alpamayo

让自动驾驶模型边开车边讲清因果理由

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 349 🐛 待处理 60 👀 关注 47

GitHub ↗

GitHub 星标 ★ 2058

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源模型，免费使用，定价信息待确认

项目预览

项目数据

分类开源模型

开发团队NVlabs

GitHubhttps://github.com/NVlabs/alpamayo

定价模式🏷️完全免费

价格说明开源模型，免费使用，定价信息待确认

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型alpamayo,autonomous-driving,autonomous-vehicles,chain-of-causation,computer-vision,end-to-end-driving,nvidia,physical-ai,reasoning,robotics,self-driving-car,trajectory-prediction,vision-language-action,vla,world-models

GitHub 星标★ 2058

上线时间2025-11-19 00:00:00

代码更新2026-09-09

仓库体积632 KB

本站数据更新2026-11-04

维护状态维护中

收录时间2026-09-17

浏览次数1

项目介绍

alpamayo 是 NVIDIA 开源的 10B 参数推理型 VLA（视觉-语言-动作）模型，专为自动驾驶设计。它把驾驶轨迹预测与 Chain-of-Causation（因果链）推理绑定在一起，让模型不仅输出下一步怎么开，还能解释为什么这样开，从而提升端到端驾驶决策的可解释性与安全性。核心能力包括：接收多路摄像头视觉输入与语言指令，进行场景理解与因果推理，再生成行驶轨迹；面向端到端自动驾驶与 Physical AI 研究，可用于仿真验证、决策解释和模型微调。项目以 Python 实现，提供模型权重与推理代码，适合自动驾驶研究者、具身智能团队以及需要可解释驾驶策略的开发者，在开源社区中属于成长较快的模型项目。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-17 · 当前星标 ★ 2058

技术标签

autonomous-driving autonomous-vehicles computer-vision nvidia physical-ai

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：本地安装 5 步

环境要求

可执行 bash 命令的 Linux/macOS 环境（Windows 建议使用 WSL 或 Git Bash）
已安装 curl，用于安装 uv
网络可访问 astral.sh 与 PyPI，uv sync 需要拉取依赖
Python 环境由 uv 管理，README 未指定具体 Python 版本

安装与启动步骤

1安装 uv

通过官方脚本下载并安装 uv 包管理器，随后把 uv 加入当前 shell 的 PATH。
```
curl -LsSf https://astral.sh/uv/install.sh | sh
export PATH="$HOME/.local/bin:$PATH"
```
2创建虚拟环境

在项目目录下使用 uv 创建名为 ar1_venv 的虚拟环境。
```
uv venv ar1_venv
```
3激活虚拟环境

激活刚创建的 ar1_venv，后续命令会在该环境中执行。
```
source ar1_venv/bin/activate
```
4同步项目依赖

在激活的虚拟环境中安装项目所需依赖，需在项目根目录执行。
```
uv sync --active
```
5运行推理

README 仅有 Running Inference 标题，未给出具体命令；请参考新版 recipes 仓库或仓库内文档。