Η NVIDIA κυκλοφορεί τα βάρη του Alpamayo 2 Edge για αυτόνομη οδήγηση

Η NVIDIA κυκλοφόρησε τα βάρη του μοντέλου Alpamayo 2 Edge στο Hugging Face στις 10 Νοεμβρίου 2026, καθιστώντας διαθέσιμο στους προγραμματιστές αυτόνομης οδήγησης ένα μοντέλο με 2 δισεκατομμύρια παραμέτρους, σχεδιασμένο να λειτουργεί εντός των περιορισμών της ενσωματωμένης υπολογιστικής ισχύος και της καθυστέρησης. Η κυκλοφορία περιλαμβάνει συνταγές ανάπτυξης και εργαλεία αξιολόγησης για την παραγωγή και τον έλεγχο τροχιών οδήγησης και των επεξηγήσεών τους.

Η NVIDIA ανακοίνωσε για πρώτη φορά το Alpamayo 2 Edge στην ανακοίνωση της Hyperion στις 21 Οκτωβρίου 2026, περιγράφοντάς το ως μοντέλο βελτιστοποιημένο για το DRIVE AGX Thor και σχεδιασμένο για λειτουργία εντός του οχήματος στα 10 Hz. Η σελίδα προϊόντος του Alpamayo αναφέρει ότι το Edge είναι διαθέσιμο και διακρίνει το συμπαγές μοντέλο για χρήση εντός του οχήματος από το Alpamayo 2 Super των 34 δισεκατομμυρίων παραμέτρων, το οποίο προορίζεται για την πρόβλεψη της οδήγησης, την κατανόηση σκηνών, την αυτόματη επισήμανση και την εκπαίδευση μικρότερων μοντέλων.

Συμπαγές μοντέλο με προσαρμοστική συλλογιστική

Το Cosmos 3 Edge παρέχει τον κορμό συλλογιστικής που βασίζεται στο Nemotron, ενώ ένα εξειδικευμένο μοντέλο διάχυσης για ενέργειες παράγει ενέργειες οδήγησης. Σε αυτόν τον σχεδιασμό όρασης-γλώσσας-δράσης, τα βίντεο από τις κάμερες περιμετρικής θέασης, το χρονικό πλαίσιο, το ιστορικό κίνησης του οχήματος και το κείμενο πλοήγησης μετατρέπονται σε μελλοντικές τροχιές και επεξηγήσεις Αλυσίδας Αιτιότητας, οι οποίες συνδέουν τις αποφάσεις με τους αιτιώδεις παράγοντες. Το μοντέλο μπορεί επίσης να απαντά σε ερωτήσεις ελεύθερης διατύπωσης σχετικά με μια σκηνή οδήγησης.

Το Edge μπορεί να παραλείπει ένα ίχνος συλλογιστικής κατά τη συνήθη οδήγηση, αντί να παράγει ένα για κάθε απόφαση. Σε αυτές τις περιπτώσεις, το σενάριο εξαγωγής συμπερασμάτων εκπέμπει ειδικά διακριτικά NOMINAL, μειώνοντας την παραγωγή διακριτικών και τους υπολογιστικούς πόρους που απαιτούνται για την εξαγωγή συμπερασμάτων, ενώ το μοντέλο εξακολουθεί να παράγει τροχιές.

Η κάρτα μοντέλου αναφέρει ότι το μοντέλο μπορεί να αναπτυχθεί παγκοσμίως, ότι τα βάρη διατίθενται με άδεια OpenMDW-1.1 και ότι ο πηγαίος κώδικας διατίθεται με άδεια Apache License 2.0. Το σύνολο δεδομένων εκπαίδευσης περιλαμβάνει περίπου 115.000 ώρες βίντεο οδήγησης από πολλές κάμερες, με επισημειώσεις για την κίνηση του οχήματος και τις τροχιές, καθώς και περίπου 3,7 εκατομμύρια ίχνη συλλογιστικής Αλυσίδας Αιτιότητας. Τα δεδομένα περιλαμβάνουν καταγραφές από κάμερες, μονάδες αδρανειακής μέτρησης και GPS, καθώς και συνθετικά ίχνη συλλογιστικής.

Για την εκπαίδευση, το Alpamayo 2 Super παρήγαγε τις αυτόματες επισημειώσεις συλλογιστικής που χρησιμοποιήθηκαν για απόσταξη εκτός σύνδεσης. Στη συνέχεια, το Edge έμαθε από τις συνέπειες των ενεργειών του μέσω ενισχυτικής μάθησης κλειστού βρόχου στον προσομοιωτή AlpaGym. Η NVIDIA αναφέρει ότι αυτό το στάδιο βελτίωσε κατά 48,9% την απόδοση οδήγησης κλειστού βρόχου σε σύγκριση με το καλύτερο σημείο ελέγχου που δεν είχε εκπαιδευτεί με ενισχυτική μάθηση κλειστού βρόχου.

Καθυστέρηση εντός του οχήματος και όρια επικύρωσης

Τα ληφθέντα βάρη BF16 εκτελούνται απευθείας ως μοντέλο PyTorch σε υποστηριζόμενες GPU της NVIDIA, αλλά η λειτουργία σε πραγματικό χρόνο στο DRIVE AGX Thor απαιτεί περαιτέρω βελτιστοποίηση. Η συνταγή της NVIDIA χρησιμοποιεί βαθμονόμηση FP8, εξαγωγή σε ONNX, TensorRT και TensorRT-Edge-LLM, καθώς και κερδοσκοπική αποκωδικοποίηση DFlash2 για συλλογιστική κατά τη λειτουργία. Σύμφωνα με τη συνταγή, μεσολαβούν 160–190 χιλιοστά του δευτερολέπτου από την είσοδο εικόνας της κάμερας έως την έξοδο τροχιάς, ανάλογα με την έκταση της συλλογιστικής· η μέτρηση έγινε σε DRIVE AGX Thor-X με DRIVE OS 7.2.7.0, CUDA 13.4 και TensorRT 11.3.1.9.

