alpamayo

让自动驾驶模型边开车边讲清因果理由

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。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2022

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队NVlabs

所属国家

官网地址

GitHubhttps://github.com/NVlabs/alpamayo

定价模式free

价格说明开源模型，免费使用，定价信息待确认

访问状态

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★ 2022

30天Star增速

HF 下载量

上线时间2025-11-19 00:00:00

最近更新2026-09-18 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-17

浏览次数0

使用教程

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。

如何确认成功

激活后命令行前缀显示 (ar1_venv)，且 uv sync --active 执行无报错。

常见问题

Q：这个仓库还在维护吗？

A：README 明确标注不再活跃开发，仅做有限维护，建议迁移到 https://github.com/NVlabs/alpamayo-recipes。

Q：如何运行推理？

A：README 的 Running Inference 章节未提供具体命令，请查阅仓库内文档或新版 alpamayo-recipes 仓库。

Q：需要下载模型权重吗？

A：本次 README 节选未给出权重下载命令，请参考新版仓库或官方文档获取权重与推理示例。

Q：Windows 可以直接用这些命令吗？

A：README 命令均为 bash 语法，Windows 建议使用 WSL 或 Git Bash 等 bash 环境。

注意事项

该仓库已不再活跃开发，建议优先使用新版 Alpamayo：https://github.com/NVlabs/alpamayo-recipes
README 的 Running Inference 章节未提供可复制命令，推理前请先查阅仓库内文档。
export PATH 仅对当前 shell 生效，如需持久化请写入 shell 配置文件。
执行 uv sync --active 前需先激活 ar1_venv，并确保处于项目根目录。

核心亮点

10B 规模开源权重，可直接下载做推理与微调，降低复现门槛
把轨迹输出与因果链推理绑定，决策可解释性优于纯端到端黑盒模型
背靠 NVIDIA 生态，与仿真、训练工具链衔接顺畅，工程落地路径清晰

不足之处

10B 参数对显存和算力要求高，普通开发者本地部署成本较大
项目较新，真实路测数据与第三方复现结果仍待社区积累

适用场景

自动驾驶端到端决策研究与可解释性论文实验
仿真环境中验证因果推理对轨迹规划的影响
作为 Physical AI / 具身智能的驾驶策略基座模型进行微调

替代项目

OpenDriveLab/UniAD、OpenDriveLab/VAD

项目介绍

alpamayo 是一个开源模型领域的开源项目，官方简介：NVIDIA Alpamayo 1 Nano is an open 10B reasoning VLA model for autonomous vehicles that pairs driving trajectories with Chain-of-Causation reasoning.。项目使用 Python 开发，在 GitHub 上获得 2020 星标。

上一篇：Mini-LLM

下一篇：Awesome-Chinese-Stable-Diffusion