NVIDIA vydává váhy Alpamayo 2 Edge pro autonomní řízení

NVIDIA vydala 10. listopadu 2026 na Hugging Face váhy modelu Alpamayo 2 Edge a zpřístupnila tak vývojářům autonomního řízení model se 2 miliardami parametrů, který respektuje omezení palubního výpočetního výkonu a latence. Součástí vydání jsou návody k nasazení a nástroje pro vyhodnocování, které umožňují vytvářet a podrobně zkoumat jízdní trajektorie i jejich vysvětlení.

NVIDIA poprvé oznámila Alpamayo 2 Edge v rámci oznámení Hyperion z 21. října 2026 a popsala jej jako model optimalizovaný pro DRIVE AGX Thor, určený k provozu ve vozidle s frekvencí 10 Hz. Produktová stránka Alpamayo uvádí, že Edge je již k dispozici, a odlišuje tento kompaktní model pro provoz ve vozidle od modelu Alpamayo 2 Super s 34 miliardami parametrů, který je určen k předvídání jízdy, porozumění scénám, automatickému označování dat a trénování menších modelů.

Kompaktní model s adaptivním uvažováním

Cosmos 3 Edge zajišťuje základní vrstvu uvažování založenou na Nemotronu, zatímco expertiza založená na difuzi vytváří jízdní akce. V tomto návrhu typu vidění–jazyk–akce se video z kamer kolem vozidla, časový kontext, historie pohybu vozidla a navigační pokyny převádějí na budoucí trajektorie a vysvětlení řetězce příčin a následků, která propojují rozhodnutí s příčinnými faktory. Model dokáže také odpovídat na otevřené otázky týkající se dopravní situace.

Edge může při běžné jízdě vynechat stopu uvažování, místo aby ji vytvářel pro každé rozhodnutí. V takových případech inferenční skript vydává speciální tokeny NOMINAL, čímž omezuje generování tokenů i výpočetní náročnost inference, zatímco model nadále vytváří trajektorie.

Karta modelu uvádí globální geografickou dostupnost pro nasazení, licenci OpenMDW-1.1 pro váhy a licenci Apache License 2.0 pro zdrojový kód. Trénovací dataset obsahuje přibližně 115 000 hodin videa z více kamer při jízdě, doplněného anotacemi pohybu vozidla a trajektorií, a zhruba 3,7 milionu stop uvažování ve formě řetězců příčin a následků. Data zahrnují záznamy z kamer, inerciální měřicí jednotky a GPS, stejně jako syntetické stopy uvažování.

Při trénování model Alpamayo 2 Super vytvořil automatické anotace uvažování, které se použily při offline destilaci. Edge se následně učil z důsledků svých akcí prostřednictvím zpětnovazebního posilovaného učení v simulátoru AlpaGym. NVIDIA uvádí, že tato fáze zlepšila výkon při jízdě v uzavřené smyčce o 48,9 % oproti nejlepšímu kontrolnímu bodu bez zpětnovazebního posilovaného učení.

Latence na palubním systému a omezení validace

Stažené váhy BF16 lze spustit přímo jako model PyTorch na podporovaných GPU NVIDIA, ale pro provoz v reálném čase na DRIVE AGX Thor je nutná další optimalizace. Postup společnosti NVIDIA využívá kalibraci FP8, export do ONNX, TensorRT a TensorRT-Edge-LLM a pro online uvažování spekulativní dekódování DFlash2. Podle tohoto postupu trvá zpracování od vstupu z kamer po výstup trajektorie 160–190 milisekund v závislosti na rozsahu uvažování; měření proběhlo na DRIVE AGX Thor-X se systémy DRIVE OS 7.2.7.0, CUDA 13.4 a TensorRT 11.3.1.9.

NVIDIA uvádí, že Edge v simulátoru AlpaSim s uzavřenou smyčkou dosáhl 9,87 kilometru mezi nehodami zaviněnými vozidlem, zatímco u modelu Qwen-Drive-1.0 se 4 miliardami parametrů to bylo 0,25 kilometru. Ve stejném srovnání činila minimální průměrná chyba odchylky 0,53 metru u Edge a 1,68 metru u Qwen-Drive-1.0; nižší hodnoty znamenají přesnější předpovědi trajektorie.

Karta modelu uvádí, že základní kompatibilita se softwarem byla testována na jednom GPU NVIDIA H100 s 80 GB paměti, a dodává, že jiné architektury GPU dosud nebyly ověřeny. Toto tvrzení se týká jiného testování než optimalizovaný postup pro Thor-X. Před nasazením do systému autonomního řízení je nutné provést další testy s daty přizpůsobenými konkrétnímu případu použití a opakovanou validaci na úrovni jednotek i celého systému.

AlpaJudge propojuje vyhodnocování s trénováním

NVIDIA vydala také AlpaJudge, model pro vyhodnocování a odměňování kalibrovaný podle lidského hodnocení, na který se vztahují stejné licence pro váhy i zdrojový kód. AlpaJudge-RB je založený na referenční odpovědi: přijímá otázku, referenční odpověď a kandidátní odpověď bez obrázků a vrací jednu pravděpodobnost souladu v rozsahu od 0 do 1. Referenčně nezávislý AlpaJudge-RF místo toho využívá tři snímky z přední širokoúhlé kamery a tři z přední teleobjektivové kamery, historii metazáznamů o akcích vozidla a budoucí kontext spolu s kandidátním zdůvodněním; vrací pět pravděpodobností podle hodnoticích kritérií a také skóre akce, jednotlivých komponent i celkové skóre.

NVIDIA doporučuje chápat vysoké skóre uvažování jako známku toho, že zdůvodnění odpovídá hodnoticím kritériím modelu; k popisu jízdního chování jsou však stále potřeba metriky kolizí, vyjetí ze silnice, těsných setkání a trajektorií. Příklady s nízkým skóre je vhodné přezkoumat, nikoli automaticky vyřadit, protože mohou odhalit vzácná selhání. Velmi vysoká skóre mohou označovat scény, které model již konzistentně vysvětluje, zatímco střední skóre často upozorňují na příležitosti k dalšímu trénování.

Veřejně dostupný postup posilovaného učení může využívat AlpaJudge-RB k hodnocení vzorkovaného uvažování spolu s chybou trajektorie a jízdním komfortem. NVIDIA doporučuje zachovat kontrolní podmínku pro trajektorii a zaznamenávat skóre jednotlivých komponent, aby přesvědčivé, ale nesprávné vysvětlení samo o sobě nemohlo vést k vysoké celkové odměně. Praktický význam tohoto vydání spočívá v tom, jaký vývojový cyklus umožňuje: kompaktní inferenci přímo ve vozidle, hodnocená vysvětlení a cílené opakované trénování, přičemž o tom, zda se lepší vysvětlení promítají do lepší jízdy, rozhodují důkazy založené na kolizích a trajektoriích.