Анализ сайта long.ooo
Основное Готовность: 75%
Домен
long.ooo
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Домен второго уровня идеален для продвижения.
Отличный запоминающийся домен.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Цепочка редиректов:
http://long.ooo
301 MovedPermanently
https://long.ooo/
200 OK
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 11.10.2026 2:07:39.
HTTP автоматически перенаправляется на HTTPS.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
en-us
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en-us.
Скорость загрузки
~0,58сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,58сек оптимальна.
Объем документа
58Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 58Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 13
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 13 много для одной страницы. Приемлемо до 10. Проведите оптимизацию файлов ресурсов!
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | https://fonts.googleapis.com/css2?family=Montserrat:wght@400;700&family=Roboto+Mono&family=Roboto:wght@400;700&display=swap | |
| stylesheet | /css/vendor-bundle.min.047268c6dd09ad74ba54a0ba71837064.css | |
| stylesheet | https://cdn.jsdelivr.net/gh/jpswalsh/academicons@1.9.4/css/academicons.min.css | |
| stylesheet | /css/wowchemy.ecf3cf72b89cf25ed97452f3fa23c931.css | |
| stylesheet | /css/libs/chroma/github-light.min.css | |
| stylesheet | /css/libs/chroma/dracula.min.css | |
| js | https://www.googletagmanager.com/gtag/js?id=G-RDK483H04J | |
| js | /js/wowchemy-init.min.ec9d49ca50e4b80bdb08f0417a28ed84.js | |
| js | /js/vendor-bundle.min.f64289d8217e08e3afcd597d60836062.js | |
| js | https://cdn.jsdelivr.net/gh/krisk/Fuse@v3.2.1/dist/fuse.min.js | |
| js | https://cdn.jsdelivr.net/gh/julmot/mark.js@8.11.1/dist/jquery.mark.min.js | |
| js | /en/js/wowchemy.min.3322c0d94f0e691b0b24c63f4c41064b.js | |
| js | module | /js/wowchemy-publication.9137013a66774049159934c29c3f0205.js |
Серверные заголовки
Кол-во: 17
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 17шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| ETag | "69e7c5fb-e8f3" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 8226:779F0:E8EDD4:EAA05B:6A890B2C |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 02:36:28 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230036-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787366189.816828,VS0,VE102 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 85f8bdb8a99c82b66fe4fc87ec933077516ae64d |
CMS
Не определена
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
GitHub.com
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
В заголовке Server указано: GitHub.com.
Мета-теги Готовность: 33%
Title
Long Chen
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Необходимо увеличить число символов в title (текущее значение мало: 9, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Long Chen - Senior Applied Scientist @ Wayve - I am a highly driven individual with over 10 years of research experience, deeply invested in the research, development, and deployment of cutting-edge Computer Vision (CV) and Machine Learning (ML) technologies. My work is centered around creating future disruptive applications, with key areas of focus including Surgical Robotics, Mixed Reality, and Autonomous Vehicles.
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Необходимо уменьшить число символов в description (текущее значение: 420, оптимально: от 120 до 130)
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
/
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Домен в каноническом Url не совпадает!
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width,initial-scale=1
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Кол-во: 7
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph задана. Страница оптимизирована под социальные сети.