Η NVIDIA αναφέρει ότι το Edge κατέγραψε 9,87 χιλιόμετρα ανάμεσα σε περιστατικά για τα οποία έφερε ευθύνη στον προσομοιωτή κλειστού βρόχου AlpaSim, έναντι 0,25 χιλιομέτρων για το Qwen-Drive-1.0 των 4 δισεκατομμυρίων παραμέτρων. Στην ίδια σύγκριση, το ελάχιστο μέσο σφάλμα μετατόπισης ήταν 0,53 μέτρα για το Edge και 1,68 μέτρα για το Qwen-Drive-1.0, με τις χαμηλότερες τιμές να υποδηλώνουν ακριβέστερες προβλέψεις τροχιάς.

Για τη συμβατότητα με το βασικό λογισμικό, η κάρτα μοντέλου αναφέρει ότι οι δοκιμές έγιναν σε μία GPU NVIDIA H100 80GB και διευκρινίζει ότι άλλες αρχιτεκτονικές GPU δεν έχουν ακόμη επικυρωθεί· αυτό αποτελεί ξεχωριστή αναφορά από τη συνταγή βελτιστοποίησης για το Thor-X. Η ενσωμάτωση σε σύστημα αυτόνομης οδήγησης απαιτεί πρόσθετες δοκιμές με δεδομένα ειδικά για κάθε περίπτωση χρήσης, καθώς και επαναληπτική επικύρωση σε επίπεδο μονάδας και συστήματος πριν από την ανάπτυξη.

Το AlpaJudge συνδέει την αξιολόγηση με την εκπαίδευση

Η NVIDIA κυκλοφόρησε επίσης το AlpaJudge, ένα μοντέλο αξιολόγησης και ανταμοιβής βαθμονομημένο από ανθρώπους, με τις ίδιες άδειες για τα βάρη και τον κώδικα. Το AlpaJudge-RB βασίζεται σε αναφορά: λαμβάνει μια ερώτηση, μια απάντηση αναφοράς και μια υποψήφια απάντηση, χωρίς εικόνες, και επιστρέφει μία πιθανότητα ευθυγράμμισης από 0 έως 1. Αντίθετα, το AlpaJudge-RF δεν απαιτεί αναφορά και χρησιμοποιεί τρία καρέ από ευρυγώνιες εμπρόσθιες κάμερες και τρία από εμπρόσθιες κάμερες τηλεφακού, το ιστορικό μεταενεργειών του οχήματος, το μελλοντικό πλαίσιο και μια υποψήφια αιτιολόγηση, για να επιστρέψει πέντε πιθανότητες βάσει κριτηρίων αξιολόγησης, καθώς και βαθμολογίες για την ενέργεια, τα επιμέρους στοιχεία και το συνολικό αποτέλεσμα.

Οι οδηγίες της NVIDIA αντιμετωπίζουν μια υψηλή βαθμολογία συλλογιστικής ως ένδειξη ότι μια αιτιολόγηση συμφωνεί με τα κριτήρια αξιολόγησης του κριτή, ενώ για την περιγραφή της οδηγικής συμπεριφοράς εξακολουθούν να απαιτούνται μετρικές για συγκρούσεις, έξοδο από τον δρόμο, περιστατικά παρ’ ολίγον σύγκρουσης και τροχιές. Τα παραδείγματα με χαμηλή βαθμολογία πρέπει να εξετάζονται και όχι να απορρίπτονται αυτομάτως, καθώς μπορεί να αποκαλύψουν σπάνιες αστοχίες. Οι πολύ υψηλές βαθμολογίες ενδέχεται να υποδεικνύουν σκηνές τις οποίες το μοντέλο ήδη επεξηγεί με συνέπεια, ενώ οι ενδιάμεσες βαθμολογίες συχνά σηματοδοτούν χρήσιμες ευκαιρίες για περαιτέρω εκπαίδευση.

Η δημόσια συνταγή ενισχυτικής μάθησης μπορεί να χρησιμοποιήσει το AlpaJudge-RB για να βαθμολογήσει δειγματοληπτημένη συλλογιστική σε συνδυασμό με το σφάλμα τροχιάς και την άνεση. Η NVIDIA συνιστά να διατηρείται το όριο αποδοχής της τροχιάς και να καταγράφονται οι βαθμολογίες των επιμέρους στοιχείων, ώστε μια εύγλωττη αλλά λανθασμένη επεξήγηση να μην μπορεί από μόνη της να αποφέρει υψηλή συνολική ανταμοιβή. Η πρακτική σημασία της κυκλοφορίας έγκειται στον κύκλο ανάπτυξης που καθιστά εφικτό: συμπαγή εξαγωγή συμπερασμάτων εντός του οχήματος, επεξηγήσεις με βαθμολογία και στοχευμένη επανεκπαίδευση, με τα στοιχεία για συγκρούσεις και τροχιές να καθορίζουν αν οι καλύτερες επεξηγήσεις μεταφράζονται σε καλύτερη οδήγηση.