simlingo 项目亮点解析
2025-06-17 13:44:05作者:农烁颖Land
1. 项目基础介绍
simlingo 是一个基于 Vision-Language-Action (VLA) 架构的开源项目,旨在实现仅视觉闭环的自动驾驶,并具备语言理解与执行的能力。该项目在 CARLA Leaderboard 和 Bench2Drive 上取得了领先的驾驶性能,同时支持视觉问答(VQA)、评论和指令跟随等语言功能。simlingo 项目的代码基于 Carla Garage,包含了数据收集、语言标签生成、梦境数据生成、基础和最终模型的训练,以及闭环驾驶和语言能力的评估。
2. 项目代码目录及介绍
simlingo 项目的代码目录结构清晰,主要包含以下部分:
- assets: 存储项目所需的资源文件。
- data: 包含数据集和相关文件。
- dataset_generation: 用于生成和清理数据集的脚本。
- leaderboard_autopilot 和 scenario_runner_autopilot: 修改版的 CARLA Leaderboard 和 Scenario Runner,便于数据收集。
- simlingo_base_training 和 simlingo_training: 包含模型训练的相关脚本和代码。
- team_code: 团队自定义的代码。
- tools: 项目所需的工具脚本。
- .gitignore: 指定 Git 忽略的文件。
此外,还包括了各种配置文件、环境设置脚本和训练脚本等。
3. 项目亮点功能拆解
simlingo 项目的主要亮点功能包括:
- 数据收集与处理: 使用 PDM-Lite 专家和定制化的数据代理进行数据收集,确保收集的数据适用于生成 VQA 和评论数据。
- 数据清洗: 提供脚本用于删除数据集中的无效或错误的路由。
- 语言标签生成: 利用 DriveLM 的脚本生成 VQA 标签,并使用 ChatGPT 进行数据增强。
- 模型训练: 提供了从基础训练到最终模型训练的完整流程和脚本。
4. 项目主要技术亮点拆解
simlingo 项目的主要技术亮点包括:
- VLA 架构: 结合视觉、语言和动作,实现了更自然的自动驾驶决策过程。
- 高性能: 在 CARLA Leaderboard 和 Bench2Drive 上取得了优异的性能。
- 灵活性: 支持多种语言功能,如 VQA、评论和指令跟随。
- 易用性: 提供了详尽的设置指南和数据收集、训练脚本,便于用户快速上手。
5. 与同类项目对比的亮点
与同类项目相比,simlingo 的亮点在于:
- 全面的自动驾驶功能: 不仅实现了高效的驾驶性能,还集成了丰富的语言处理能力。
- 开放的数据集: 提供了完整的数据集,方便其他研究人员进行复现和进一步的研究。
- 社区支持: 在 GitHub 上有活跃的社区支持,便于问题的解答和功能的进一步开发。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0331- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
1 freeCodeCamp Cafe Menu项目中link元素的void特性解析2 freeCodeCamp全栈开发课程中React实验项目的分类修正3 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析4 freeCodeCamp课程中屏幕放大器知识点优化分析5 freeCodeCamp课程页面空白问题的技术分析与解决方案6 freeCodeCamp课程视频测验中的Tab键导航问题解析7 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析8 freeCodeCamp博客页面工作坊中的断言方法优化建议9 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析10 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
179
263

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
869
514

openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
295
331

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K

harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0

deepin linux kernel
C
22
5

微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58