🏔️ Alpamayo 1

连接推理与动作预测，实现可泛化的自动驾驶

准备

1. 必要准备：HuggingFace 认证

该模型需要访问受限（Gated）资源。请在此处申请访问权限：

• 🤗 Physical AI AV Dataset（物理 AI 自动驾驶数据集）
• 🤗 Alpamayo Model Weights（Alpamayo 模型权重）

申请通过后进行认证：

hf auth login

你可以在这里获取 Token：https://huggingface.co/settings/tokens

2. notebook 环境选择

在botebook右上角切换环境，选择 Alpamayo 。

如已是 Alpamayo ，那就不切换。

运行推理

注：模型存放位置为/workspace/Alpamayo-R1-10B，本项目下所有的模型路径均改为该位置

测试脚本

注意：此脚本将下载一些示例数据（相对较小）以及模型权重（22 GB）。 取决于你的网络带宽，下载权重可能会比较慢。 作为参考，在 100 MB/s 的有线连接上大约需要 2.5 分钟。

python src/alpamayo_r1/test_inference.py

如果你想获取更多的轨迹样本和推理过程（reasoning traces），请随意修改 num_traj_samples=1 参数（第 60 行）为更大的数值。

交互式笔记本

我们在 notebook/inference.ipynb 中提供了一个具有类似推理代码的 Notebook。

项目结构

alpamayo/
├── notebook/
│   └── inference.ipynb                  # 示例 Notebook
├── src/
│   └── alpamayo_r1/
│       ├── action_space/
│       │   └── ...                      # 动作空间定义
│       ├── diffusion/
│       │   └── ...                      # 扩散模型组件
│       ├── geometry/
│       │   └── ...                      # 几何工具和模块
│       ├── models/
│       │   ├── ...                      # 模型组件和工具函数
│       ├── __init__.py                  # 包标记文件
│       ├── config.py                    # 模型和实验配置
│       ├── helper.py                    # 实用辅助函数
│       ├── load_physical_aiavdataset.py # 数据集加载器
│       ├── test_inference.py            # 推理测试脚本
├── pyproject.toml                       # 项目依赖文件
└── uv.lock                              # 锁定的依赖版本

故障排除

Flash Attention 问题

模型默认使用 Flash Attention 2。如果你遇到兼容性问题：

# 使用 PyTorch 的缩放点积注意力 (SDPA) 代替
config.attn_implementation = "sdpa"

许可证

Apache License 2.0 - 详情请参阅 LICENSE。

免责声明

Alpamayo 1 是一个预训练的推理模型，旨在加速自动驾驶 (AV) 领域的研究与开发。它旨在作为一系列 AV 相关用例的基础——从实例化自动驾驶的端到端骨干网络，到启用基于推理的自动标注工具。简而言之，它应被视为开发定制化 AV 应用程序的构建模块。

重要说明：

• Alpamayo 1 仅供研究、实验和评估使用。
• Alpamayo 1 不是一个完全成熟的自动驾驶系统栈。除去其他限制外，它缺乏对关键真实世界传感器输入的访问，未包含所需的多样化和冗余安全机制，也未经过用于部署的车规级验证。

使用此模型即表示您承认它是一个旨在支持科学探索、基准测试和研究的工具，而不能替代经过认证的自动驾驶系统栈。开发者和贡献者对该模型的使用或其输出不承担任何责任或义务。