引言“openpilot 是一个机器人操作系统。目前它为 325 款汽车升级了驾驶辅助系统。”这是每日一个开源项目系列的第146篇文章。今天的主角是openpilot——comma.ai 开源的半自动驾驶软件GitHub 上最受关注的自动驾驶开源项目之一。2020 年Consumer Reports 发布了一篇驾驶辅助系统评测。排名第一的不是特斯拉 Autopilot不是凯迪拉克 Super Cruise而是运行在一个需要自己插上的第三方硬件设备上的开源软件——openpilot。2024 年 4 月一辆 2017 年的普通丰田普锐斯装上 comma 3X 硬件以 98.4% 的自动驾驶率完成了美国横穿之旅耗时 43 小时 18 分钟比特斯拉 Model S 此前的记录快了将近 12 小时。这不是一个 demo 项目。它有 62.8k Stars跑在 10,000 用户的真实汽车上累计行驶里程超过 1 亿英里。你将学到什么openpilot 的技术架构为什么选择端到端神经网络而非传统的感知规划分离panda 安全架构如何在开源项目里做到 ISO 26262 级别的安全最新 0.11 的 World Model在模拟世界里训练真实世界的驾驶策略George Hotz 和 comma.ai 的发展历程openpilot vs 特斯拉 Autopilot 的对比如何参与贡献包括 comma.ai 的 bounty 计划前置知识了解自动驾驶辅助系统ADAS的基本概念对神经网络有基本了解对汽车电子系统CAN 总线有基本了解更好但不是必须项目背景项目简介openpilot 是一个开源的半自动驾驶软件使用端到端神经网络直接从摄像头图像预测行驶轨迹——不做单独的感知模块和规划模块而是一个统一的网络从像素到转向角。它通过 comma four 硬件设备连接汽车的 CAN 总线接管原厂驾驶辅助系统的功能提供比原厂更好的车道居中、自适应巡航控制和驾驶员监控。作者/公司创始人: George Hotzgeohot——第一个解锁 iPhone 的黑客、第一个破解 PS3 加密的人公司: comma.ai2015 年 9 月创立开源时间: 2016 年 11 月 30 日License: MIT项目数据⭐ GitHub Stars:62,800 Forks: 11,100 支持车型: 325 累计行驶里程: 1 亿英里以上 活跃用户: 10,000核心功能openpilot 做什么安装 comma four 设备并连接到支持的汽车后自动车道居中ALC接管原厂车道保持辅助用神经网络的方式控制转向在高速公路上保持在车道中间行驶。自适应巡航控制ACC检测前方车辆自动控制加速和制动保持安全跟车距离。整合 OpenStreetMap在弯道自动减速。变道辅助打转向灯后辅助执行变道包含盲区感知。驾驶员监控通过车内摄像头检测驾驶员注意力约 6 秒分心后发出警报不再像很多原厂系统那样要求定期转动方向盘。保留原厂功能自动紧急制动AEB、盲点警告、自动远光灯等安全功能保持原厂不变。支持的品牌和车型主要支持丰田、现代、本田、福特以及 GM、斯巴鲁、日产等品牌共 325 款具体车型。完整列表见 CARS.md。所需硬件comma four 设备$999三摄像头360° 视角Qualcomm Snapdragon 845 处理器4G LTE WiFiOLED 显示屏车辆线束连接 comma four 和汽车 CAN 总线的专用连接线技术架构深度解析端到端神经网络openpilot 最重要的技术选择是端到端架构直接从摄像头图像输入输出转向角、速度等控制指令中间没有单独的感知层和规划层。传统 ADAS 架构 摄像头 → [感知模块] → [物体检测] → [路径规划] → [控制指令] 每个模块独立设计误差逐级累积 openpilot 端到端架构 摄像头 → [统一神经网络] → 控制指令 一个模型端到端训练从像素到方向盘端到端的优势不需要手工设计特征能处理模糊的车道线、各国不同的道路标记、各种天气条件因为模型从真实驾驶数据里学到了这些情况的处理方式。最新 0.11World Model 驾驶策略openpilot 0.11 发布了代号 WMI的全新驾驶模型核心创新是在学习到的模拟世界里训练驾驶策略——这是真实机器人领域里第一次把这个方法实际部署给用户。