Показать полный список og мета-тегов
| Тип | Значение |
|---|---|
| og:site_name | Long Chen |
| og:url | / |
| og:title | Long Chen |
| og:description | Long Chen - Senior Applied Scientist @ Wayve - I am a highly driven individual with over 10 years of research experience, deeply invested in the research, development, and deployment of cutting-edge Computer Vision (CV) and Machine Learning (ML) technologies. My work is centered around creating future disruptive applications, with key areas of focus including Surgical Robotics, Mixed Reality, and Autonomous Vehicles. |
| og:image | /media/icon_hu590be7ae1b696c72fbd2abd638f93fe2_71925_512x512_fill_lanczos_center_3.png |
| og:locale | en-us |
| og:updated_time | 2022-10-24T00:00:00+00:00 |
Все мета-теги
Кол-во: 14
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 14шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | viewport | width=device-width,initial-scale=1 |
| name | generator | Wowchemy 5.7.0 for Hugo |
| name | author | Long Chen |
| name | description | Long Chen - Senior Applied Scientist @ Wayve - I am a highly driven individual with over 10 years of research experience, deeply invested in the research, development, and deployment of cutting-edge Computer Vision (CV) and Machine Learning (ML) technologies. My work is centered around creating future disruptive applications, with key areas of focus including Surgical Robotics, Mixed Reality, and Autonomous Vehicles. |
| name | theme-color | #1565c0 |
| property | twitter:card | summary |
| property | twitter:image | /media/icon_hu590be7ae1b696c72fbd2abd638f93fe2_71925_512x512_fill_lanczos_center_3.png |
| property | og:site_name | Long Chen |
| property | og:url | / |
| property | og:title | Long Chen |
| property | og:description | Long Chen - Senior Applied Scientist @ Wayve - I am a highly driven individual with over 10 years of research experience, deeply invested in the research, development, and deployment of cutting-edge Computer Vision (CV) and Machine Learning (ML) technologies. My work is centered around creating future disruptive applications, with key areas of focus including Surgical Robotics, Mixed Reality, and Autonomous Vehicles. |
| property | og:image | /media/icon_hu590be7ae1b696c72fbd2abd638f93fe2_71925_512x512_fill_lanczos_center_3.png |
| property | og:locale | en-us |
| property | og:updated_time | 2022-10-24T00:00:00+00:00 |
Оптимизация Готовность: 62%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют в единственном экземпляре).
Контент
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 2 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 19 достаточно.
Среднее число слов в абзаце 48 достаточно.
Кол-во знаков контента 15675 на странице оптимально.
Кол-во слов 2384 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 5. Это прекрасно.
На странице присутствуют заголовки <h2> 1. Это хорошо.
На странице присутствуют заголовки <h3> 2.
Тошнота
6,56
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
19,97%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота превышает норму 5-15%. Измените текст страницы!
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| driving | 43 | 1,80% |
| autonomous | 30 | 1,26% |
| models | 15 | 0,63% |
| dataset | 13 | 0,55% |
| language | 12 | 0,50% |
| reality | 11 | 0,46% |
| robotics | 10 | 0,42% |
| computer | 10 | 0,42% |
| learning | 10 | 0,42% |
| january | 9 | 0,38% |
| vision | 8 | 0,34% |
| end-to-end | 8 | 0,34% |
| understanding | 8 | 0,34% |
| present | 8 | 0,34% |
| conference | 8 | 0,34% |
| self-driving | 7 | 0,29% |
| technology | 7 | 0,29% |
| performance | 7 | 0,29% |
| international | 7 | 0,29% |
| framework | 7 | 0,29% |
Индексация Готовность: 30%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 169 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Найден корректный robots.txt
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Robots.txt настроен корректно. Размер файла: 37 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Цепочка редиректов для файла robots.txt:
http://long.ooo/robots.txt
301 MovedPermanently
https://long.ooo/robots.txt
200 OK
Показать содержимое robots.txt
User-agent: *
Sitemap: /sitemap.xml
Sitemap
Кол-во: 1
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt содержит ошибку в карте сайта. Рекомендуем исправить ссылку на карту сайта и проверить ее содержимое.
Robots.txt содержит карту сайта. Это прекрасно!
