车的控制、规划和感知测试

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

使用 Python 和 CARLA 进行测试

在 COSMOS 地图上跟踪 Ego 车辆

XAI-carla-v9.14-Windows

提高通用汽车（尤其是雪佛兰 Volt）的 OP 性能和便利性

AutonomousDriving-HWs

研究人类和自动驾驶汽车之间的共享控制

自动驾驶多智能体系统

自动驾驶监督期间升级分心警告的 VR 实验

可执行脚本的集合

自动驾驶管道，利用 Zenoh Flow 实现组件之间的通信

自动驾驶汽车和人工智能课程 WS 22/23 的一部分

简化和自动化设置 openpilot 开发环境的过程

在 Carla 模拟器中运行的自动驾驶汽车算法

从 World on Rails 学习驾驶

基于模拟的自主系统测试

用于教育目的的多容器 Carla 项目模板

实验

从轨迹世界学习驾驶

网络物理系统保证案例开发的自动化模式选择

使用基于极限学习机的控制屏障函数在线自适应补偿模型不确定性

使用深度生成模型压缩传感器数据以实现自动驾驶汽车的远程协助

autonomous-driving-car-to-car

学生作业studentarbeit-final - 包括数据生成、图像处理、训练、部署、导航

基于神经网络技术的智能自动驾驶代理的开发

shell_controller_2025

强化学习VLM-RLv2

主动悬架运动规划研究

NavionIQ

界面正面实时显示车辆状态和 MPPI 干预控制器的响应时间