NVIDIA secara resmi meluncurkan model AI mobilitas Alpamayo 2 Edge pada 11 November, yang menekankan kemampuan penalaran adaptif real-time. Model ini dapat merencanakan rute berkendara berdasarkan lingkungan sekitar dan menjelaskan keputusan berkendara yang diambilnya jika diperlukan. Misalnya, ketika menghadapi pejalan kaki, sistem akan secara proaktif memberi jalan, atau memberikan ruang untuk bus yang datang dari arah berlawanan di jalan sempit. NVIDIA menyatakan bahwa pengembang dapat membangun mobil otonom generasi berikutnya berdasarkan model terbuka ini dan menyesuaikannya sesuai kebutuhan armada mereka.
Alpamayo 2 Edge menggunakan jaringan tulang punggung penalaran Nemotron dengan sekitar 2 miliar parameter, dikombinasikan dengan ahli tindakan difusi, dan termasuk dalam model visual-bahasa-tindakan (VLA). Model ini mampu memproses gambar multi-kamera di sekitar kendaraan, informasi gerakan historis, dan instruksi navigasi secara bersamaan, menghasilkan jalur berkendara, dan menjelaskan mengapa suatu tindakan berkendara diambil melalui penalaran kausal. Berbeda dengan sistem berkendara otonom tradisional yang terutama bergantung pada aturan yang telah ditetapkan dan modul persepsi, pendekatan ini berusaha memberikan kendaraan kemampuan pemahaman dan pengambilan keputusan yang lebih mendekati manusia.
Kemampuan Penalaran Adaptif Alpamayo 2 Edge Meningkat Signifikan
Peningkatan kali ini berfokus pada penalaran adaptif. Kendaraan saat berkendara di jalan normal tidak perlu melakukan penalaran kompleks setiap saat, model ini dapat mengurangi perhitungan yang tidak perlu; sementara saat menghadapi kondisi jalan yang kompleks, dapat menghasilkan proses penalaran yang lebih rinci. Desain ini dapat mengurangi konsumsi sumber daya komputasi di dalam kendaraan, sambil tetap mempertahankan kemampuan pengambilan keputusan dalam situasi yang kompleks.
Dari segi kinerja, NVIDIA menggunakan kerangka pembelajaran penguatan tertutup AlpaGym untuk melatih model ini, di mana kinerja berkendara tertutup meningkat sebesar 48,9% dibandingkan model terbaik yang tidak melalui tahap pelatihan tersebut. Setelah dioptimalkan dengan alat seperti TensorRT, Alpamayo 2 Edge memiliki latensi inferensi dari gambar ke jalur berkendara sekitar 160 hingga 190 milidetik di platform DRIVE AGX Thor. Pengembang juga dapat mengunduh bobot model, menyesuaikan dengan konfigurasi kendaraan dan sensor mereka, serta memanfaatkan alat simulasi, pelatihan, dan evaluasi yang disediakan oleh NVIDIA untuk mengoptimalkan strategi berkendara.
Alpamayo 2 Edge saat ini ditujukan terutama untuk pengembang berkendara otonom, dan bukan merupakan sistem berkendara otonom lengkap yang dapat langsung dipasang pada mobil produksi biasa.