Показать карту сайта
| Url | Статус |
|---|---|
| /sitemap.xml |
Относительный путь
|
Внутренние ссылки
Кол-во: 41
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 41 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
На странице присутствуют изображения 19.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| / |
Long Chen
|
|
Анализировать url |
| / |
Long Chen
|
|
Анализировать url |
| /publication/lfd/ |
fleet learning
|
|
Анализировать url |
| /publication/sim_lingo/ |
SimLingo: Vision-Only Closed-Loop Autonomous Driving with Language-Action Alignment
|
|
Анализировать url |
| /publication/sim_lingo/ |
<div class="article-style"><p>Integrating large language models (LLMs) into autonomous driving has attracted significant attention with the hope of improving generalization and explainability. However, existing methods often focus on either driving or vision-language understanding but achieving both high driving performance and extensive language understanding remains challenging. In addition, the dominant approach to tackle vision-language understanding is using visual question answering. However, for autonomous driving, this is only useful if it is aligned with the action space. Otherwise, the model’s answers could be inconsistent with its behavior. Therefore, we propose a model that can handle three different tasks: (1) closed-loop driving, (2) vision-language understanding, and (3) language-action alignment. Our model SimLingo is based on a vision language model (VLM) and works using only camera, excluding expensive sensors like LiDAR. SimLingo obtains state-of-the-art performance on the widely used CARLA simulator on the Bench2Drive benchmark and is the winning entry at the CARLA challenge 2024. Additionally, we achieve strong results in a wide variety of language-related tasks while maintaining high driving performance.</p></div>
|
|
Анализировать url |
| /publication/lingoqa/ |
LingoQA: Video Question Answering for Autonomous Driving
|
|
Анализировать url |
| /publication/lingoqa/ |
<div class="article-style"><p>Autonomous driving has long faced a challenge with public acceptance due to the lack of explainability in the decision-making process. Video question-answering (QA) in natural language provides the opportunity for bridging this gap. Nonetheless, evaluating the performance of Video QA models has proved particularly tough due to the absence of comprehensive benchmarks. To fill this gap, we introduce LingoQA, a benchmark specifically for autonomous driving Video QA. The LingoQA trainable metric demonstrates a 0.95 Spearman correlation coefficient with human evaluations. We introduce a Video QA dataset of central London consisting of 419k samples that we release with the paper. We establish a baseline vision-language model and run extensive ablation studies to understand its performance.</p></div>
|
|
Анализировать url |
| /publication/driving-with-llms/ |
Driving with LLMs: Fusing Object-Level Vector Modality for Explainable Autonomous Driving
|
|
Анализировать url |
| /publication/driving-with-llms/ |
<div class="article-style"><p>Large Language Models (LLMs) have shown promise in the autonomous driving sector, particularly in generalization and interpretability. We introduce a unique object-level multimodal LLM architecture that merges vectorized numeric modalities with a pre-trained LLM to improve context understanding in driving situations. We also present a new dataset of 160k QA pairs derived from 10k driving scenarios, paired with high quality control commands collected with RL agent and question answer pairs generated by teacher LLM (GPT-3.5). A distinct pretraining strategy is devised to align numeric vector modalities with static LLM representations using vector captioning language data. We also introduce an evaluation metric for Driving QA and demonstrate our LLM-driver’s proficiency in interpreting driving scenarios, answering questions, and decision-making. Our findings highlight the potential of LLM-based driving action generation in comparison to traditional behavioral cloning. We make our benchmark, datasets, and model available for further exploration.</p></div>
