Модель Diffusion Planner для Autoware генерирует траектории движения автономного автомобиля с учётом дорожной карты, маршрута и препятствий.

Подходит для: планирование траектории автономного автомобиля в Autoware · генерация нескольких вариантов безопасного движения · прогнозирование будущих состояний обнаруженных автомобилей и других объектов

Набор моделей CenterPoint для обнаружения пяти классов дорожных объектов в 3D-облаках точек LiDAR в Autoware.

Подходит для: обнаружение автомобилей и грузовиков по данным LiDAR · распознавание пешеходов и велосипедистов в облаке точек · получение ориентированных 3D-рамок для восприятия автономного автомобиля

Мультимодальная VLA-модель NVIDIA для рассуждений о дорожной обстановке и прогнозирования траектории автомобиля в сценариях автономного вождения.

Подходит для: прогнозирование траектории автомобиля по данным камер и истории движения · объяснение решений системы автономного вождения · ответы на вопросы о дорожной сцене

Модель NVIDIA для восприятия дорожной обстановки, объяснения решений и предсказания действий и траекторий автономного автомобиля по изображениям, видео, тексту и истории движения.

Подходит для: предсказание траектории автономного автомобиля · ответы на вопросы по видео с дорожных камер · привязка объектов на изображениях к координатам

tensorrt_vad — модель сквозного автономного вождения для планирования траектории автомобиля в симуляторе CARLA по данным шести камер и одометрии.

Подходит для: планирование траектории автомобиля в CARLA · сквозное управление движением в симуляционных сценариях Bench2Drive · получение кандидатных траекторий движения

Дообученная на базе NVIDIA GR00T N1.7 робототехническая policy-модель для преобразования наблюдений в действия робота.

Подходит для: формирование действий робота по входным наблюдениям · запуск дообученной policy в runtime семейства GR00T · интеграция робототехнической модели с заданными пространством действий и нормализацией

Базовая Vision-Language-Action модель LeRobot для дообучения и управления роботами по изображениям, состоянию робота и текстовым инструкциям.

Подходит для: дообучение управления роботом-манипулятором под конкретную задачу · управление роботом по изображениям с нескольких камер · выполнение роботизированных задач по текстовой инструкции

Модель на базе Qwen3-VL для навигации роботов и планирования маршрута по изображениям и языковым инструкциям.

Подходит для: навигация робота по визуальному наблюдению и текстовой инструкции · планирование пути в эгоцентрической сцене · поиск целевого объекта или области в сцене

METEOR — многозадачная модель кругового обзора, которая по восьми камерам оценивает дорожную сцену и строит прогнозы для автономного вождения.

Подходит для: сегментация дорожных линий в BEV · оценка глубины по нескольким камерам · обнаружение и классификация автомобилей и уязвимых участников движения

Набор GGUF-конверсий embodied AI моделей для запуска робототехнических политик через C++ runtime Embodied.cpp.

Подходит для: Запуск политик pi0.5 на робототехническом оборудовании · Развёртывание Hunyuan-VLA-0.5 в симуляции RoboTwin · Вывод модели LingBot-VA через C++ runtime

Открытая мультимодальная модель Xiaomi на базе Qwen2.5-VL для визуального понимания, планирования и прогнозирования в автономном вождении и embodied AI.

Подходит для: анализ дорожной сцены по изображению · понимание пространственных отношений между объектами · планирование манипуляций и действий робота

Мультимодальная модель Alibaba DAMO Academy для планирования роботизированных действий по изображениям сцены и текстовой цели.

Подходит для: планирование последовательности действий робота по заданной цели и изображению сцены · разбиение многошаговой задачи манипуляции на подзадачи · привязка объектов и целевых областей к физическому пространству

SIMPL — модель для прогнозирования нескольких возможных траекторий движения участников дорожного движения в Autoware.

Подходит для: прогноз траекторий автомобилей в сцене автономного вождения · оценка возможных путей пешеходов · прогноз движения велосипедистов и мотоциклистов

AEWM — дообученная на базе Qwen3.5-35B-A3B модель, которая оценивает и исправляет решения агентных систем при поиске, работе в терминале и разработке ПО.

Подходит для: оценка полезности следующего действия агента перед его выполнением · исправление ошибочного плана агента на основе истории задачи · снижение избыточных и вводящих в заблуждение действий в поисковых агентах