NVIDIA lanserer Alpamayo 2 Edge-vekter for autonom kjøring

NVIDIA lanserte modellvektene for Alpamayo 2 Edge på Hugging Face 10. november 2026. Dermed ble en modell med 2 milliarder parametere tilgjengelig for utviklere av autonom kjøring som må forholde seg til begrensninger i innebygde beregningsressurser og forsinkelse. Lanseringen omfatter oppskrifter for utrulling og evalueringsverktøy for å lage og granske kjørebaner og forklaringene på dem.

NVIDIA kunngjorde først Alpamayo 2 Edge i Hyperion-kunngjøringen 21. oktober 2026, og beskrev en modell optimalisert for DRIVE AGX Thor og utformet for bruk i kjøretøy med en frekvens på 10 Hz. Produktsiden for Alpamayo oppgir at Edge er tilgjengelig, og skiller den kompakte modellen for bruk i kjøretøy fra Alpamayo 2 Super med 34 milliarder parametere, som er ment for prediksjon av kjøring, sceneforståelse, automatisk merking og trening av mindre modeller.

Kompakt modell med adaptiv resonnering

Cosmos 3 Edge leverer den Nemotron-baserte resonneringskjernen, mens en diffusjonsbasert handlingsmodell genererer kjøreehandlinger. I denne utformingen, som kombinerer syn, språk og handling, omdannes video fra kameraer rundt kjøretøyet, tidsmessig kontekst, historikk over kjøretøyets egen bevegelse og navigasjonstekst til framtidige kjørebaner og forklaringer basert på årsakskjeder, som knytter beslutninger til årsaksfaktorer. Modellen kan også svare på åpne spørsmål om en kjøresituasjon.

Edge kan utelate en resonneringslogg ved rutinemessig kjøring, i stedet for å lage en for hver beslutning. I slike tilfeller sender inferensskriptet ut spesielle NOMINAL-token, noe som reduserer genereringen av token og beregningsbehovet ved inferens, samtidig som modellen fortsatt produserer kjørebaner.

Modellkortet oppgir at modellen kan tas i bruk globalt, at vektene er lisensiert under OpenMDW-1.1, og at kildekoden er lisensiert under Apache License 2.0. Treningsdatasettet består av rundt 115 000 timer med kjørevideo fra flere kameraer, annotert med kjøretøyets egen bevegelse og kjørebaner, samt omtrent 3,7 millioner resonneringsspor basert på årsakskjeder. Dataene omfatter opptak fra kameraer, treghetsmåleenheter og GPS, i tillegg til syntetiske resonneringsspor.

Under treningen genererte Alpamayo 2 Super de automatisk opprettede resonneringsetikettene som ble brukt til offline-destillering. Deretter lærte Edge av konsekvensene av handlingene sine gjennom forsterkningslæring i lukket sløyfe i AlpaGym-simulatoren. NVIDIA oppgir at dette trinnet forbedret kjøreytelsen i lukket sløyfe med 48,9 % sammenlignet med det beste kontrollpunktet uten forsterkningslæring i lukket sløyfe.

Forsinkelse og valideringsbegrensninger ved bruk i kjøretøy

De nedlastede BF16-vektene kan kjøres direkte som en PyTorch-modell på støttede NVIDIA-GPU-er, men sanntidsdrift på DRIVE AGX Thor krever ytterligere optimalisering. NVIDIAs oppskrift bruker FP8-kalibrering, ONNX-eksport, TensorRT og TensorRT-Edge-LLM, med spekulativ DFlash2-dekoding for resonnering på nett. Oppskriften oppgir en forsinkelse på 160–190 millisekunder fra kamerainndata til utdata i form av en kjørebane, avhengig av omfanget av resonneringen. Målingen ble gjort på DRIVE AGX Thor-X med DRIVE OS 7.2.7.0, CUDA 13.4 og TensorRT 11.3.1.9.

NVIDIA oppgir at Edge tilbakela 9,87 kilometer mellom hendelser der kjøretøyet var skyld i en ulykke, i AlpaSim-simulatoren med lukket sløyfe, mot 0,25 kilometer for Qwen-Drive-1.0 med 4 milliarder parametere. I den samme sammenligningen var den minste gjennomsnittlige forskyvningsfeilen 0,53 meter for Edge og 1,68 meter for Qwen-Drive-1.0. Lavere verdier betyr at de predikerte kjørebanene ligger nærmere fasiten.

Når det gjelder kompatibilitet med grunnleggende programvare, oppgir modellkortet at modellen er testet på én NVIDIA H100 GPU med 80 GB minne, og at andre GPU-arkitekturer ennå ikke er validert. Dette er en separat opplysning fra oppskriften for optimalisering på Thor-X. Integrering i et system for autonom kjøring krever ytterligere testing med data som er spesifikke for bruksområdet, samt gjentatt validering på enhets- og systemnivå før utrulling.

AlpaJudge kobler evaluering til trening

NVIDIA lanserte også AlpaJudge, en menneskekalibrert evaluerings- og belønningsmodell med de samme lisensene for vekter og kode. AlpaJudge-RB er referansebasert: Den tar imot et spørsmål, et referansesvar og et kandidatsvar uten bilder, og returnerer én sannsynlighet for samsvar fra 0 til 1. Den referansefrie AlpaJudge-RF bruker i stedet tre bilder fra frontkameraet med vidvinkel og tre fra frontkameraet med teleobjektiv, historikk over kjøretøyets egen metahandling og framtidig kontekst samt en kandidatresonnering. Den returnerer fem sannsynlighetsverdier basert på vurderingskriterier, i tillegg til poengsummer for handling, komponent og helhet.

Ifølge NVIDIAs veiledning tyder en høy resonneringspoengsum på at en begrunnelse samsvarer med vurderingskriteriene til modellen, men det trengs fortsatt målinger av kollisjoner, avkjøring fra veien, nærpasseringer og kjørebaner for å beskrive kjøreatferden. Eksempler med lave poengsummer bør gjennomgås i stedet for å forkastes automatisk, fordi de kan avdekke sjeldne feil. Svært høye poengsummer kan peke ut situasjoner som modellen allerede forklarer på en konsekvent måte, mens middels poengsummer ofte viser hvor videre trening kan være nyttig.

Den offentlig tilgjengelige oppskriften for forsterkningslæring kan bruke AlpaJudge-RB til å vurdere utvalgte resonneringer sammen med kjørebanefeil og komfort. NVIDIA anbefaler å beholde terskelkravet for kjørebanen og loggføre komponentskårene, slik at en velformulert, men feilaktig forklaring ikke alene kan gi en høy samlet belønning. Den praktiske betydningen av lanseringen ligger i utviklingssløyfen den muliggjør: kompakt inferens om bord, vurderte forklaringer og målrettet ny trening, der dokumentasjon av kollisjoner og kjørebaner avgjør om bedre forklaringer faktisk fører til bedre kjøring.