|
|
Анализировать url |
| /publication/context_aware_mr/ |
Context-Aware Mixed Reality: A Learning-Based Framework for Semantic-Level Interaction
|
|
Анализировать url |
| /publication/context_aware_mr/ |
<div class="article-style"><p>Mixed reality (MR) is a powerful interactive technology for new types of user experience. We present a semantic-based interactive MR framework that is beyond current geometry-based approaches, offering a step change in generating high-level context-aware interactions. Our key insight is that by building semantic understanding in MR, we can develop a system that not only greatly enhances user experience through object-specific behaviours, but also it paves the way for solving complex interaction design challenges. In this paper, our proposed framework generates semantic properties of the real-world environment through a dense scene reconstruction and deep image understanding scheme. We demonstrate our approach by developing a material-aware prototype system for context-aware physical interactions between the real and virtual objects. Quantitative and qualitative evaluation results show that the framework delivers accurate and consistent semantic information in an interactive MR environment, providing effective real-time semantic-level interactions.</p></div>
|
|
Анализировать url |
| /publication/sim_lingo/ |
SimLingo: Vision-Only Closed-Loop Autonomous Driving with Language-Action Alignment
|
|
Анализировать url |
| /publication/sim_lingo/ |
<div class="article-style">Integrating large language models (LLMs) into autonomous driving has attracted significant attention with the hope of improving …</div>
|
|
Анализировать url |
| /publication/lingoqa/ |
LingoQA: Video Question Answering for Autonomous Driving
|
|
Анализировать url |
| /publication/lingoqa/ |
<div class="article-style">Autonomous driving has long faced a challenge with public acceptance due to the lack of explainability in the decision-making process. …</div>
|
|
Анализировать url |
| /publication/driving-with-llms/ |
Driving with LLMs: Fusing Object-Level Vector Modality for Explainable Autonomous Driving
|
|
Анализировать url |
| /publication/driving-with-llms/ |
<div class="article-style">Large Language Models (LLMs) have shown promise in the autonomous driving sector, particularly in generalization and interpretability. …</div>
|
|
Анализировать url |
| /publication/dataset/ |
One Thousand and One Hours: Self-driving Motion Prediction Dataset
|
|
Анализировать url |
| /publication/dataset/ |
<div class="article-style">Motivated by the impact of large-scale datasets on ML systems we present the largest self-driving dataset for motion prediction to …</div>
|
|
Анализировать url |
| /publication/guided_batching/ |
Guided Batching: a method for building city-scale HD maps from limited field-of-view cameras
|
|
Анализировать url |
| /publication/guided_batching/ |
<div class="article-style">The present invention provides a method of generating a robust global map using a plurality of limited field-of-view cameras to capture …</div>
|
|
Анализировать url |
| /publication/simnet/ |
SimNet: Learning reactive self-driving simulations from real-world observations
|
|
Анализировать url |
| /publication/simnet/ |
<div class="article-style">In this work, we present a simple end-to-end trainable machine learning system capable of realistically simulating driving experiences. …</div>
|
|
Анализировать url |
| /publication/lfd/ |
What data do we need for training an av motion planner?
|
|
Анализировать url |
| /publication/lfd/ |
<div class="article-style">We investigate what grade of sensor data is required for training an imitation-learning-based AV planner on human expert demonstration. …</div>
|
|
Анализировать url |
| /publication/context_aware_mr/ |
Context-Aware Mixed Reality: A Learning-Based Framework for Semantic-Level Interaction
|
|
Анализировать url |
| /publication/context_aware_mr/ |
<div class="article-style">Mixed reality (MR) is a powerful interactive technology for new types of user experience. We present a semantic-based interactive MR …</div>
