Awesome-World-Model

一页清单看懂自动驾驶世界模型论文

Awesome-World-Model 是一个面向自动驾驶(并延伸至机器人等领域)的世界模型论文与资源合集。它把散落在 arXiv、会议和工程博客里的世界模型相关工作系统整理成清单,解决研究者与工程师在快速膨胀的文献中难以定位关键方法、数据集和开源实现的问题。核心能力包括:按任务与场景分类的论文索引,覆盖预测、仿真、规划、生成式建模等方向;对代表性工作的简要说明与链接,便于横向对比;同时关联自动驾驶数据集、评测基准和代码仓库,形成从理论到落地的入口。项目本身是纯资料型仓库,不提供训练代码或模型权重,价值在于节省检索与筛选时间,适合作为选题调研、技术选型和团队内部知识库的起点。

开源 free 数据集
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 2262
维护状态 活跃
是否开源
定价模式 free

项目数据

分类数据集
开发团队LMD0311
所属国家
官网地址
定价模式free
价格说明开源免费资源列表
访问状态
是否开源
开源协议
主要语言
技术栈/模型artificial-intelligence,artificial-intelligence-algorithms,autonomous-driving,autonomous-vehicles,awesome,computer-vision,deep-learning,future-predict,robotics,world-model
GitHub 星标★ 2262
30天Star增速
HF 下载量
上线时间2024-01-02 00:00:00
最近更新2026-09-17 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-17
浏览次数0

使用教程

难度:入门 约 5 分钟 部署方式:本地安装 6 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • 可访问 GitHub 的网络环境
  • 已安装 Git(用于克隆仓库)
  • 支持 Markdown 的阅读器或浏览器(用于查看清单)
  • 无需 Python、CUDA 或 GPU 等运行环境

安装与启动步骤

  1. 1克隆仓库

    把资料清单仓库下载到本地,纯文档仓库,体积很小,无需安装任何依赖。

    git clone https://github.com/LMD0311/Awesome-World-Model.git
  2. 2进入仓库目录

    切换到仓库根目录,主要内容和论文分类清单都在根目录的 README.md 中。

    cd Awesome-World-Model
  3. 3阅读论文清单

    用编辑器或浏览器打开 README.md,按分类浏览自动驾驶/机器人世界模型论文及链接。

  4. 4阅读配套综述

    README 说明本清单是其综述论文的补充,建议先读综述建立整体框架再逐条检索。

  5. 5提交补充或纠错

    发现遗漏论文时,按 ContributionGuidelines 提 PR,或通过 Issues 页面反馈。

  6. 6引用本项目

    在研究中使用该清单时,请按 README 给出的 BibTeX 条目进行引用。

如何确认成功

本地出现 Awesome-World-Model 目录且 README.md 可正常打开,能看到论文分类清单即为成功。

常见问题

Q:这个项目需要安装依赖或下载模型权重吗?

A:不需要。它是纯资料型仓库,只收录论文、数据集与代码仓库链接,不提供训练代码或模型权重。

Q:克隆后怎么快速找到某个方向的论文?

A:直接用浏览器或编辑器打开 README.md,按其中的分类目录定位预测、仿真、规划、生成式建模等方向。

Q:能直接在本地跑一个世界模型吗?

A:不能。需要根据清单中每篇论文给出的链接,前往对应的官方代码仓库按其说明单独部署。

Q:发现自己关注的论文没被收录怎么办?

A:按 README 指引提交 pull request,或新开一个 issue 说明,贡献方式见 ContributionGuidelines。

注意事项

  • 本项目为论文与资源合集,不含可执行代码,不要期待 pip install 之类的安装流程。
  • 引用请使用 README 中给出的 BibTeX 条目,不要自行杜撰引用格式。
  • 若网络无法访问 GitHub,克隆会失败,可改用镜像或直接在网页端浏览清单。

核心亮点

  • 按自动驾驶、机器人等方向分类整理论文,检索路径清晰
  • 汇总数据集、基准与代码链接,方便从论文直达实现
  • 持续收录新工作,适合作为选题调研的起点

不足之处

  • 仅为资料清单,不提供可运行代码或模型权重
  • 分类与说明深度有限,缺少统一评测对比

适用场景

  • 自动驾驶世界模型方向选题调研
  • 团队内部技术选型与知识库搭建
  • 跟踪生成式仿真与预测最新论文

替代项目

awesome-autonomous-driving、awesome-world-models

项目介绍

Awesome-World-Model 是一个数据集领域的开源项目,官方简介:Collect some World Models for Autonomous Driving (and Robotic, etc.) papers.。项目使用 未知 开发,在 GitHub 上获得 2260 星标。

上一篇:DataFlow

下一篇:xtreme1

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注,图像视频文本通吃,导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10496 2026-08-10
distilabel 开源

基于论文的合成数据流水线,快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3395 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据,告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09
stopes 开源

一键准备多语言翻译数据,从清洗到挖掘平行语料

A library for preparing data for machine translation research (monolingual preproces···

★ 313 2026-08-10