NVIDIA、自動運転向けAlpamayo 2 Edgeの重みを公開

NVIDIAは2026年11月10日、Alpamayo 2 Edgeのモデル重みをHugging Faceで公開した。車載コンピューティングの能力と遅延の制約に対応する自動運転開発者向けに、20億パラメーターのモデルを利用可能にした。今回の公開には、走行軌跡とその説明を生成・精査するためのデプロイ手順と評価ツールも含まれている。

NVIDIAはまず、2026年10月21日のHyperion発表でAlpamayo 2 Edgeを発表し、DRIVE AGX Thor向けに最適化され、車載環境で10 Hzの動作を想定したモデルだと説明した。Alpamayoの製品ページではEdgeが利用可能とされており、小型の車載モデルと、走行予測、シーン理解、自動ラベル付け、小型モデルの学習を目的とする340億パラメーターのAlpamayo 2 Superが区別されている。

適応的推論を備えた小型モデル

Cosmos 3 EdgeはNemotronベースの推論基盤を提供し、拡散モデルを用いたアクションエキスパートが運転操作を生成する。この視覚・言語・行動の設計では、サラウンドカメラの映像、時間的な文脈、自車の動きの履歴、ナビゲーションのテキストを、将来の走行軌跡と、判断を因果要因に結び付ける因果連鎖の説明に変換する。また、運転シーンについて自由形式の質問に答えることもできる。

Edgeは、日常的な運転ではすべての判断について推論の軌跡を生成する代わりに、それを省略できる。その場合、推論スクリプトは特殊なNOMINALトークンを出力し、モデルが走行軌跡の生成を続ける一方で、トークン生成量と推論に必要な計算量を削減する。

モデルカードには、世界各地での展開が可能であること、重みにはOpenMDW-1.1ライセンス、ソースコードにはApache License 2.0が適用されることが記載されている。学習データセットは、自車の動きと走行軌跡の注釈が付いたマルチカメラの運転映像約11万5,000時間に加え、因果連鎖に関する推論トレース約370万件で構成される。データには、カメラ、慣性計測装置（IMU）、GPSの記録のほか、合成推論トレースも含まれている。

学習では、Alpamayo 2 Superがオフライン蒸留に用いる推論の自動ラベルを生成した。その後、EdgeはAlpaGymシミュレーターでの閉ループ強化学習を通じて、自らの行動がもたらす結果から学習した。NVIDIAによると、この段階により、閉ループ強化学習を行わなかった最良のチェックポイントと比べ、閉ループ走行性能が48.9%向上した。

車載環境での遅延と検証上の制約

ダウンロードしたBF16の重みは、対応するNVIDIA GPU上でPyTorchモデルとしてそのまま動作するが、DRIVE AGX Thorでリアルタイムに動作させるには、さらに最適化が必要となる。NVIDIAの手順では、オンライン推論にDFlash2の投機的デコーディングを用い、FP8キャリブレーション、ONNXへのエクスポート、TensorRT、TensorRT-Edge-LLMを組み合わせる。この手順では、推論量に応じて、カメラ入力から走行軌跡が出力されるまでの時間は160～190ミリ秒と報告されている。測定環境は、DRIVE OS 7.2.7.0、CUDA 13.4、TensorRT 11.3.1.9を搭載したDRIVE AGX Thor-Xである。

NVIDIAによると、AlpaSimの閉ループシミュレーターで、Edgeは過失事故から次の過失事故まで9.87キロメートルを記録したのに対し、40億パラメーターのQwen-Drive-1.0は0.25キロメートルだった。同じ比較では、最小平均変位誤差はEdgeが0.53メートル、Qwen-Drive-1.0が1.68メートルで、値が小さいほど予測した走行軌跡が実際に近いことを示す。

ベースラインソフトウェアとの互換性について、モデルカードにはNVIDIA H100 80GB GPU 1基でテストしたと記載されており、ほかのGPUアーキテクチャはまだ検証されていないとされている。これは、最適化済みのThor-X向け手順とは別の説明である。自動運転システムに組み込むには、ユースケースに応じたデータによる追加テストと、デプロイ前の反復的なユニットレベルおよびシステムレベルの検証が必要となる。

AlpaJudgeで評価と学習を連携

NVIDIAは、同じ重みとコードのライセンスが適用される、人手による調整を経た評価・報酬モデルAlpaJudgeも公開した。AlpaJudge-RBは参照ベースのモデルで、画像を使わずに質問、参照回答、候補回答を受け取り、0から1までの整合確率を1つ返す。一方、参照を必要としないAlpaJudge-RFは、前方広角カメラのフレーム3枚と前方望遠カメラのフレーム3枚、自車のメタアクション履歴と将来の文脈、候補となる推論の説明を用い、評価基準ごとの確率を5つに加えて、行動、要素、総合の各スコアを返す。

NVIDIAのガイダンスでは、推論スコアが高いことは、説明が評価者の基準に合致している証拠として扱われる。ただし、運転挙動を説明するには、衝突、道路からの逸脱、接近遭遇、走行軌跡に関する指標も引き続き必要となる。スコアが低い例は、自動的に除外せず確認すべきである。まれな失敗が明らかになる場合があるためだ。非常に高いスコアは、モデルがすでに一貫して説明できているシーンを特定する可能性がある一方、中程度のスコアは、さらなる学習に役立つ機会を示すことが多い。

公開された強化学習の手順では、AlpaJudge-RBを使い、サンプリングした推論を走行軌跡の誤差や快適性と合わせて評価できる。NVIDIAは、流ちょうだが誤った説明だけで総合報酬が高くならないよう、走行軌跡の判定ゲートを維持し、要素スコアを記録することを推奨している。今回の公開が実用面で重要なのは、小型モデルによる車載推論、スコア付きの説明、対象を絞った再学習をつなぐ開発サイクルを可能にする点にある。説明の改善が運転の改善につながるかどうかは、衝突と走行軌跡のエビデンスによって判断される。