diff --git a/README.md b/README.md
index 17caf90..2519134 100644
--- a/README.md
+++ b/README.md
@@ -78,7 +78,7 @@
## About us - 关于我们
我们是一个由具身初学者组成的团队, 希望能够通过我们自己的学习经验, 为后来者提供一些帮助, 加快具身智能的普及。欢迎更多朋友加入我们的项目, 也很欢迎交友、学术合作, 有任何问题, 可以联系邮箱`chentianxing2002@gmail.com`。
-🦉Contributors: 陈天行 (25' 港大PhD), 王开炫 (25' 港大PhD), 彭时佳 (深大本科生), 姚天亮 (25' 港中文PhD), 高焕昂 (清华PhD), 邹誉德 (25' 上交AILab联培PhD), 陈思翔 (25' 北大PhD), 朱宇飞 (25' 上科大Ms), 王文灏 (UPenn Ms), 贾越如 (北大 Ms),王冠锟 (港中文PhD), 吴志杰 (港中文PhD), 叶雯 (25' 中科院PhD), 陈攒鑫 (深大本科生), 侯博涵 (山大本科生).
+🦉Contributors: 陈天行 (25' 港大PhD), 王开炫 (25' 港大PhD), 彭时佳 (深大本科生), 姚天亮 (25' 港中文PhD), 高焕昂 (24' 清华PhD), 邹誉德 (25' 上交AILab联培PhD), 陈思翔 (25' 北大PhD), 朱宇飞 (25' 上科大Ms), 王文灏 (UPenn Ms), 贾越如 (北大 Ms),王冠锟 (港中文PhD), 吴志杰 (港中文PhD), 叶雯 (25' 中科院PhD), 陈攒鑫 (深大本科生), 侯博涵 (山大本科生).
@@ -342,7 +342,60 @@ Coming Soon !
### 3.7.3 Autonomous Driving - 自动驾驶
-Coming Soon !
+
+[自动驾驶之心](https://www.zdjszx.com/) // 也有个微信公众号
+
+自动驾驶被称为“最小的具身智能验证场景”，这是因为它在具身智能的框架中，具备完整的感知、决策和行动闭环，但任务目标明确、物理交互简单、场景复杂性相对较低。作为一个技术验证场景，自动驾驶既能体现具身智能的核心特性，又为更复杂的具身智能任务提供了技术积累和理论支持。
+
+* Model：自动驾驶仿真
+
+[生成式仿真为具身智能释放无限灵感](https://bydrug.pharmcube.com/news/detail/80b67b2227879864af934e5f81835776)
+
+自动驾驶仿真是自动驾驶技术开发中不可或缺的一部分。它通过提供安全、高效、可控的测试环境，不仅降低了研发成本和风险，还加速了技术的迭代和规模化部署。同时，仿真能够覆盖大量现实中难以复现的场景，为自动驾驶系统的安全性、可靠性和泛化能力提供了重要保障。
+
+1. 3D/4D 场景重建
+
+* 经典论文：NSG, MARS, StreetGaussians
+ * https://openaccess.thecvf.com/content/CVPR2021/html/Ost_Neural_Scene_Graphs_for_Dynamic_Scenes_CVPR_2021_paper.html
+ * https://arxiv.org/abs/2307.15058
+ * https://arxiv.org/abs/2401.01339
+
+2. 场景可控生成（世界模型）
+
+* 经典论文：MagicDrive -> MagicDriveDiT, SCP-Diff, UniScene
+ * https://arxiv.org/abs/2411.13807
+ * https://arxiv.org/abs/2403.09638
+ * https://arxiv.org/abs/2412.05435
+
+* Policy：自动驾驶策略
+
+1. 从模块化到端到端
+
+* 经典的模块化管线中，每个模型作为一个独立的组件，负责对应的特定任务（3D目标检测与跟踪 & BEV 建图 -> 目标运动预测 -> 轨迹规划），这种设计已逐渐被端到端模型所取代。
+
+[End-to-end Autonomous Driving: Challenges and Frontiers](https://arxiv.org/pdf/2306.16927)
+
+2. 快系统与慢系统并行
+
+[理想端到端-VLM双系统](https://www.sohu.com/a/801987742_258768)
+
+* 快系统经典论文：UniAD (CVPR 2023 Best Paper), VAD, SparseDrive, DiffusionDrive
+ * https://arxiv.org/abs/2212.10156
+ * https://arxiv.org/abs/2303.12077
+ * https://arxiv.org/abs/2405.19620
+ * https://arxiv.org/abs/2411.15139
+ * 快系统的 Scale up 特性探究：https://arxiv.org/pdf/2412.02689
+
+* 慢系统经典论文：DriveVLM, EMMA
+ * https://arxiv.org/abs/2402.12289
+ * https://arxiv.org/abs/2410.23262
+
+
+3. 未来发展方向
+
+[AIR ApolloFM技术全解读](https://air.tsinghua.edu.cn/info/1007/2258.htm)
+
+