Pour les robotaxis et autres véhicules autonomes (VA), les plus grands défis ne sont pas les scénarios de routine rencontrés au quotidien. Ce sont les situations rares et complexes, intrinsèquement difficiles à anticiper et pour lesquelles il est ardu de s'entraîner.

Gérer ces événements à longue traîne exige bien plus que la détection d'objets et la prédiction de mouvement. Les VA doivent comprendre la situation, raisonner sur les causes et les effets, sélectionner l'action appropriée et traduire cette décision en une trajectoire sûre et confortable — le tout en temps réel, et d'une manière que les développeurs peuvent inspecter, valider et approuver. Cette combinaison est essentielle, car les programmes de VA sont jugés non seulement sur la capacité d'un véhicule à se déplacer, mais aussi sur la possibilité de retracer, tester et améliorer ses décisions à grande échelle, au sein de vastes flottes et dans des conditions routières changeantes.

NVIDIA Alpamayo 2 Super, disponible dès maintenant pour un usage commercial, appartient à la famille Alpamayo — les modèles de raisonnement ouverts les plus adoptés pour la conduite autonome sur Hugging Face. Le modèle prend en charge un large éventail de capacités pertinentes pour les VA au sein d'un seul modèle fondationnel.

Basé sur NVIDIA Cosmos 3 Super Reasoner et post-entraîné par apprentissage par renforcement, Alpamayo 2 Super fait progresser l'écosystème des VA sur deux fronts : l'octroi de licences commerciales ouvertes et des capacités multitâches de pointe pour la conduite autonome. Il fait partie de la collection grandissante de modèles ouverts, jeux de données et outils pour la conduite autonome de NVIDIA, élargissant l'accès, renforçant la concurrence, offrant aux développeurs un meilleur contrôle et soutenant un déploiement des VA plus sûr et plus transparent.

Licences ouvertes pour les VA de production

Alpamayo 2 Super est disponible sur Hugging Face sous OpenMDW-1.1, la licence permissive de la Linux Foundation pour la distribution ouverte de modèles d'IA. La licence couvre le réglage fin, les modèles dérivés et la redistribution commerciale, permettant aux développeurs de VA, constructeurs automobiles, fabricants de camions et fournisseurs d'adapter Alpamayo à leurs propres données, politiques de conduite et stratégies de déploiement.

Cette ouverture permet aux chercheurs et aux entreprises du domaine des VA de conserver le contrôle de leurs propres données et infrastructures, ainsi que la propriété de la valeur qu'ils créent grâce à des modèles spécialisés et à l'expertise accumulée. Un tel contrôle est essentiel pour les flux de travail impliquant des flottes propriétaires et des systèmes critiques pour la sécurité.

Les versions précédentes d'Alpamayo avaient initialement été introduites pour la recherche et le développement. La licence OpenMDW est désormais appliquée à l'ensemble de la famille de modèles Alpamayo, permettant aux développeurs de déployer n'importe lequel de ces modèles à des fins commerciales sans autorisations supplémentaires. Cela établit un chemin direct de l'adaptation au déploiement.

Les poids ouverts rendent ce chemin économiquement viable. Les équipes peuvent s'appuyer sur un raisonnement avancé sans avoir à réentraîner chaque capacité fondationnelle à partir de zéro ni à supporter les coûts d'un modèle de pointe pour chaque tâche, en associant le bon modèle au bon besoin au coût approprié.

Alpamayo 2 Super permet un raisonnement à l'échelle frontière dans les flux de travail de développement basés sur le cloud, où les développeurs peuvent générer des traces de raisonnement de haute qualité, des données d'entraînement synthétiques et des sorties enseignantes pour la distillation de modèles. Au sein de la famille de modèles Alpamayo, Alpamayo 2 Super offre les meilleures performances de raisonnement et de conduite pour le développement multimodal de la conduite autonome, tandis qu'Alpamayo 1.5 et Alpamayo 1 proposent des options plus économiques pour le développement cloud et la distillation de modèles.

Les modèles distillés qui en résultent peuvent ensuite être optimisés pour une inférence efficace en temps réel dans les véhicules de production. Ensemble, la famille de modèles Alpamayo fournit un flux de travail du cloud à la voiture qui combine un raisonnement à l'échelle frontière avec un déploiement évolutif au sein des flottes commerciales de VA. Pour les programmes de VA, cela se traduit par un raisonnement à l'échelle frontière dans le cloud et des modèles efficaces et spécialisés dans le véhicule — une approche plus durable pour étendre l'autonomie sûre aux flottes commerciales.

