NVIDIA frigiver Alpamayo 2 Edge-vægte til autonom kørsel

NVIDIA frigav modelvægtene til Alpamayo 2 Edge på Hugging Face den 10. november 2026. Dermed blev en model med 2 milliarder parametre tilgængelig for udviklere af autonome køretøjer, der arbejder inden for grænserne for indbygget computerkraft og latenstid. Frigivelsen omfatter implementeringsvejledninger og evalueringsværktøjer til at generere og granske kørselsbaner og forklaringerne på dem.

NVIDIA annoncerede første gang Alpamayo 2 Edge i sin meddelelse om Hyperion den 21. oktober 2026 og beskrev en model, der er optimeret til DRIVE AGX Thor og designet til drift i køretøjer ved 10 Hz. Produktsiden for Alpamayo angiver, at Edge er tilgængelig, og skelner mellem den kompakte model til brug i køretøjer og modellen Alpamayo 2 Super med 34 milliarder parametre, der er beregnet til forudsigelse af kørselsforløb, sceneforståelse, automatisk mærkning og træning af mindre modeller.

Kompakt model med adaptiv ræsonnering

Cosmos 3 Edge leverer den ræsonneringsmæssige grundmodel, der bygger på Nemotron, mens en diffusionsbaseret handlingsmodel genererer kørselsreaktioner. I dette design, der kombinerer syn, sprog og handling, omsættes video fra kameraer hele vejen rundt, tidsmæssig kontekst, historik over egobevægelser og navigationstekst til fremtidige kørselsbaner og forklaringer af årsagskæder, der forbinder beslutninger med årsagsfaktorer. Modellen kan også besvare åbne spørgsmål om en kørescene.

Edge kan undlade at generere et ræsonneringsspor ved rutinekørsel i stedet for at lave et for hver beslutning. I sådanne tilfælde udsender inferensscriptet særlige NOMINAL-tokens, hvilket reducerer token-genereringen og beregningsforbruget til inferens, samtidig med at modellen fortsat genererer kørselsbaner.

Modelkortet angiver, at modellen kan anvendes globalt, at vægtene er licenseret under OpenMDW-1.1, og at kildekoden er licenseret under Apache License 2.0. Træningsdatasættet består af cirka 115.000 timers kørselsvideo fra flere kameraer med annoteringer af egobevægelser og kørselsbaner samt omkring 3,7 millioner ræsonneringsspor med årsagskæder. Dataene omfatter registreringer fra kameraer, inertimåleenheder og GPS samt syntetiske ræsonneringsspor.

Til træningen genererede Alpamayo 2 Super de automatiske ræsonneringsannoteringer, der blev brugt til offline-destillation. Derefter lærte Edge af konsekvenserne af sine handlinger gennem forstærkningslæring med lukket kredsløb i AlpaGym-simulatoren. NVIDIA oplyser, at dette trin forbedrede kørselsydelsen med lukket kredsløb med 48,9 % sammenlignet med det bedste kontrolpunkt uden forstærkningslæring med lukket kredsløb.

Latenstid i køretøjet og begrænsninger ved validering

De downloadede BF16-vægte kan køres direkte som en PyTorch-model på understøttede NVIDIA-GPU’er, men realtidsdrift på DRIVE AGX Thor kræver yderligere optimering. NVIDIAs opskrift bruger FP8-kalibrering, ONNX-eksport, TensorRT og TensorRT-Edge-LLM samt spekulativ DFlash2-afkodning til ræsonnering online. Opskriften angiver 160–190 millisekunder fra kamerainput til output af kørselsbane, afhængigt af omfanget af ræsonneringen. Målingen blev foretaget på DRIVE AGX Thor-X med DRIVE OS 7.2.7.0, CUDA 13.4 og TensorRT 11.3.1.9.

NVIDIA oplyser, at Edge tilbagelagde 9,87 kilometer mellem hændelser, hvor køretøjet var skyld i ulykken, i AlpaSim-simulatoren med lukket kredsløb, sammenlignet med 0,25 kilometer for Qwen-Drive-1.0 med 4 milliarder parametre. I samme sammenligning var den gennemsnitlige mindste forskydningsfejl 0,53 meter for Edge og 1,68 meter for Qwen-Drive-1.0; lavere værdier betyder, at de forudsagte kørselsbaner ligger tættere på de faktiske.

For at dokumentere kompatibiliteten med grundlæggende software angiver modelkortet, at modellen er testet på én NVIDIA H100-GPU med 80 GB, og at andre GPU-arkitekturer endnu ikke er valideret. Dette er en særskilt oplysning fra opskriften, der er optimeret til Thor-X. Integration i et system til autonom kørsel kræver yderligere test med data, der er specifikke for anvendelsestilfældet, samt gentagen validering på både enheds- og systemniveau før implementering.

AlpaJudge forbinder evaluering med træning

NVIDIA frigav også AlpaJudge, en menneskekalibreret evaluerings- og belønningsmodel med de samme licenser for vægte og kode. AlpaJudge-RB er referencebaseret: Den modtager et spørgsmål, et referencesvar og et kandidatsvar uden billeder og returnerer én sandsynlighed for overensstemmelse mellem 0 og 1. Den referencefri AlpaJudge-RF bruger i stedet tre billeder fra et frontkamera med vidvinkel og tre billeder fra et frontkamera med teleobjektiv, historik over ego-metamodellens handlinger og fremtidig kontekst samt en foreslået begrundelse. Den returnerer fem sandsynligheder for vurderingskriterier samt scorer for handling, komponenter og helhed.

NVIDIAs vejledning betragter en høj ræsonneringsscore som tegn på, at en begrundelse stemmer overens med dommermodellens vurderingskriterier, mens der stadig er brug for målinger af kollisioner, afkørsler fra vejen, nærved-hændelser og kørselsbaner for at beskrive kørselsadfærden. Eksempler med lave scorer bør gennemgås i stedet for automatisk at blive kasseret, da de kan afdække sjældne fejl. Meget høje scorer kan pege på scener, som modellen allerede forklarer konsekvent, mens mellemhøje scorer ofte viser, hvor der er gode muligheder for yderligere træning.

NVIDIAs offentligt tilgængelige opskrift på forstærkningslæring kan bruge AlpaJudge-RB til at bedømme udtaget ræsonnering sammen med kørselsbanefejl og komfort. NVIDIA anbefaler, at man fastholder tærsklen for kørselsbanen og logger komponentscorerne, så en velformuleret, men forkert forklaring ikke alene kan udløse en høj samlet belønning. Frigivelsens praktiske betydning ligger i den udviklingsproces, den muliggør: kompakt inferens i køretøjet, evaluerede forklaringer og målrettet genoptræning, hvor dokumentation for kollisioner og kørselsbaner afgør, om bedre forklaringer fører til bedre kørsel.