英伟达于 11 月 11 日正式推出 Alpamayo 2 Edge 车载 AI 模型,主要强调其实时自适应推理能力。该模型可根据周围环境规划行驶路线,并在必要时解释自身的驾驶决策。例如,当遇到行人时,系统会主动让路,或在狭窄道路上为迎面而来的巴士让出空间。英伟达表示,开发者可基于这一开放模型构建下一代自动驾驶汽车,并根据自身车队需求进行定制。
Alpamayo 2 Edge 采用约 20 亿参数的 Nemotron 推理骨干网络,结合扩散式动作专家,属于视觉-语言-动作(VLA)模型。它能同时处理车辆周围的多镜头画面、历史运动信息和导航指令,生成驾驶轨迹,并通过因果推理解釋为何采取某项驾驶动作。与传统自动驾驶系统主要依赖预设规则和感知模块不同,这种方式试图让车辆具备更接近人类的场景理解和决策能力。
Alpamayo 2 Edge 的自适应推理能力显著提升
此次升级的重点是自适应推理。车辆在正常道路上行驶时,无需每时每刻进行复杂推理,模型能减少不必要的计算;而在遇到复杂路况时,则可生成更详细的推理过程。这种设计能降低车载计算资源的消耗,同时保留在复杂场景下的决策能力。
在性能方面,英伟达使用 AlpaGym 闭环强化学习框架对模型进行训练,闭环驾驶表现相比未经该阶段训练的最佳模型提升了 48.9%。经过 TensorRT 等工具优化后,Alpamayo 2 Edge 在 DRIVE AGX Thor 平台上的图像到行驶轨迹推理延迟约为 160 至 190 毫秒。开发者亦可下载模型权重,根据自身车辆和传感器配置进行微调,并利用英伟达提供的模拟、训练和评估工具来优化驾驶策略。
Alpamayo 2 Edge 目前主要面向自动驾驶开发者,并非可直接安装于普通量产汽车上的完整自动驾驶系统。
H
关于作者
Henderson