两阶段训练阶段一训练 World Model 输入fleet 收集的无标注驾驶数据视频 训练2B 参数的扩散 Transformer 结果一个能预测下一帧画面的世界模拟器 相当于让神经网络在脑子里建了一个驾驶世界模型 阶段二训练驾驶策略 环境在 World Model 里交互不是在真实世界 训练小型驾驶策略网络与 World Model 交互 结果一个在模拟世界里学会了驾驶的策略World Model 的关键技术参数ViT 编码器5000 万参数 解码器1 亿参数扩散 Transformer20 亿参数在 250 万分钟视频上训练推理速度12.2 帧/秒/GPUpanda安全架构openpilot 给汽车发送控制指令这意味着安全是核心问题。安全关键代码全部在独立的panda模块里用 C 语言写Python 更快开发但有 GC 暂停和运行时风险遵循 ISO 26262 功能安全标准安全规则强制执行转向力矩限制、速度限制、紧急接管逻辑panda 运行在 comma four 硬件里的独立处理器上与主 openpilot 软件完全隔离这种设计意味着即使 openpilot 主软件有 bug 或被攻击panda 的硬件安全层仍然有效。测试体系软件仿真测试每次提交 └── 模拟驾驶场景回归测试 硬件仿真测试内部 Jenkins └── 在实际 comma 硬件上运行软件 物理回放测试持续运行 └── 一个测试柜里面有 10 台 comma 设备 持续回放真实路线检测行为变化这个测试层次设计是开源汽车软件里相对罕见的完整度。历史里程碑时间事件2015 年 9 月George Hotz 创立 comma.ai2016 年在 Acura ILX 上展示原型收到加州 DMV 停止令2016 年 11 月开源 openpilot2020 年Consumer Reports 评测超过特斯拉 Autopilot排名第一2021 年发布 comma three价格降至 $2,1992023 年发布 comma 3X价格降至 $1,2502024 年 4 月43 小时 18 分钟横穿美国98.4% 自动驾驶率破纪录2025 年发布 comma four$999三摄像头2026 年openpilot 0.11World Model 驾驶策略Consumer Reports 2020 排名的含义Consumer Reports 的评测标准车道居中精度、安全性、易用性、防滥用设计。openpilot 拿到第一不是靠硬件优势而是靠软件的算法质量——这是一个插上第三方设备、运行开源软件的系统超越了特斯拉、凯迪拉克、福特原厂的驾驶辅助。项目生态社区 ForkGitHub 上有超过 11,000 个 Fork。社区维护了一系列扩展功能的版本红绿灯检测停车场导航pre-Autopilot 特斯拉支持自定义驾驶行为参数贡献激励comma.ai 维护一个 bounty 系统为添加新车型支持、修复 bug 的外部贡献者提供现金奖励。这是开源汽车软件里不多见的商业激励机制。tinygradcomma.ai 同时维护 tinygrad——一个极简主义的深度学习框架作为 openpilot 的神经网络推理后端。openpilot 的训练和推理代码都在向 tinygrad 迁移。项目地址与资源GitHub: commaai/openpilot官网: comma.ai文档: docs.comma.ai支持车型: docs.comma.ai/vehicles社区: discord.comma.aitinygrad: github.com/tinygrad/tinygrad重要声明MIT 协议附带以下声明“本软件是 α 质量的研究用途软件。这不是一个产品。”openpilot 是辅助驾驶系统不是完全自动驾驶。使用时驾驶员必须始终保持警觉随时准备接管控制。总结openpilot 是开源世界里少数真正运行在安全关键场景中的大型项目之一。62.8k Stars 背后是 10,000 用户的真实行驶里程不是 Notebook 里的实验数据。技术路线上端到端神经网络的选择在 2016 年是激进的现在正在成为行业主流——特斯拉 FSD 也转向了端到端。openpilot 可以说是这条路线最早的大规模验证之一。0.11 的 World Model 驱动的训练方法在学习到的模拟世界里训练策略代表了一个方向不依赖手工设计的模拟器用真实数据训练出的世界模型来生成训练环境。这在学术界讨论已久openpilot 把它部署到了实际用户的汽车上。George Hotz 在一个传统上高度封闭、需要十亿美元以上投入才能玩的领域用开源商业硬件的路径走出了另一条线。这本身就值得研究。探索 PrimeSkills —— 精选 AI Agent 与技能的市场每一个都经过真实企业工作流验证去掉浮夸留下真正有用的。欢迎访问我的个人主页发现更多有价值的见解和有趣的产品。