由于其广泛的潜在应用，多模态跟踪引起了极大的关注。现有的多模态跟踪方法通常在RGB跟踪的基础上融合不同视觉模态的数据。然而，仅仅关注视觉模态是不够的，因为跟踪数据的匮乏。受大模型最近成功的启发，本文提出了一种基于文本生成的多模态视觉跟踪（MVTTG）方法，以解决缺乏语言信息和忽略目标与搜索区域之间语义关系的视觉跟踪局限性。为此，我们利用大模型生成图像描述，使用这些描述提供关于目标外观和运动的补充信

机器人学习具有巨大潜力，有望释放灵活、通用和灵巧机器人系统的全部潜能，并解决人工智能领域一些最深层次的问题。然而，将机器人学习提升到有效现实世界系统所需的通用性水平，在数据、泛化性和鲁棒性方面面临着主要障碍。在本文中，我们讨论了通用机器人策略（即机器人基础模型）如何能够应对这些挑战，以及我们如何能够为复杂且高度灵巧的任务设计有效的通用机器人策略。我们提出了一种新颖的流匹配架构，该架构构建于预训练的

准确的传感器校准是自主车辆多传感器感知的先决条件。尽管有许多与传感器校准相关的开源项目，但大多数是为特定传感器或应用场景设计的。为此，我们提出了OpenCalib，一个具有丰富传感器校准方法的工具箱，专为自主驾驶车辆设计。OpenCalib覆盖了最常用的传感器，包括LiDAR、相机、IMU、雷达以及不同的应用场景，包括基于道路场景的手动和自动校准、生产线上的校准以及在线校准。据我们所知，OpenC

准确的传感器校准是自主车辆多传感器感知和定位系统的前提条件。传感器的内参校准旨在获得传感器内部的映射关系，而外参校准则是将两个或多个传感器转化为统一的空间坐标系统。大多数传感器在安装后需要进行校准，以确保传感器测量的准确性。为此，我们推出了OpenCalib，一个包含丰富的多种传感器校准方法的工具箱。OpenCalib覆盖了不同应用场景下的手动校准工具、自动校准工具、工厂校准工具和在线校准工具。同