UniAD

OpenDriveLab 在 GitHub 开源的自动驾驶/飞控栈，主要语言 Python。 [CVPR 2023 Best Paper Award] Planning-oriented Autonomous Driving

SDKOpenDriveLabUniAD

开发工具档案怎么用、适配哪些机型、哪些环境验证过

OpenDriveLab 在 GitHub 开源的自动驾驶/飞控栈，主要语言 Python。 [CVPR 2023 Best Paper Award] Planning-oriented Autonomous Driving

自动驾驶/飞控栈python更新于 12 个月前

概述

这个开发工具的核心职责、所属技术栈与硬件生态定位。

UniAD是OpenDriveLab开源的L3/L4级自动驾驶自主栈工具，属全栈自动驾驶算法框架，核心开发语言为Python，为CVPR 2023最佳论文成果，围绕“规划导向的自动驾驶”设计核心逻辑，整合感知、预测、规划全链路功能模块，可实现端到端的自动驾驶决策推理。

该框架适配通用自动驾驶技术栈层级，覆盖环境感知、行为预测、路径规划全流程开发需求，无绑定特定硬件机型，开发者可直接通过GitHub仓库获取源码，基于Python环境完成依赖配置，可结合自有数据集或公开自动驾驶数据集开展功能调试、算法迭代与落地验证。

工具分类、开发语言、GitHub 社区活跃度与环境要求。

源码克隆、构建方式、已验证系统环境与版本更新记录。

git clone https://github.com/OpenDriveLab/UniAD.git
cd UniAD
# 安装 Python 依赖与开发包
pip install -e .

版本 / 分支	验证环境	接入说明
main / 最新稳定分支（适配PyTorch 2.x、MMDetection3D 1.x版本）	Ubuntu 20.04/22.04 LTS / Python 3.8-3.10 / CUDA 11.3-11.7 / PyTorch 1.12.x-2.0.x	克隆仓库后参照官方文档安装MMDetection3D等依赖，通过tools/train.py、tools/test.py完成模型训练与推理验证

支持接入该 SDK、ROS 驱动或仿真资产的机器人本体。

尚未收录适配机型。

同一厂商开源的配套仓库或同技术栈开发工具。

本页事实对应的公开页面，以原文为准。