|
|
Анализировать url |
| /publication/monodepth/ |
Self-supervised monocular image depth learning and confidence estimation
|
|
Анализировать url |
| /publication/monodepth/ |
<div class="article-style">We present a novel self-supervised framework for monocular image depth learning and confidence estimation. Our framework reduces the …</div>
|
|
Анализировать url |
| /publication/desmoke/ |
De-smokeGCN: generative cooperative networks for joint surgical smoke detection and removal
|
|
Анализировать url |
| /publication/desmoke/ |
<div class="article-style">Surgical smoke removal algorithms can improve the quality of intra-operative imaging and reduce hazards in image-guided surgery, a …</div>
|
|
Анализировать url |
| /publication/slam_mis/ |
SLAM-based dense surface reconstruction in monocular minimally invasive surgery and its application to augmented reality
|
|
Анализировать url |
| /publication/slam_mis/ |
<div class="article-style">Background and objective: While Minimally Invasive Surgery (MIS) offers considerable benefits to patients, it also imposes big …</div>
|
|
Анализировать url |
| /publication/mmr_survey/ |
Recent Developments and Future Challenges in Medical Mixed Reality
|
|
Анализировать url |
| /publication/mmr_survey/ |
<div class="article-style">Mixed Reality (MR) is of increasing interest within technology-driven modern medicine but is not yet used in everyday practice. This …</div>
|
|
Анализировать url |
| /publication/ar_mis/ |
Real-time Geometry-Aware Augmented Reality in Minimally Invasive Surgery
|
|
Анализировать url |
| /publication/ar_mis/ |
<div class="article-style">The potential of Augmented Reality (AR) technology to assist minimally invasive surgeries (MIS) lies in its computational performance …</div>
|
|
Анализировать url |
| /publication/semantic_ar/ |
Semantic Augmented Reality Environment with Material-Aware Physical Interactions
|
|
Анализировать url |
| /publication/semantic_ar/ |
<div class="article-style">In Augmented Reality (AR) environment, realistic interactions between the virtual and real objects play a crucial role in user …</div>
|
|
Анализировать url |
| /publication/mathrun/ |
MathRun: An Adaptive Mental Arithmetic Game Using A Quantitative Performance Model
|
|
Анализировать url |
| /publication/mathrun/ |
<div class="article-style">Pedagogy and the way children learn are changing rapidly with the introduction of widely accessible computer technologies, from mobile …</div>
|
|
Анализировать url |
Внешние ссылки
Кол-во: 95
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 95 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор | Анализировать |
|---|---|---|
| scholar.google.com |
<i class="fas fa-graduation-cap big-icon"></i>
|
Анализировать url |
| github.com |
<i class="fab fa-github big-icon"></i>
|
Анализировать url |
| linkedin.com |
<i class="fab fa-linkedin big-icon"></i>
|
Анализировать url |
| github.com |
Driving-with-LLMs
|
Анализировать url |
| wayve.ai |
LINGO
|
Анализировать url |
| wayve.ai |
SimLingo
|
Анализировать url |
| fortune.com |
Fortune
|
Анализировать url |
| ft.com |
Financial Times
|
Анализировать url |
| technologyreview.com |
MIT Technology Review
|
Анализировать url |
| xtech.nikkei.com |
Nikkei Robotics
|
Анализировать url |
| 36kr.com |
36kr
|
Анализировать url |
| youtu.be |
Xiaomi XLA Foundation Model
|
Анализировать url |
| arxiv.org |
VGGDrive
|
Анализировать url |
| arxiv.org |
DVGT
|
Анализировать url |
| arxiv.org |
SimScale
|
Анализировать url |
| arxiv.org |
DGGT
|
Анализировать url |
| arxiv.org |
SkyVLM
|
Анализировать url |
| arxiv.org |
MeanFuser
|
Анализировать url |
| arxiv.org |
MiMo-Embodied
|
Анализировать url |
| linkedin.com |
IROS RoboSense Challenge
|
Анализировать url |
| arxiv.org |
RoboAfford++: A Dataset for Robotics Affordance Learning
|
Анализировать url |
| opendrivelab.com |
ICCV 2025 Workshop: Advancing Spatial Understanding for Embodied Intelligence
|
Анализировать url |
| innovatorsunder35.com |
MIT Technology Review 35 Innovators Under 35 Asia Pacific
|
Анализировать url |
| arxiv.org |
ReSim: Reliable World Simulation for Autonomous Driving
|
