关注本公众号并设星🌟标，不错过最新精彩内容

在端到端自动驾驶领域，论文数量早已爆炸，但真正能“跑起来、复现快、改得动”的开源项目却凤毛麟角。

2025年，一批兼具工程完整性、技术前瞻性与社区活跃度的高质量仓库悄然崛起——它们不靠顶会光环吸睛，而是凭可复现性、模块清晰度和闭环评测能力赢得开发者口碑。

这些项目覆盖了从数据生成、规划决策到多模态对齐的全链路，不是玩具Demo，而是可直接作为基线或模块集成的工业级参考。

DiffusionDrive：扩散模型也能45 FPS？实时规划新标杆

来自华中科技大学与地平线的 DiffusionDrive，直面扩散模型在自动驾驶中的最大痛点：多步去噪太慢，难以实时。

团队提出两大创新：

一是引入多模态驾驶锚点作为结构化先验，引导生成方向；

二是设计截断扩散日程，将传统50+步去噪压缩至仅需2–4步。

结果令人惊叹：在RTX 4090上实现45 FPS实时推理，同时在NAVSIM基准上取得88.1 PDMS的高分。

更难得的是，项目完整开源了训练代码、推理脚本与预训练模型，为行业提供了一个高性能、低延迟的扩散规划标准实现。

如果你正探索生成式模型在实时系统中的落地，DiffusionDrive 是必看范本。

OpenEMMA：让大模型“边想边开”，无需重训千亿参数

由德克萨斯农工大学等多校联合推出的 OpenEMMA，巧妙绕开了大模型微调的算力黑洞。

它不重新训练MLLM，而是通过Chain-of-Thought（CoT）推理机制，引导现有模型（如LLaVA、Qwen-VL）在输出驾驶动作前，先生成一段逻辑链条。

例如：“前方有行人 → 需减速 → 当前车速30km/h → 目标速度15km/h”。

这种显式推理不仅提升了决策可解释性，更显著增强了模型在复杂交叉口、施工区等场景的泛化能力。

项目最大价值在于：提供了一套轻量级适配框架，研究者只需接入自己的VLA模型，即可快速获得带推理能力的驾驶智能体。

对于资源有限的团队，这是低成本验证MLLM驾驶潜力的最佳入口。

Diffusion-Planner：告别“平均轨迹”，生成多样合理行为

清华、自动化所与毫末智行合作的 Diffusion-Planner，从根本上挑战了模仿学习的局限——传统方法只能输出“最平均”的轨迹，缺乏应对突发状况的灵活性。

该模型采用扩散过程生成多模态轨迹，同一场景可输出左绕、右避、刹停等多种合理方案。

关键技术在于学习型打分函数引导，确保生成轨迹既多样又安全。更妙的是，它将自车规划与他车预测统一建模，使交互更自然。

在nuPlan闭环评测中表现领先，并在200小时实车配送数据上验证了对不同驾驶风格的适应性。

如果你想构建具备“人类式应变能力”的规划器，Diffusion-Planner 提供了完整技术路径。

UniScene：用一张图生成视频+点云+占据，数据合成革命

上海交大与旷视等机构推出的 UniScene，瞄准了自动驾驶最大的隐性成本：高质量标注数据获取难。

其核心思想是：以语义占据（occupancy）为统一中间表示。

用户只需输入道路布局，系统先生成BEV占据图（含几何与语义），再以此为条件同步生成多视角视频与LiDAR点云。三者天然对齐，且占据图自带像素级标注。

这意味着，一套流程即可产出感知、预测、规划所需的所有模态数据，大幅降低数据制备的重复投入。

实验表明，合成数据能有效提升下游任务性能。对缺乏实车采集能力的团队，UniScene 是构建仿真训练闭环的利器。

ORION：让语言模型真正“指挥”轨迹生成

华中科大与小米汽车联合开发的 ORION，解决了VLA模型中“说一套、做一套”的割裂问题。

它通过QT-Former聚合历史状态，让LLM输出高层“规划token”（如“缓速右转”），再由专用解码器将其转化为精确轨迹。

关键突破在于端到端联合优化：语言推理与轨迹生成共享梯度，确保语义意图能稳定驱动物理动作。

在Bench2Drive评测中，其驾驶得分达77.74，成功率54.62%，大幅领先同类方法。

项目完整开源了训练、推理与评测代码，为构建“可解释、可控制”的端到端系统提供了清晰范式。

FSDrive：用“画面思考”，弥合视觉与规划的鸿沟

西安交大与阿里达摩院提出的 FSDrive，开创了“视觉化CoT”新范式。

传统CoT依赖文字推理，易丢失空间细节；而FSDrive训练VLA模型先预测未来场景画面（含车道线、3D框等），再基于这幅“心理预演图”逆向生成轨迹。

这种以视觉为中间表示的推理链，显著提升了对物理规律的遵从性。

项目通过将视觉token纳入词表统一训练，并采用课程学习策略，实现了高精度与高安全性的统一。在nuScenes与NAVSIM上均取得SOTA结果。

AutoVLA：动作Token化，让语言模型直接“开车”

UCLA的 AutoVLA 提出一个大胆设想：把连续轨迹离散成“动作词”，让语言模型像写句子一样输出驾驶指令。

例如，“加速→左转→刹车”被编码为一串token，由自回归模型直接生成。这从架构上保证了动作的物理可行性。

更聪明的是，模型具备快慢双模式：简单路段直接规划（快思考），复杂路口启动CoT推理（慢思考），并通过强化学习微调抑制冗余。

在nuPlan、Waymo等多基准验证有效，其动作Token设计与训练配方极具参考价值。

OpenDriveVLA：纯视觉输入，统一生成动作与问答

慕尼黑高校团队的 OpenDriveVLA 展示了纯视觉端到端系统的潜力。

它仅依赖摄像头输入，通过分层对齐机制将2D/3D视觉特征映射到统一语义空间，再自回归解码出动作序列。

模型不仅能完成闭环驾驶，还能回答“前方是否有施工？”等问题，证明单一网络可兼顾行为与理解。

开源代码结构清晰，是学习VLA系统集成的优质模板。

SimLingo：言行一致，才是可信的AI司机

Wayve与图宾根大学的 SimLingo（CarLLaVA）聚焦“一致性”：确保语言描述与驾驶行为逻辑统一。

例如，当模型说“正在避让左侧车辆”，其轨迹必须真实体现左偏。

通过多任务联合训练，它在CARLA Challenge 2024中夺冠，验证了纯视觉架构下可同时实现高性能驾驶与可靠语言交互。

跑通Demo，比精读论文更重要

这些项目的价值，远不止于Star数或论文引用。

它们是经过真实数据验证的工程积木，包含数据预处理、训练调度、指标计算、可视化等完整流水线。

建议开发者：不要只看README，直接Clone下来跑通Demo。

修改一个超参、替换一个模块、观察指标变化——这种动手实践，才能真正构建你的自动驾驶技术直觉。

毕竟，在这个快速迭代的领域，能跑起来的代码，永远比完美的理论更有力量。

如需转载，请注明出处