NVIDIA выпустила веса Alpamayo 2 Edge для автономного вождения

NVIDIA опубликовала веса модели Alpamayo 2 Edge на Hugging Face 10 ноября 2026 года. Модель с 2 миллиардами параметров стала доступна разработчикам систем автономного вождения, которым необходимо учитывать ограничения бортовых вычислительных ресурсов и задержки. В комплект входят инструкции по развертыванию и инструменты оценки для построения траекторий движения и их объяснений, а также для их анализа.

Впервые NVIDIA представила Alpamayo 2 Edge в анонсе Hyperion от 21 октября 2026 года, описав модель, оптимизированную для DRIVE AGX Thor и рассчитанную на работу в автомобиле с частотой 10 Гц. На странице продукта Alpamayo указано, что Edge доступна; компактная модель для работы в автомобиле представлена отдельно от 34-миллиардной модели Alpamayo 2 Super, предназначенной для прогнозирования движения, понимания сцен, автоматической разметки и обучения более компактных моделей.

Компактная модель с адаптивным рассуждением

Cosmos 3 Edge обеспечивает базовую архитектуру рассуждений на основе Nemotron, а диффузионная модель-эксперт генерирует действия при вождении. В этой архитектуре «зрение — язык — действие» видео с камер кругового обзора, временной контекст, история движения автомобиля и текстовые навигационные инструкции преобразуются в будущие траектории и объяснения причинно-следственных связей, показывающие, как решения соотносятся с причинными факторами. Модель также может отвечать на вопросы о дорожной ситуации в произвольной форме.

При обычном вождении Edge может не формировать цепочку рассуждений для каждого решения. В таких случаях скрипт инференса выдает специальные токены NOMINAL, сокращая генерацию токенов и вычислительные затраты на инференс, при этом модель продолжает строить траектории.

В карточке модели указано, что она предназначена для развертывания по всему миру; на веса распространяется лицензия OpenMDW-1.1, а на исходный код — Apache License 2.0. Обучающий набор данных включает около 115 000 часов видеозаписей вождения с нескольких камер, дополненных аннотациями движения автомобиля и траекторий, а также примерно 3,7 миллиона цепочек рассуждений о причинно-следственных связях. Данные содержат записи с камер, инерциального измерительного блока и GPS, а также синтетические цепочки рассуждений.

Для обучения Alpamayo 2 Super создала автоматически размеченные рассуждения, использованные при дистилляции в офлайн-режиме. Затем Edge обучалась на последствиях своих действий с помощью обучения с подкреплением в замкнутом контуре в симуляторе AlpaGym. По данным NVIDIA, этот этап повысил качество вождения в замкнутом контуре на 48,9% по сравнению с лучшим контрольным состоянием модели, достигнутым без обучения с подкреплением в замкнутом контуре.

Задержки при работе на борту и ограничения валидации

Загруженные веса BF16 можно напрямую использовать как модель PyTorch на поддерживаемых графических процессорах NVIDIA, однако для работы в реальном времени на DRIVE AGX Thor требуется дополнительная оптимизация. В инструкции NVIDIA предусмотрены калибровка FP8, экспорт в ONNX, TensorRT и TensorRT-Edge-LLM, а для рассуждений в режиме онлайн — спекулятивное декодирование DFlash2. Согласно инструкции, задержка между поступлением изображения с камеры и выдачей траектории составляет 160–190 миллисекунд в зависимости от объема рассуждений. Измерения проводились на DRIVE AGX Thor-X с DRIVE OS 7.2.7.0, CUDA 13.4 и TensorRT 11.3.1.9.

По данным NVIDIA, в симуляторе AlpaSim с замкнутым контуром Edge проезжала 9,87 километра между происшествиями, в которых была признана виновной, тогда как для модели Qwen-Drive-1.0 с 4 миллиардами параметров этот показатель составил 0,25 километра. В том же сравнении минимальная средняя ошибка смещения составила 0,53 метра для Edge и 1,68 метра для Qwen-Drive-1.0; чем ниже значение, тем точнее прогноз траектории.

В качестве базовой проверки совместимости программного обеспечения в карточке модели указано, что испытания проводились на одном графическом процессоре NVIDIA H100 с 80 ГБ памяти; также отмечается, что архитектуры других графических процессоров пока не прошли валидацию. Это отдельное утверждение, не связанное с оптимизированной инструкцией для Thor-X. Перед развертыванием модель необходимо дополнительно протестировать на данных, соответствующих конкретному варианту использования, и провести итеративную проверку на уровне отдельных модулей и системы в целом.

AlpaJudge связывает оценку с обучением

NVIDIA также выпустила AlpaJudge — модель оценки и вознаграждения, откалиброванную по оценкам людей и распространяемую на тех же условиях лицензирования, что и веса и исходный код. AlpaJudge-RB использует эталонные данные: ей передаются вопрос, эталонный ответ и проверяемый ответ без изображений, а на выходе она выдает одну оценку вероятности соответствия в диапазоне от 0 до 1. Вариант AlpaJudge-RF, не использующий эталонные данные, вместо этого обрабатывает три кадра с фронтальной широкоугольной камеры и три кадра с фронтальной телеобъективной камеры, историю метадействий автомобиля, контекст будущих событий и проверяемое обоснование. В ответ он выдает пять вероятностей по критериям оценки, а также оценки действий, компонентов и результата в целом.

Согласно рекомендациям NVIDIA, высокая оценка рассуждений свидетельствует о том, что обоснование соответствует критериям судьи. Однако для описания поведения при вождении по-прежнему нужны такие показатели, как столкновения, съезд с дороги, опасные сближения и траектории. Примеры с низкими оценками следует анализировать, а не отбрасывать автоматически, поскольку они могут выявить редкие сбои. Очень высокие оценки могут указывать на сцены, которые модель уже стабильно объясняет, тогда как средние оценки часто помогают определить, на каких примерах полезно продолжить обучение.

В опубликованной инструкции по обучению с подкреплением можно использовать AlpaJudge-RB для оценки выбранных рассуждений наряду с ошибкой траектории и комфортом движения. NVIDIA рекомендует сохранять пороговое условие для траектории и регистрировать оценки отдельных компонентов, чтобы беглое, но неверное объяснение само по себе не могло привести к высокой общей награде. Практическая ценность выпуска заключается в том, что он открывает цикл разработки, объединяющий компактный инференс на борту, оценку объяснений и целевое дообучение; при этом данные о столкновениях и траекториях позволяют определить, приводит ли повышение качества объяснений к улучшению вождения.