端到端自动驾驶
End-to-end-Autonomous-Driving
⭐⭐⭐☆☆ (3/5)
🧩 软硬件结合
已发布
项目简介
[IEEE T-PAMI 2024] All you need for End-to-end Autonomous Driving
End-to-end Autonomous Driving 是一个面向自动驾驶研究社区的开源资源聚合项目，由 OpenDriveLab、上海人工智能实验室、香港大学及图宾根大学等机构的研究者共同维护。该项目旨在为端到端自动驾驶研究提供一站式资源库，核心定位是“你进行端到端自动驾驶研究所需的一切”。
标签
项目特点
**全面的论文合集**：收录270+篇论文，按主题分类（如VLM驾驶、世界模型、BEV、Transformer等），并持续更新。
**权威的基准测试**：提供CARLA Leaderboard、nuPlan、NAVSIM等主流闭环和开环基准测试的入口和指南。
**年度挑战赛**：组织CVPR、NeurIPS等顶会上的自动驾驶挑战赛，推动社区发展。
**学习资源丰富**：包含在线课程、顶级会议教程和专家讲座视频，适合不同层次的学习者。
**社区驱动**：鼓励通过PR贡献，提供Slack社区交流，保持资源的最新和活跃。
技术规格
| 项目类型 | |
|---|---|
| 覆盖论文数 | |
| 主要基准 | |
| 主要挑战赛 | |
| 许可证 | |
| 维护方 |
项目资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Python | 1 | — | 推荐3.8+ |
| PyTorch | 1 | — | 用于模型训练和推理 |
| CARLA Simulator | 1 | — | 闭环仿真环境 |
| nuScenes/nuPlan 数据集 | 1 | — | 开环训练和评估 |
| GPU (NVIDIA RTX 3090或更高) | 1 | — | 用于模型训练 |
| 高性能工作站/服务器 | 1 | — | 处理大规模数据 |
所需工具
| 工具 | 用途 | 是否必需 |
|---|---|---|
| Python | 编程语言，运行所有代码 | ✅ 是 |
| PyTorch | 深度学习框架 | ✅ 是 |
| CARLA Simulator | 闭环仿真和评估 | ✅ 是 |
| Git | 版本控制和代码管理 | ✅ 是 |
| Jupyter Notebook | 实验记录和可视化 | ▢ 推荐 |
| Docker | 环境隔离和部署 | ▢ 推荐 |
能力画像
记忆与知识检索
5/5
逻辑推演
4/5
表达与交流
3/5
感知与观察
3/5
数理与计算
4/5
动手与操作
3/5
狂热与坚持
5/5
创造与创新
4/5
项目图库
视频
watch
watch
watch
watch
所需技能
🔧 **动手能力**：需要能够搭建深度学习环境，配置CARLA仿真器，运行和调试代码。
💻 **编程能力**：精通Python，熟悉PyTorch，能够理解和修改深度学习模型代码。
⚡ **电子电路**：不涉及硬件电路，但需要理解传感器（相机、激光雷达）数据格式和融合原理。
适用场景
**学术研究**：作为端到端自动驾驶领域的文献综述和基准测试参考。
**课程教学**：用于自动驾驶相关课程的论文阅读、项目实践和竞赛参与。
**工业研发**：为自动驾驶公司提供技术路线参考和最新算法评估。
**个人学习**：初学者可以通过学习材料和教程入门，进阶者可以参与挑战赛。