メニュー
暗号セクション
コンパクトな 20 億パラメータ モデルは、走行経路を計画し、その選択を説明し、Nvidia DRIVE AGX Thor で実行します。
2026 年 11 月 10 日火曜日 · 11:15 EST · 3 分で読めます
AIでは
共有
Nvidia は、ほとんどの人間のドライバーが決して管理できないこと、つまりリアルタイムで自分自身を説明することを自動運転車に実行させたいと考えています。
同社は、車両の進路を計画し、運転上の各意思決定の背後にある理由をその都度説明するオープン AI モデルである Alpamayo 2 Edge を導入しました。この発表は、2026 年 10 月 21 日に GTC ベルリン イベントで行われました。
大きな仕事を備えた小さなモデル
Alpamayo 2 Edge は、ビジョン-言語-アクション モデル (VLA) として知られています。技術的には、モデルは 3 つのデータ ストリームを取り込みます。これらは、車両周囲のカメラからのフィード、ナビゲーション データ、および Nvidia がエゴモーションと呼ぶ車両の最近の移動履歴です。
これらの入力から 2 つの出力が生成されます。 1 つは車両の計画された軌道です。もう 1 つは適応推論トレースであり、基本的には計画の背後にあるロジックを説明するものです。
モデルには 20 億のパラメータが詰め込まれています。これにより、これは 340 億パラメータの Alpamayo 2 Super の軽量兄弟となり、そこから構築されました。
Nvidia は、そこに到達するために蒸留と呼ばれる技術を使用しました。物事を縮小するポイントはスピードです。データセンターで巨大なモデルが検討している間、車は待機することはできません。
「リアルタイム」の裏にある数字
NVIDIA DRIVE AGX Thor プラットフォームでは、Alpamayo 2 Edge は約 10 Hz で動作します。わかりやすく言うと、モデルは毎秒約 10 回計画を更新します。
AI、テクノロジー、そしてそれらが動く市場について、毎日 1 回のブリーフィングで説明します。
毎日。無料。暗号通貨、金融、政策にわたる 34,000 人以上の読者に加わりましょう。
私たちはあなたのプライバシーを尊重します。いつでも購読を解除してください。
TensorRT による最適化後、モデルは 160 ～ 190 ミリ秒のピクセルから軌跡までのレイテンシーを達成します。これは、画像をキャプチャするカメラと走行経路を作成するモデルとの間のギャップであり、5 分の 1 秒以内に収まります。
トレーニングも強化学習に大きく依存していました。研究結果によると、閉ループ強化学習によりモデルのパフォーマンスが 48.9% 向上しました。
初期のパートナーは、実際のテストでのより迅速な計画能力とより優れた一般化を報告し、結果は数日以内に現れました。
オープンウェイトと幅広いツールキット
Nvidia は、寛容なライセンス条件の下で Alpamayo 2 Edge on Hugging Face をリリースします。開発者はそれをダウンロードして、独自の目的に合わせて微調整できます。
同社はまた、リアルタイムの実験やモデルのカスタマイズのために GitHub 上のリソースを開発者に紹介しています。
このモデルは、Nvidia の成長を続ける Alpamayo スイートに組み込まれています。このツール群は、定義された条件内で自動車が自ら運転することが期待される、レベル 4 の自動運転車およびロボタクシーの運用を目的としています。
このモデルと並行して、Nvidia は安全フレームワークである Halos SAFE を発表しました。これは、dSPACE、IVEX、テュフ ラインランドなどのパートナーと協力して開発されました。
ボルボ・カーズもこのイベントでニュースを発表した。自動車メーカーは、将来の自動車の開発のために、Alpamayo スタックとともに Nvidia の Hyperion コンピューティング システムを採用すると述べました。
さらに先を見据えると、Nvidia の Alpamayo Agentic Factory が 2027 年初頭に導入される予定です。これは、AI エージェントを統合するための青写真として意図されています。
開示: この記事はディエゴ・アルマダ・ロペスによって編集されました。コンテンツの作成およびレビュー方法の詳細については、編集ポリシーをご覧ください。
あなたが持っているものに関するニュース
株式と仮想通貨をフォローしてください。 Pro の何百もの出版社からのニュースを読んでください。
プライバシーポリシー