Анализировать url |
| katrinrenz.de |
SimLingo: Vision-Only Closed-Loop Autonomous Driving with Language-Action Alignment
|
Анализировать url |
| mllmav.github.io |
ECCV 2024 Workshop: Autonomous Vehicles meet Multimodal Foundation Models
|
Анализировать url |
| llvm-ad.github.io |
IEEE ITSC 2024 Workshop: Large Language and Vision Models for Autonomous Driving
|
Анализировать url |
| mrt.kit.edu |
IEEE ITSC 2024 Workshop: Foundation Models for Autonomous Driving
|
Анализировать url |
| arxiv.org |
LingoQA: Video Question Answering for Autonomous Driving
|
Анализировать url |
| vision-language-adr.github.io |
CVPR 2024 Workshop: Vision and Language for Autonomous Driving and Robotics
|
Анализировать url |
| youtube.com |
CVPR 2024 Tutorial: End-to-End Autonomy: A New Era of Self-Driving
|
Анализировать url |
| arxiv.org |
CarLLaVA
|
Анализировать url |
| opendrivelab.com |
CARLA Autonomous Driving Challenge
|
Анализировать url |
| wayve.ai |
LINGO
|
Анализировать url |
| wayve.ai |
LINGO-2
|
Анализировать url |
| github.com |
ICRA 2024 Paper: Driving-with-LLMs
|
Анализировать url |
| sites.google.com |
ICRA 2023 Workshop on Scalable Autonomous Driving
|
Анализировать url |
| youtube.com |
CVPR 2021 Tutorial: Frontiers in Data-driven Autonomous Driving
|
Анализировать url |
| patents.google.com |
Guided Batching
|
Анализировать url |
| arxiv.org |
Data-driven Planner
|
Анализировать url |
| arxiv.org |
SimNet
|
Анализировать url |
| arxiv.org |
Lyft Level 5 Prediction Dataset
|
Анализировать url |
| wayve.ai |
Wayve
|
Анализировать url |
| youtube.com |
[CVPR 2024: End-to-End Tutorial]
|
Анализировать url |
| sites.google.com |
[ICRA 2023: End-to-End Workshop]
|
Анализировать url |
| youtube.com |
[CVPR 2021: Autonomy 2.0 Tutorial]
|
Анализировать url |
| arxiv.org |
[ICRA 2021: Crowd-sourced Data-Driven Planner]
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| huggingface.co |
Dataset
|
Анализировать url |
| youtu.be |
Video
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| github.com |
Dataset
|
Анализировать url |
| canva.com |
Video
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| github.com |
Dataset
|
Анализировать url |
| github.com |
Video
|
Анализировать url |
| onlinelibrary.wiley.com |
PDF
|
Анализировать url |
| doi.org |
DOI
|
Анализировать url |
| scholar.google.com |
Google Scholar
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| huggingface.co |
Dataset
|
Анализировать url |
| youtu.be |
Video
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| github.com |
Dataset
|
Анализировать url |
| canva.com |
Video
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| github.com |
Dataset
|
Анализировать url |
| github.com |
Video
|
Анализировать url |
| proceedings.mlr.press |
PDF
|
Анализировать url |
| paperswithcode.com |
Code
|
Анализировать url |
| kaggle.com |
Dataset
|
Анализировать url |
| youtube.com |
Video
|
Анализировать url |
| patents.google.com |
PDF
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| youtube.com |
Video
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| colab.research.google.com |
Code
|
Анализировать url |
| youtube.com |
Video
|
Анализировать url |
| onlinelibrary.wiley.com |
PDF
|
Анализировать url |
| doi.org |
DOI
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| eprints.bournemouth.ac.uk |
PDF
|
Анализировать url |
| eprints.bournemouth.ac.uk |
PDF
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| ietresearch.onlinelibrary.wiley.com |
PDF
|
Анализировать url |
| eprints.bournemouth.ac.uk |
PDF
|
Анализировать url |
| creativecommons.org |
CC BY NC ND 4.0
|
Анализировать url |
| creativecommons.org |
<i class="fab fa-creative-commons fa-2x" aria-hidden="true"></i>
<i class="fab fa-creative-commons-by fa-2x" aria-hidden="true"></i>
<i class="fab fa-creative-commons-nc fa-2x" aria-hidden="true"></i>
<i class="fab fa-creative-commons-nd fa-2x" aria-hidden="true"></i>
|
Анализировать url |
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Оптимизация сайта long.ooo выполнена всего на 50%. Чтобы исправить ситуацию и попасть в ТОП необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: