NVIDIA lansează ponderile Alpamayo 2 Edge pentru conducerea autonomă

NVIDIA a lansat ponderile modelului Alpamayo 2 Edge pe Hugging Face pe 10 noiembrie 2026, punând la dispoziția dezvoltatorilor de sisteme de conducere autonomă un model cu 2 miliarde de parametri, conceput pentru a funcționa în limitele de calcul și latență ale sistemelor de bord. Lansarea include rețete de implementare și instrumente de evaluare pentru generarea și examinarea traiectoriilor de deplasare și a explicațiilor aferente.

NVIDIA a anunțat pentru prima dată Alpamayo 2 Edge în anunțul Hyperion din 21 octombrie 2026, prezentându-l ca pe un model optimizat pentru DRIVE AGX Thor și proiectat să funcționeze la 10 Hz în vehicul. Pagina produsului Alpamayo indică faptul că Edge este disponibil și îl diferențiază de modelul compact destinat utilizării în vehicul pe Alpamayo 2 Super, cu 34 de miliarde de parametri, conceput pentru predicția deplasării, înțelegerea scenelor, etichetarea automată și antrenarea unor modele mai mici.

Model compact cu raționament adaptiv

Cosmos 3 Edge furnizează baza de raționament bazată pe Nemotron, iar un expert în acțiuni bazat pe difuzie generează acțiunile de conducere. În această arhitectură de tip viziune-limbaj-acțiune, înregistrările video de la camerele perimetrale, contextul temporal, istoricul mișcării proprii a vehiculului și instrucțiunile de navigație sunt transformate în traiectorii viitoare și explicații Chain-of-Causation, care leagă deciziile de factorii cauzali. Modelul poate răspunde și la întrebări formulate liber despre o scenă de trafic.

Edge poate omite o urmă de raționament în cazul conducerii obișnuite, în loc să genereze una pentru fiecare decizie. În aceste situații, scriptul de inferență emite tokenuri speciale NOMINAL, reducând generarea de tokenuri și resursele de calcul necesare inferenței, în timp ce modelul continuă să genereze traiectorii.

Fișa modelului menționează o disponibilitate globală pentru implementare, licența OpenMDW-1.1 pentru ponderi și Apache License 2.0 pentru codul sursă. Setul de date de antrenare cuprinde aproximativ 115.000 de ore de înregistrări video de conducere realizate cu mai multe camere, cu adnotări privind mișcarea proprie a vehiculului și traiectoriile, precum și circa 3,7 milioane de urme de raționament Chain-of-Causation. Datele includ înregistrări de la camere, unități de măsurare inerțială și GPS, precum și urme de raționament sintetice.

În etapa de antrenare, Alpamayo 2 Super a generat etichetele automate de raționament folosite pentru distilarea offline. Ulterior, Edge a învățat din consecințele propriilor acțiuni prin învățare prin recompensă cu buclă închisă, în simulatorul AlpaGym. NVIDIA raportează că această etapă a îmbunătățit cu 48,9% performanța conducerii cu buclă închisă față de cel mai bun punct de control obținut fără învățare prin recompensă cu buclă închisă.

Latența la bord și limitele validării

Ponderile BF16 descărcate pot rula direct ca model PyTorch pe GPU-urile NVIDIA compatibile, dar funcționarea în timp real pe DRIVE AGX Thor necesită optimizare suplimentară. Rețeta NVIDIA folosește calibrare FP8, export ONNX, TensorRT și TensorRT-Edge-LLM, cu decodare speculativă DFlash2 pentru raționamentul online. Rețeta indică o latență de 160–190 de milisecunde între intrarea video de la cameră și ieșirea traiectoriei, în funcție de volumul de raționament; măsurătorile au fost efectuate pe DRIVE AGX Thor-X cu DRIVE OS 7.2.7.0, CUDA 13.4 și TensorRT 11.3.1.9.

NVIDIA raportează că Edge a parcurs 9,87 kilometri între incidentele în care a fost considerat responsabil în simulatorul AlpaSim cu buclă închisă, față de 0,25 kilometri în cazul modelului Qwen-Drive-1.0, cu 4 miliarde de parametri. În aceeași comparație, eroarea medie minimă de deplasare a fost de 0,53 metri pentru Edge și de 1,68 metri pentru Qwen-Drive-1.0; valorile mai mici indică predicții ale traiectoriei mai apropiate de realitate.

Pentru compatibilitatea cu software-ul de bază, fișa modelului menționează testarea pe un GPU NVIDIA H100 de 80 GB și precizează că alte arhitecturi GPU nu au fost încă validate; aceasta este o afirmație distinctă de rețeta optimizată pentru Thor-X. Integrarea într-un sistem de conducere autonomă necesită testări suplimentare cu date specifice cazului de utilizare și validări iterative la nivel de unitate și de sistem înainte de implementare.

AlpaJudge conectează evaluarea cu antrenarea

NVIDIA a lansat și AlpaJudge, un model de evaluare și recompensă calibrat de oameni, cu aceleași licențe pentru ponderi și cod. AlpaJudge-RB se bazează pe referințe: primește o întrebare, un răspuns de referință și un răspuns candidat, fără imagini, și returnează o singură probabilitate de aliniere, cu o valoare între 0 și 1. În schimb, AlpaJudge-RF, care nu folosește referințe, utilizează câte trei cadre de la camere frontale cu unghi larg și de la camere frontale teleobiectiv, istoricul meta-acțiunilor proprii ale vehiculului și contextul viitor, precum și o justificare candidată, pentru a returna cinci probabilități asociate grilei de evaluare, plus scoruri pentru acțiune, componente și ansamblu.

Conform recomandărilor NVIDIA, un scor ridicat la raționament indică faptul că o justificare corespunde grilei de evaluare a evaluatorului, însă pentru descrierea comportamentului la volan sunt în continuare necesare metrici privind coliziunile, ieșirea de pe carosabil, întâlnirile la mică distanță și traiectoriile. Exemplele cu scoruri mici ar trebui examinate, nu eliminate automat, deoarece pot scoate la iveală defecțiuni rare. Scorurile foarte ridicate pot indica scene pe care modelul le explică deja în mod consecvent, în timp ce scorurile medii identifică adesea oportunități utile pentru antrenare suplimentară.

Rețeta publică de învățare prin recompensă poate folosi AlpaJudge-RB pentru a evalua raționamentele eșantionate împreună cu eroarea traiectoriei și confortul. NVIDIA recomandă păstrarea pragului de acceptare pentru traiectorie și înregistrarea scorurilor componentelor, astfel încât o explicație fluentă, dar incorectă, să nu poată genera singură o recompensă totală ridicată. Importanța practică a lansării constă în ciclul de dezvoltare pe care îl face posibil: inferență compactă la bord, explicații evaluate și reantrenare direcționată, în timp ce dovezile privind coliziunile și traiectoriile stabilesc dacă explicațiile mai bune se traduc în conducere mai bună.