The Pulse

NVIDIA illustra un modello da 2 miliardi di parametri per il ragionamento a bordo dei veicoli autonomi

NVIDIA ha presentato Alpamayo 2 Edge, un modello visione-linguaggio-azione progettato per l’uso in tempo reale sulla piattaforma DRIVE AGX Thor. L’azienda riferisce una latenza da pixel a traiettoria di 160–190 ms per una configurazione ott

AI.info Team · Scritto con l’IA · verificato · 2026-11-10

NVIDIA ha presentato Alpamayo 2 Edge, un modello visione-linguaggio-azione da 2 miliardi di parametri progettato per funzionare in tempo reale sulla piattaforma DRIVE AGX Thor. Secondo l’azienda, il modello combina un’architettura di base per il ragionamento basata su Nemotron con un modello esperto di azione a diffusione, utilizzando le osservazioni delle telecamere perimetrali, il contesto temporale e gli input di navigazione per generare ragionamenti e traiettorie di guida.

Secondo NVIDIA, il modello può generare ragionamenti in modo selettivo, producendo speciali token nominali durante la guida ordinaria anziché una traccia di ragionamento. L’azienda afferma che l’apprendimento per rinforzo a ciclo chiuso in AlpaGym ha migliorato le prestazioni di guida del 48,9% rispetto al suo checkpoint con le prestazioni migliori senza tale addestramento.

Prestazioni del modello e tempi a bordo

Il grafico del benchmark dell’azienda mette a confronto Alpamayo 2 Edge, con 2 miliardi di parametri, e Qwen-Drive-1.0, con 4 miliardi.

Secondo il post, per eseguire il modello in tempo reale su DRIVE AGX Thor è necessaria un’ulteriore ottimizzazione dell’inferenza. La procedura di NVIDIA per la messa in produzione utilizza TensorRT e DFlash2 e documenta una configurazione di riferimento misurata su DRIVE AGX Thor-X con DRIVE OS 7.2.7.0, CUDA 13.4 e TensorRT 11.3.1.9.

Il post indica una latenza ottimizzata da pixel a traiettoria compresa tra 160 e 190 millisecondi, a seconda della quantità di ragionamento generata dal modello. La procedura confronta gli output ottimizzati con un riferimento BF16 PyTorch, utilizzando gli stessi input e lo stesso rumore d’azione generato con un seed fissato. Hans Salomonsson, CEO e cofondatore di Embedl, ha dichiarato che l’azienda è riuscita a far funzionare Alpamayo 2 Edge a 10 Hz su AGX Thor per la pianificazione in tempo reale in meno di 48 ore.

Valutare il ragionamento del modello

NVIDIA descrive AlpaJudge come un modello di valutazione e ricompensa calibrato con valutazioni umane, utilizzato per valutare le tracce di ragionamento, scegliere i dati di addestramento e fornire ricompense per l’apprendimento per rinforzo. L’azienda offre due varianti: AlpaJudge-RB confronta una risposta candidata con un riferimento, mentre AlpaJudge-RF valuta una spiegazione utilizzando i fotogrammi delle telecamere e il contesto dell’azione, senza richiedere una spiegazione di riferimento.

Per l’esempio predefinito del notebook relativo a una zona di cantiere, NVIDIA riporta un punteggio di allineamento RB di 0,999 e un punteggio complessivo RF di 0,842. La variante RF restituisce anche cinque punteggi di valutazione relativi alla concordanza con l’azione, alla sicurezza, all’ancoraggio ai dati, alla completezza e alla coerenza causale.

Selezione dei dati e addestramento

Il post illustra come usare i punteggi per dare priorità agli esempi destinati a un altro ciclo di addestramento. Secondo NVIDIA, punteggi molto bassi possono indicare un’etichetta non corrispondente, un rollout non riuscito o un caso difficile, mentre gli esempi nella fascia intermedia di punteggio possono essere utili per l’addestramento successivo.

Il post consiglia di esaminare gli esempi con punteggi bassi prima di eliminarli, osservando che possono riflettere dati etichettati erroneamente, rollout falliti o casi difficili, inclusi fallimenti rari. Descrive anche l’uso di punteggi alti per individuare scene che il modello attuale spiega in modo coerente.

Il flusso di lavoro di post-addestramento descritto da NVIDIA utilizza AlpaJudge-RB per valutare i ragionamenti campionati rispetto a tracce di riferimento e inserire il punteggio di allineamento in una ricompensa combinata insieme alle misure delle traiettorie. Secondo il post, questo schema può aggiungere un segnale di ragionamento all’addestramento con ottimizzazione della policy relativa al gruppo a ciclo aperto, mantenendo le misure delle traiettorie nella ricompensa.