NVIDIAが自動運転AIを商用公開

NVIDIAは、自動運転向けの340億パラメータのvision-language-action (VLA) モデルであるAlpamayo 2 Superを、オープンな商用ライセンスの下でリリースしました。このモデルの設計目標は、従来の検出・予測スタックではうまく処理できない、まれな複数エージェントの状況である「ロングテールイベント」です。このモデルは、NVIDIA Cosmos 3 Super Reasonerをベースに構築され、強化学習で後学習された320億パラメータのVLMバックボーンと、23億パラメータの拡散ベースのアクションデコーダーを組み合わせています。全方位カメラのビデオを一度通過させるだけで、計画された軌道、その軌道の因果関係の説明、およびメタアクションを出力します。<br>展開可能か？はい、初日から商用利用可能です。ウェイトは、オープンモデル配布のためのLinux Foundationの許容ライセンスであるOpenMDW-1.1の下でリリースされています。ソースコードはApache 2.0です。このライセンスは、fine-tuning、派生モデル、および商用再配布をカバーしています。NVIDIAは、Alpamayoファミリー全体にOpenMDWを適用しており、R&D向けに導入された以前のリリースも、追加の許可なく商用展開できるようになりました。<br>入力、出力、およびトレーニングデータ。入力は、タイムスタンプ付きのマルチカメラRGBビデオ、テキスト、および自己運動履歴です。検証済みの公開ノートブックプロファイルでは、6台のカメラとカメラあたり4つの履歴フレームを使用しています。自己運動は、3D並進と3x3回転行列の組み合わせであり、複数タイムステップです。軌道APIは、0.1秒間隔で0.1秒から6.4秒にわたる64のウェイポイントを返します。各ウェイポイントは、自己フレームXYZと3x3回転行列を保持しています。トレーニングデータは、自己運動と軌道アノテーション付きの約115,000時間のマルチカメラ運転ビデオです。これには、運転決定の構造化された因果関係のある説明である約3,700,000のChain-of-Causation (CoC) トレースが含まれています。画像トレーニングデータは10億枚を超えます。<br>ベンチマーク。LingoQAでは、Alpamayo 2 SuperはLingo-Judgeスコア79.2を記録し、評価された約40モデルの中で1位にランクインしています。NVIDIAのテストでは、Qwen2.5-VL 72Bを17.0ポイント、Gemini 2.5 Proを15.1ポイント上回りました。