以下是当前最具影响力、功能完整且持续活跃的自动驾驶世界模型开源项目，按 技术前沿性 + 社区活跃度 + 落地实用性综合排序，均附官方 GitHub 链接与核心技术亮点：
- 首个面向自动驾驶的开源 VLA（视觉 - 语言 - 动作）大模型，0.5B-10B 参数可灵活选择
- 实现 "感知 - 理解 - 决策 - 控制" 全链路端到端优化，直接输出方向盘转角、加速度等控制指令
- 支持多模态输入（视觉 + 导航语言），适配中国复杂路况，提供完整训练 / 推理代码与预训练权重
- 可在普通 GPU 上部署，推理速度达 15+ FPS，适合快速原型验证
- 基于稀疏动态查询的 4D 占用世界模型，推理速度提升 7 倍，预测精度 + 40%
- 摒弃传统 BEV 与离散令牌，直接通过稀疏查询实现端到端 4D 占用预测
- 支持轨迹条件预测（SparseWorld-TC 分支），可应对任意未来轨迹条件下的场景变化
- 在 nuScenes 基准上 1-3 秒占用预测性能 SOTA，超越 PreWorld 20%-40%
- 英伟达官方开源的世界基础模型，参数量 4B-14B，专注大规模合成驾驶数据生成
- 包含三大核心工具：Cosmos-Transfer（跨环境视频增强）、Cosmos-Reason（链式思维推理）、Cosmos-LidarGen（激光雷达数据生成）GitHub
- 可生成极端场景数据，降低路测成本 90%，显著提升下游任务性能（检测 / 分割 / 预测）
- 支持 PyTorch 部署与微调，适配多种自动驾驶芯片平台
- 统一自动驾驶算法框架，融合感知、预测、规划全栈任务于单一网络
- 采用 "查询机制 + 分层任务" 设计，实现多任务特征互补与全局视角交互理解
- 在 nuScenes、Argoverse 2 等主流数据集上规划任务性能 SOTA，被视为工业级端到端参考标准
- 支持 TensorRT 部署，可在 NVIDIA Drive Orin 平台实现实时推理
- 结合 4D 占用预测与视频生成的物理感知世界模型，可理解物体运动惯性与碰撞风险
- 支持多模态输入（视觉 + 激光雷达），输出 4D 占用场与未来场景视频，辅助决策规划
- 采用分层扩散架构，兼顾长时预测与细节生成，推理速度达 20+ FPS
- 适合复杂博弈场景（加塞、电瓶车混行）的模拟与训练，提升系统鲁棒性
- 仅 3.47M 参数，推理速度 41FPS，适合边缘设备部署的高效精准驾驶世界生成模型
- 基于 4D 占用引导的视频生成，融合物理规律编码，生成结果更符合真实世界动力学
- 支持低算力平台（如 Jetson Xavier NX）实时运行，适合嵌入式自动驾驶系统
- 港大团队开发，提供完整训练 / 评估代码与预训练权重，适合快速原型设计
- 开源数字孪生生成器，专注城市自动驾驶场景的 4D 时空建模
- 支持实时构建动态高精地图，融合多源传感器数据（视觉 + 激光雷达 + GPS）
- 可生成可交互的数字孪生场景，用于闭环仿真测试与算法验证
- 适配无图化自动驾驶系统，提供原生无图导航所需的环境理解能力
- 端到端自动驾驶框架，通过意图感知的物理潜在世界模型整合驾驶意图与环境动态
- 支持 "意图 - 环境 - 动作" 三元组建模，提升导航准确性与适应性，减少无效决策
- 采用自监督学习策略，降低对标注数据依赖，训练数据效率提升 50%
- 适合城市复杂路况，尤其擅长无导航自主漫游与窄路通行场景
- 基于世界模型的强化学习专家模型，可作为闭环评估的教师模型指导其他算法（如 BEVFormer、UniAD）
- 融合 4D 场景重建与物理规律预测，生成更真实的驾驶行为与场景响应
- 提供 Bench2DriveZoo 工具包，支持主流自动驾驶算法的闭环评估与对比测试
- 适合算法优化与安全验证，可生成多样化的危险场景与边缘案例
- 专注激光雷达序列的动态 4D 世界建模，支持从稀疏点云重建完整场景动态
- 采用射线中心表示（Ray-Centric），解决激光雷达数据稀疏性与噪声问题
- 在 nuScenes、KITTI 等激光雷达数据集上 4D 场景理解性能领先，预测误差降低 25%
- 适合无视觉依赖的自动驾驶系统，尤其擅长极端天气（暴雨、浓雾）场景
这些项目均为 2025-2026 年最新开源成果，代表了当前自动驾驶世界模型的技术前沿。建议根据具体研究方向与硬件条件选择合适项目，同时关注项目活跃度与社区支持情况。
需要我补充一份这 10 个项目在模型规模、推理速度、硬件需求、适用场景和开源协议的对比表，方便你快速选型吗？
关注微信