NVIDIA เปิดเผยน้ำหนักโมเดล Alpamayo 2 Edge สำหรับการขับขี่อัตโนมัติ

NVIDIA เปิดตัวน้ำหนักโมเดล Alpamayo 2 Edge บน Hugging Face เมื่อวันที่ 10 พฤศจิกายน 2026 ทำให้นักพัฒนาระบบขับขี่อัตโนมัติที่ต้องทำงานภายใต้ข้อจำกัดด้านกำลังประมวลผลบนรถและเวลาแฝง สามารถใช้งานโมเดลขนาด 2 พันล้านพารามิเตอร์ได้ การเปิดตัวครั้งนี้ยังมีสูตรการติดตั้งใช้งานและเครื่องมือประเมินผล สำหรับสร้างและตรวจสอบวิถีการขับขี่พร้อมคำอธิบายประกอบ

NVIDIA ประกาศเปิดตัว Alpamayo 2 Edge ครั้งแรกในประกาศ Hyperion เมื่อวันที่ 21 ตุลาคม 2026 โดยระบุว่าเป็นโมเดลที่ปรับให้เหมาะกับ DRIVE AGX Thor และออกแบบมาสำหรับการทำงานในรถยนต์ที่ความถี่ 10 Hz หน้าผลิตภัณฑ์ Alpamayo ระบุว่า Edge พร้อมให้ใช้งานแล้ว และแยกโมเดลขนาดกะทัดรัดสำหรับติดตั้งในรถออกจาก Alpamayo 2 Super ซึ่งมีพารามิเตอร์ 34 พันล้านตัว โดยรุ่นหลังมุ่งเน้นการคาดการณ์การขับขี่ การทำความเข้าใจฉาก การติดป้ายกำกับอัตโนมัติ และการฝึกโมเดลขนาดเล็กกว่า

โมเดลขนาดกะทัดรัดพร้อมการให้เหตุผลแบบปรับตามสถานการณ์

Cosmos 3 Edge ทำหน้าที่เป็นแกนหลักด้านการให้เหตุผลที่ใช้ Nemotron ขณะที่ผู้เชี่ยวชาญด้านการกระทำแบบดิฟฟิวชันสร้างการกระทำในการขับขี่ ในสถาปัตยกรรมวิชัน-ภาษา-การกระทำนี้ วิดีโอจากกล้องรอบคัน บริบทตามช่วงเวลา ประวัติการเคลื่อนที่ของรถ และข้อความนำทาง จะถูกแปลงเป็นวิถีในอนาคตและคำอธิบาย Chain-of-Causation ที่เชื่อมโยงการตัดสินใจกับปัจจัยเชิงสาเหตุ โมเดลยังตอบคำถามปลายเปิดเกี่ยวกับฉากการขับขี่ได้ด้วย

Edge สามารถละเว้นการสร้างร่องรอยการให้เหตุผลสำหรับการขับขี่ตามปกติ แทนที่จะสร้างร่องรอยสำหรับทุกการตัดสินใจ ในกรณีดังกล่าว สคริปต์อนุมานจะส่งโทเค็นพิเศษ NOMINAL เพื่อลดการสร้างโทเค็นและภาระการประมวลผลสำหรับการอนุมาน ขณะที่โมเดลยังคงสร้างวิถีการขับขี่ต่อไป

การ์ดข้อมูลโมเดลระบุพื้นที่ให้บริการทั่วโลก ใบอนุญาต OpenMDW-1.1 สำหรับน้ำหนักโมเดล และ Apache License 2.0 สำหรับซอร์สโค้ด ชุดข้อมูลฝึกโมเดลประกอบด้วยวิดีโอการขับขี่จากกล้องหลายตัวประมาณ 115,000 ชั่วโมง พร้อมคำกำกับข้อมูลเกี่ยวกับการเคลื่อนที่ของรถและวิถีการขับขี่ รวมถึงร่องรอยการให้เหตุผล Chain-of-Causation ราว 3.7 ล้านรายการ ข้อมูลดังกล่าวประกอบด้วยบันทึกจากกล้อง หน่วยวัดความเฉื่อย และ GPS ตลอดจนร่องรอยการให้เหตุผลที่สร้างขึ้นด้วยข้อมูลสังเคราะห์

ในการฝึก Alpamayo 2 Super สร้างป้ายกำกับอัตโนมัติด้านการให้เหตุผล ซึ่งนำไปใช้ในการกลั่นความรู้แบบออฟไลน์ จากนั้น Edge เรียนรู้จากผลที่เกิดจากการกระทำของตนผ่านการเรียนรู้แบบเสริมกำลังวงปิดในโปรแกรมจำลอง AlpaGym NVIDIA รายงานว่าขั้นตอนนี้ช่วยเพิ่มประสิทธิภาพการขับขี่แบบวงปิด 48.9% เมื่อเทียบกับเช็กพอยต์ที่ดีที่สุดซึ่งไม่ได้ผ่านการเรียนรู้แบบเสริมกำลังวงปิด

เวลาแฝงบนรถและข้อจำกัดในการตรวจสอบความถูกต้อง

น้ำหนัก BF16 ที่ดาวน์โหลดมาสามารถทำงานโดยตรงในรูปแบบโมเดล PyTorch บน GPU ของ NVIDIA ที่รองรับ แต่การทำงานแบบเรียลไทม์บน DRIVE AGX Thor ต้องปรับแต่งเพิ่มเติม สูตรการติดตั้งใช้งานของ NVIDIA ใช้การปรับเทียบ FP8 การส่งออก ONNX, TensorRT และ TensorRT-Edge-LLM พร้อมการถอดรหัสแบบเก็งล่วงหน้า DFlash2 สำหรับการให้เหตุผลขณะทำงาน สูตรนี้รายงานเวลา 160–190 มิลลิวินาทีตั้งแต่รับภาพจากกล้องจนได้ผลลัพธ์เป็นวิถี โดยขึ้นอยู่กับปริมาณการให้เหตุผล ทั้งนี้ วัดผลบน DRIVE AGX Thor-X ที่ใช้ DRIVE OS 7.2.7.0, CUDA 13.4 และ TensorRT 11.3.1.9