Raisonnement de pointe aux benchmarks à l'échelle frontière

Alpamayo 2 Super se classe premier sur LingoQA, un benchmark de raisonnement pour la conduite autonome, parmi près de 40 modèles évalués. Lors des tests NVIDIA utilisant la métrique Lingo-Judge, il a surpassé Qwen2.5-VL 72B de 17,0 points, Gemini 2.5 Pro de 15,1 points et GPT-4o de 23,2 points, démontrant un raisonnement à l'état de l'art pour les scénarios centrés sur la conduite. Alpamayo 2 Super se classe également premier sur tous les benchmarks de conduite autonome évalués par NVIDIA, soulignant ses performances de pointe sur un large éventail de capacités de VA.

Alpamayo 2 Super offre une échelle 3 fois supérieure aux modèles NVIDIA Alpamayo 1.5 et Alpamayo 1 de 10 milliards de paramètres. Cette capacité supplémentaire aide le modèle à mieux généraliser son raisonnement à partir d'exemples épars — une capacité critique pour les rares interactions multi-agents où les systèmes conventionnels peinent fréquemment.

Le modèle raisonne sur une couverture caméra complète à 360 degrés, fusionnant les vues de l'avant, des côtés et de l'arrière du véhicule. Ce contexte à 360 degrés permet une compréhension plus riche des changements de voie, des fusions, des virages sans protection et des intersections complexes — les situations où les risques surviennent le plus couramment.

Un modèle fondationnel multitâche pour les robotaxis et la conduite autonome

Pour chaque situation de conduite, Alpamayo 2 Super peut produire cinq sorties étroitement couplées :

1. Une trajectoire décrivant le chemin prévu du véhicule.
2. Une trace de chaîne de causalité (CoC) qui explique le raisonnement derrière la décision.
3. Une méta-action (par ex., céder le passage, changer de voie, s'arrêter) qui capture l'intention du modèle.
4. Des auto-étiquettes de raisonnement qui génèrent des annotations CoC pour les données d'entraînement et de validation.
5. Des réponses de question-réponse visuelle avec un ancrage visuel 2D qui relie les réponses du modèle à des régions spécifiques dans les images des caméras.

Ensemble, ces sorties offrent un aperçu du processus de prise de décision du modèle. Les développeurs peuvent relier ce que le modèle a observé à l'action qu'il a sélectionnée, rendant les décisions plus faciles à comprendre, à critiquer et à valider.

Les traces CoC s'intègrent aux flux de travail de validation de sécurité NVIDIA Halos et soutiennent la sécurité de l'IA alignée sur les exigences ISO/PAS 8800, fournissant une base plus solide pour l'ingénierie de sécurité des VA.

Alpamayo 2 Super peut également être déployé comme auto-étiqueteur pour générer des étiquettes CoC et effectuer des réponses de question-réponse visuelle avec ancrage 2D sur des données de flotte propriétaires. En reliant son raisonnement à des régions spécifiques des images des caméras, le modèle peut transformer des séquences de conduite brutes en données d'entraînement plus riches, réduisant les cycles d'annotation de plusieurs mois à quelques jours.

Au-delà de la planification et de l'auto-étiquetage, Alpamayo 2 Super prend en charge la compréhension de scène, la critique de modèles et la distillation des connaissances. Ces capacités multitâches permettent aux développeurs d'utiliser un seul modèle fondationnel sur une plus grande partie de la pile de développement, simplifiant les outils et accélérant les itérations.

Un écosystème ouvert pour les VA basés sur le raisonnement

Alpamayo 2 Super fait partie d'une famille plus large de modèles, de cadres et de jeux de données ouverts pour le développement de VA. Les autres outils de la famille incluent :

• NVIDIA AlpaSim, qui fournit une simulation en boucle fermée.
• NVIDIA AlpaGym, qui permet un apprentissage par renforcement à haut débit.
• NVIDIA Physical AI Open Datasets, qui fournit des données pour l'entraînement et les tests.
• Des recettes d'entraînement ouvertes et un pipeline d'auto-étiquetage pour accélérer le développement, l'entraînement et la validation des modèles.

Alpamayo a déjà dépassé les 500 000 téléchargements sur Hugging Face, renforçant sa position de famille de modèles de raisonnement ouverts la plus adoptée pour la conduite autonome sur la plateforme.

NVIDIA Alpamayo 2 Super est disponible sur Hugging Face pour que les développeurs puissent explorer le modèle, évaluer ses capacités de raisonnement et commencer à construire la prochaine génération de robotaxis et de véhicules autonomes.