OpenDriveLab是隶属于上海人工智能实验室的非营利研究团队，2021年7月17日正式成立，研究方向为自动驾驶与具身智能[1][2]。团队由李弘扬组建并担任负责人，提出的鸟瞰图感知方法与端到端方案UniAD在相关领域具有影响，其中UniAD获得IEEE CVPR 2023最佳论文奖[1][3][2]。团队同时与香港大学等高校保持合作，并组织自动驾驶挑战赛与学术研讨会[3][4][5]。
定义
OpenDriveLab是一个以自动驾驶和具身智能为研究方向的研究团队，隶属于上海人工智能实验室，在学术论文中的署名多为「OpenDriveLab, Shanghai AI Lab」[6][7][1]。团队主要成员来自上海人工智能实验室，并与香港大学、上海交通大学、同济大学等高校的研究者合作发表成果[6][7][8][9][5]。其定位为非营利研究机构，产出形式包括学术论文、开源代码、数据集与评测基准[8][10][2]。
背景
团队由李弘扬负责。他于2019年在香港中文大学取得博士学位，曾在工业界从事辅助驾驶相关研究，2021年在上海人工智能实验室组建该团队，团队于2021年7月17日正式成立[1][2]。
在自动驾驶系统中，感知、预测与规划等任务通常由不同模块分别承担。OpenDriveLab提出的端到端方案将这些任务纳入同一个框架，并采用以规划为中心的设计思路[11][12]。相关介绍称，这一做法以规划为中心重新定义了自动驾驶的建模范式[12]。
内容
在感知方向，团队提出鸟瞰图感知方法BEVFormer，把多相机图像转换为统一的鸟瞰图表示，该工作入选2022年百强影响力人工智能论文榜单[1][2]。在规划方向，团队提出端到端方案UniAD，把感知、预测与规划等全栈驾驶任务整合进单一框架[11][12]。据团队介绍，这是较早将上述全栈任务纳入统一框架的工作[11]。
团队构建并维护多项公开数据集与评测基准。面向驾驶场景的图结构视觉问答数据集DriveLM以ECCV 2024口头报告的形式发表；面向道路驾驶的感知与推理基准OpenLane-V2进入NeurIPS 2023数据集与基准赛道[13][2]。团队还发布三维占用栅格相关的感知框架与基准，以及面向端到端自动驾驶的自监督预训练工作[10]。
在驾驶场景理解方面，团队提出面向具身理解的视觉语言模型，并设计了覆盖描述、定位、记忆与预测等能力的评测任务[8]。团队还整理了面向自动驾驶的大语言模型研究论文集合[10]。
团队的工作也涉及仿真与世界模型方向。研究人员构建了包含2000多小时驾驶视频的公开数据集，并据此训练视频预测模型；相关论文被CVPR 2024以亮点形式收录，后续的可控世界模型工作发表于NeurIPS 2024[14]。团队后续提出的大规模仿真数据生成与虚实协同训练方法被CVPR 2026以口头报告形式收录[15]。
在具身智能方向，团队提出名为RISE(Reinforcement learning via Imagination for SElf-improving robots)的方法，通过组合式世界模型在想象空间中完成强化学习，使机器人无需大量真机交互即可迭代策略[16]。团队同时开源面向灵巧手、人形机器人等平台的方法与工具[5]。
影响与争议
UniAD获得IEEE CVPR 2023最佳论文奖，是团队影响较大的成果，相关介绍称该工作对学术界和工业界的端到端自动驾驶研究产生了影响[1][3][12]。团队此前提出的BEVFormer入选2022年百强影响力人工智能论文榜单，并被用作纯视觉三维目标检测的基线之一[1][2]。
团队自2023年起举办自动驾驶挑战赛，2023年赛事有来自15个国家和地区的200多支队伍参加[2]。团队还参与组织CVPR 2025自动驾驶研讨会(Workshop on Autonomous Driving)，该研讨会已举办至第8年，议题覆盖感知、行为预测与运动规划[4]。团队多数论文声明公开代码、数据与模型，供其他研究者复现与使用[8][9]。
参见
参考资料
- VALSE2024_HYSC(PDF) . valser.org [引用日期2026-09-27]
- Sponsor @OpenDriveLab on GitHub Sponsors - Skip to content . github.com [引用日期2026-09-27]
- 李弘扬 . 量子计算软件探讨-量子算法——算法设计的新大陆？-CNCC 2023 [引用日期2026-09-27]
- OpenDriveLab at CVPR 2025 . OpenDriveLab [引用日期2026-09-27]
- OpenDriveLab . github.com [引用日期2026-09-27]
- Supplementary Material for . thecvf.com [引用日期2026-09-27]
- thecvf.com 上的 PDF 文件 . thecvf.com [引用日期2026-09-27]
- Embodied Understanding of Driving Scenarios . sjtu.edu.cn [引用日期2026-09-27]
- DriveLM: Driving with Graph Visual Question Answering . ecva.net [引用日期2026-09-27]
- Publication . OpenDriveLab [引用日期2026-09-27]
- OpenDriveLab | Embodied AI and Autonomous Driving at HKU . OpenDriveLab [引用日期2026-09-27]
- 世界引擎：Post-Training开启Physical AGI新纪元 . 手机网易网 [引用日期2026-09-27]
- OpenDriveLab 浦东 . nips.cc [引用日期2026-09-27]
- aichip001.com 上的网页 . aichip001.com [引用日期2026-09-27]
- SimScale . github.com [引用日期2026-09-27]
- 在「想象」中练就真机能力：RISE，让VLA强化学习告别真机试错 . 手机网易网 [引用日期2026-09-27]
浏览次数：0 次
阅读量：0 次 · 阅读完成量：0 次
最近更新：2026-09-27T15:03:38Z
完成率 = 阅读完成量 ÷ 阅读量，分母是阅读量不是浏览次数 —— 关了 JS 的、秒退的都在浏览次数里、不在阅读量里。 详细口径在后台的「数据统计」页。