机器人研究者主页
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
byang.org 是 Brian Yang 的个人学术主页。根据页面内容，他是卡内基梅隆大学 Robotics PhD 学生，研究方向集中在学习型控制算法，尤其是生成式建模、基于模型的规划、强化学习与自动驾驶的交叉领域。页面还展示了其此前在 Meta AI、UC Berkeley 的经历。
网站功能非常明确：展示个人简介、联系方式以及研究成果列表。论文条目覆盖 CVPR 2024、ICRA 2024、CoRL 2022、RA-L/ICRA 等会议或期刊，主题包括自动驾驶策略学习、扩散模型规划、真实机器人强化学习、低成本机械臂平台、触觉传感器、微型机器人运动控制等。多数条目提供 arXiv、PDF、project page、code 或 blog 链接，方便读者深入阅读和复现。
这是公开个人主页，不属于商业 SaaS、课程或工具产品。页面未显示任何收费、订阅、会员或付费咨询信息，访问内容应视为免费公开浏览。
优点是信息简洁、学术脉络清晰，能快速判断作者研究领域和代表成果；论文链接较完整，尤其对机器人学习和自动驾驶研究者有参考价值。缺点是页面结构偏静态，缺少搜索、标签筛选、中文说明或持续更新日志；外部资源依赖 GitHub、arXiv、项目页等，访问稳定性不完全由本站决定。
适合机器人、自动驾驶、强化学习、模型预测控制、生成式规划方向的研究生、学者、工程师和招聘方使用。若想查找 Brian Yang 的论文、代码、项目材料或联系方式，这个网站是最直接入口。
站点本身是普通个人主页，通常可直连。但其中 GitHub、arXiv、部分项目页或学术资源在中国大陆可能出现速度慢或间歇性不可用的情况，深度阅读时可能需要备用网络环境。
本测评基于公开资料整理,不构成购买建议,请以 byang.org 官网实际信息为准。
CMU机器人博士主页，可跟踪研究与简历。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。