@chen-suzeyu
北京交大信管专业学士(2024毕业)。香港科技大学（广州）M.S在读。 方向：世界模型-具身智能，3DCV，自动驾驶… 个人网站: https://chensuzeyu.github.io/
100k star: Claude Code、Cursor、Devin AI、Junie、Kiro、Manus智能体工具、NotionAI、Orchids.app、Perplexity、Poke、Qoder、Replit、Same.dev、Trae、Traycer AI、VSCode智能体、Warp.dev、Windsurf、Xcode、Z.ai代码、dia和v0（以及其他开源的）系统提示词
最近更新: 5个月前摘要：基于视觉的自动驾驶感知已经经历了从鸟瞰图 （BEV） 表示到 3D 语义占用的转变。与 BEV 平面相比，3D 语义占用进一步提供了沿垂直方向的结构信息。本文介绍了 OccFormer，这是一种双路径变压器网络，可有效处理 3D 体积以进行语义占用预测。OccFormer 实现了相机生成的 3D 体素特征的长距离、动态和高效编码。
最近更新: 8个月前本仓库包含对 Claude Code v1.0.33 进行逆向工程的完整研究和分析资料。包括对混淆源代码的深度技术分析、系统架构文档，以及重构 Claude Code agent 系统的实现蓝图。主要发现包括实时 Steering 机制、多 Agent 架构、智能上下文管理和工具执行管道。该项目为理解现代 AI agent 系统设计和实现提供技术参考。
最近更新: 8个月前三维占据预测能够全面描述周围场景，已成为三维感知领域的关键任务。现有方法大多局限于单视角或有限视角的离线感知，无法满足具身智能体通过渐进式探索逐步感知场景的需求。本文针对这一实际应用场景，提出具身三维占据预测任务，并开发基于高斯分布的EmbodiedOcc框架来实现该目标。我们使用均匀的三维语义高斯分布初始化全局场景，并通过具身智能体逐步更新观测到的局部区域。
最近更新: 9个月前三维语义占用预测是实现稳健视觉导向自动驾驶的关键任务，其核心在于精准解析周围场景的细粒度几何特征与语义属性。现有方法多采用密集网格化的场景表征方式，却忽视了驾驶场景的空间稀疏特性。尽管三维语义高斯模型作为以对象为中心的稀疏替代方案，但多数高斯分布仍存在描述空区域效率低下的问题。针对这一缺陷，我们提出概率高斯叠加模型：将每个高斯分布解释为邻域被占用的概率分布，并通过概率乘法构建整体几何结构。
最近更新: 9个月前