NVIDIA รายงานว่า Edge ทำระยะทางได้ 9.87 กิโลเมตรระหว่างเหตุการณ์ที่ผู้ขับเป็นฝ่ายผิดในโปรแกรมจำลองวงปิด AlpaSim เทียบกับ 0.25 กิโลเมตรสำหรับ Qwen-Drive-1.0 ซึ่งมีพารามิเตอร์ 4 พันล้านตัว การเปรียบเทียบเดียวกันพบว่า ค่าความคลาดเคลื่อนเฉลี่ยต่ำสุดของการกระจัดอยู่ที่ 0.53 เมตรสำหรับ Edge และ 1.68 เมตรสำหรับ Qwen-Drive-1.0 โดยค่าที่ต่ำกว่าแสดงว่าการคาดการณ์วิถีใกล้เคียงความเป็นจริงมากกว่า

สำหรับความเข้ากันได้กับซอฟต์แวร์พื้นฐาน การ์ดข้อมูลโมเดลระบุว่ามีการทดสอบบน GPU NVIDIA H100 80GB จำนวนหนึ่งตัว และระบุว่าสถาปัตยกรรม GPU อื่นยังไม่ได้รับการตรวจสอบความถูกต้อง ซึ่งเป็นข้อมูลแยกจากสูตรที่ปรับแต่งสำหรับ Thor-X การนำโมเดลไปผสานเข้ากับระบบขับขี่อัตโนมัติต้องผ่านการทดสอบเพิ่มเติมด้วยข้อมูลที่จำเพาะต่อกรณีใช้งาน และการตรวจสอบความถูกต้องซ้ำหลายรอบทั้งระดับยูนิตและระดับระบบก่อนนำไปใช้งาน

AlpaJudge เชื่อมโยงการประเมินผลเข้ากับการฝึกโมเดล

NVIDIA ยังเปิดตัว AlpaJudge ซึ่งเป็นโมเดลประเมินผลและให้คะแนนรางวัลที่ปรับเทียบโดยมนุษย์ และใช้ใบอนุญาตเดียวกันสำหรับน้ำหนักโมเดลและโค้ด AlpaJudge-RB ใช้ข้อมูลอ้างอิง โดยรับคำถาม คำตอบอ้างอิง และคำตอบที่ต้องการประเมิน โดยไม่มีภาพ แล้วส่งคืนค่าความน่าจะเป็นของความสอดคล้องหนึ่งค่าในช่วง 0 ถึง 1 ส่วน AlpaJudge-RF ซึ่งไม่ใช้ข้อมูลอ้างอิง จะใช้ภาพจากกล้องหน้ามุมกว้างสามภาพและกล้องหน้าระยะไกลสามภาพ ประวัติเมตาแอ็กชันของรถและบริบทในอนาคต รวมถึงเหตุผลประกอบที่เสนอ แล้วส่งคืนค่าความน่าจะเป็นตามเกณฑ์ประเมินห้าค่า พร้อมคะแนนการกระทำ คะแนนองค์ประกอบ และคะแนนโดยรวม

แนวทางของ NVIDIA ระบุว่า คะแนนการให้เหตุผลที่สูงเป็นหลักฐานว่าเหตุผลประกอบสอดคล้องกับเกณฑ์ประเมินของผู้ตัดสิน แต่ยังต้องใช้เมตริกด้านการชน การออกนอกถนน การเข้าใกล้กัน และวิถีการขับขี่เพื่ออธิบายพฤติกรรมการขับขี่ ควรตรวจสอบตัวอย่างที่ได้คะแนนต่ำ แทนที่จะคัดทิ้งโดยอัตโนมัติ เพราะตัวอย่างเหล่านี้อาจเผยให้เห็นความล้มเหลวที่เกิดขึ้นได้ยาก คะแนนที่สูงมากอาจชี้ให้เห็นฉากที่โมเดลอธิบายได้อย่างสม่ำเสมออยู่แล้ว ขณะที่คะแนนระดับกลางมักบ่งชี้ถึงโอกาสที่เป็นประโยชน์สำหรับการฝึกเพิ่มเติม

สูตรการเรียนรู้แบบเสริมกำลังที่เผยแพร่สู่สาธารณะสามารถใช้ AlpaJudge-RB ให้คะแนนเหตุผลที่สุ่มตัวอย่างมา ควบคู่กับค่าความคลาดเคลื่อนของวิถีและความนุ่มนวลในการขับขี่ NVIDIA แนะนำให้คงเกณฑ์กำกับวิถีไว้และบันทึกคะแนนรายองค์ประกอบ เพื่อป้องกันไม่ให้คำอธิบายที่ลื่นไหลแต่ไม่ถูกต้องได้คะแนนรางวัลรวมสูงเพียงลำพัง ความสำคัญในทางปฏิบัติของการเปิดตัวครั้งนี้อยู่ที่วงจรการพัฒนาที่เอื้อให้เกิดขึ้น ได้แก่ การอนุมานบนรถด้วยโมเดลขนาดกะทัดรัด คำอธิบายที่มีคะแนนกำกับ และการฝึกซ้ำแบบเจาะจง โดยใช้หลักฐานด้านการชนและวิถีการขับขี่เป็นตัวตัดสินว่าคำอธิบายที่ดีขึ้นส่งผลให้การขับขี่ดีขึ้นหรือไม่