DriveAGI

用视频预训练一个能预测驾驶未来的通用模型

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署视频生成 🍴 复刻 35 🐛 待处理 14 👀 关注 29

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 809

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，可免费使用和部署。

项目预览

项目数据

分类视频生成

开发团队OpenDriveLab

官网地址https://opendrivelab.com/AutonomousDriving

GitHubhttps://github.com/OpenDriveLab/DriveAGI

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，可免费使用和部署。

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autonomous-driving,embodied-ai,foundation-model,general-artificial-intelligence,large-dataset,policy-learning,video-dataset,video-generation,world-models

GitHub 星标★ 809

上线时间2023-04-24 00:00:00

代码更新2026-02-27

仓库体积13.8 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数5

项目介绍

DriveAGI 是一个基于 CVPR 2024 Highlight 论文 GenAD 实现的开源自动驾驶预测模型。它旨在通过大规模视频数据预训练一个通用的驾驶世界模型，解决传统自动驾驶系统依赖大量人工标注、场景泛化能力弱的问题。核心能力包括：利用视频预测学习驾驶环境动态，提取通用驾驶表征，并支持多种下游任务（如轨迹预测、行为规划）。项目采用 embodied AI 和 foundation model 思路，强调从数据中学习驾驶策略，而非手工规则。当前代码库提供模型训练和推理接口，适合研究自动驾驶决策与预测的通用范式。

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 2026-08-09 · 当前星标 ★ 809

技术标签

autonomous-driving embodied-ai foundation-model video-generation world-models

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：高级约 60 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

NVIDIA GPU
CARLA 或 nuScenes 数据
大量磁盘空间

安装与启动步骤

1先读综述

DriveAGI 是自动驾驶 Agent 方向的项目，首页以论文信息为主。
```
git clone https://github.com/OpenDriveLab/DriveAGI.git
cd DriveAGI
```
2看数据准备

这类项目九成时间花在数据与仿真环境上。
```
ls docs assets 2>/dev/null
```
3装依赖

按 requirements 装，注意 CARLA 等模拟器版本。
```
pip install -r requirements.txt
```
4跑示例

示例通常只验证感知或规划某个子模块。
```
python -m driveagi.demo
```