Nvidiaは火曜日、Alpamayo 2 Superを商業用にリリースし、自動車メーカーと自動運転車開発者に、ロボタクシーおよび自動運転システム向けの最大規模のオープン推論モデルへのアクセスを提供しました。
このモデルは、Linux FoundationのOpenMDW 1.1ライセンスのもと、Hugging Faceを通じて提供されており、ファインチューニング、デリバティブモデル、商業的再配布が許可されています。Nvidiaは、このライセンスを当初研究開発向けにリリースされたAlpamayoファミリーの以前のモデルにも適用すると述べています。
Alpamayo 2 Superは、320億パラメータのCosmos 3 Super Reasonerバックボーンと約23億パラメータのディフュージョンベースのアクションコンポーネントからなる340億パラメータのビジョン・ランゲージ・アクションモデルです。
このモデルは強化学習を用いてポストトレーニングされ、NVIDIAの100億パラメータのAlpamayo 1およびAlpamayo 1.5モデルの約3倍の規模です。
モデルは、車両周囲に設置されたカメラからの映像と、ナビゲーション指示、および最近の移動履歴を処理します。Nvidiaは、フルサラウンド設定により、システムがレーンチェンジ、合流、交差点、無保護ターンなどの状況を評価する際に、前方、側方、後方の視点にアクセスできると述べています。
各運転シナリオに対して、Alpamayo 2 Superは計画された経路と、その決定の背後にある要因を説明する因果連鎖トレースを生成できます。また、譲る、車線変更、停止などの高レベルのアクションも生成できます。
追加の機能には、視覚的質問応答、カメラ画像内の領域に応答をリンクさせること、およびトレーニングおよび検証データ用に自動的に推論ラベルを生成することが含まれます。Nvidiaは、このモデルを独自の車隊映像に適用することで、生の運転クリップをラベル付きのトレーニング素材に交換できると述べています。
Hugging Faceのモデルカードによると、Alpamayo 2 Superは約115,000時間のマルチカメラ運転動画と約370万の因果関係推論トレースを用いて学習されました。その出力には、最大6.4秒分のテキストと計画された車両の軌道が含まれます。
Nvidiaは、自動運転シナリオの推論に焦点を当てたベンチマークLingoQAで、Alpamayo 2 Superが約40のモデルの中で1位となったと発表しました。
Lingo Judge指標を使用したところ、Nvidiaは、このモデルがQwen2.5 VL 72Bより17ポイント高く、Gemini 2.5 Proより15.1ポイント高く、GPT-4oより23.2ポイント高いスコアを記録したと発表しました。これらの結果はNvidia自身のテストに基づいています。
モデルカードには、Lingo Judgeスコア79.2、NvidiaのクローズドループAlpaSim評価、および挑戦的な運転サンプルに基づくオープンループトラジェクトリ評価の結果が記載されています。
Nvidiaは、開発者がAlpamayo 2 Superをクラウドベースの教師モデルとして使用して、より小さなモデル用のデータと推論出力を生成できることを発表しました。これらのモデルは、生産車両内のリアルタイム処理向けに最適化できます。
広範なAlpamayoプラットフォームには、閉ループシミュレーション用のAlpaSim、強化学習用のAlpaGym、物理AIドライビングデータセット、およびオープンなトレーニングツールも含まれています。Nvidiaは、AlpamayoモデルがHugging Face上で合計で50万回以上のダウンロードを達成したと述べました。