NVIDIA, сдержала c NeurIPS 2025 и сделала еще один шаг (https://nvidianews.nvidia.com/news/alpamayo-autonomous-vehicle-development) к тому чтобы автомобили наконец научились понимать контекст вождения, а не просто детектировать разметку.
Современные автопилоты неплохо справляются со стандартными ситуациями. Но главная головная боль инженеров — это редкие, сложные сценарии, которые почти невозможно предугадать. Традиционные архитектуры, где восприятие отделено от планирования, часто пасуют, когда случается что-то нестандартное.
И вот здесь предлагается подход, где модель учится рассуждать причинно-следственными связями, почти как человек, разбирая ситуацию шаг за шагом. А это важный фактор для безопасности и доверия к системе.
NVIDIA выкатила целую экосистему (https://www.nvidia.com/en-us/solutions/autonomous-vehicles/alpamayo/), которую можно пощупать руками:
Alpamayo (https://huggingface.co/nvidia/Alpamayo-R1-10B) — первая в индустрии 10 миллиардная VLA-модель с поддержкой СoT, созданная специально для исследований. Она берет на вход видеопоток и генерирует не только траекторию движения, но и «reasoning traces» — то есть буквально объясняет логику своего решения.
Модель позиционируется как модель-учитель, которая может быть использована для обучения более компактных моделей или для авто-разметки данных.
AlpaSim (https://github.com/NVlabs/alpasim) — полностью открытый, end-to-end фреймворк для симуляции, который позволяет моделировать реалистичные сенсоры и трафик, создавая идеальную песочницу для тестов.
Physical AI Open Datasets (https://huggingface.co/datasets/nvidia/PhysicalAI-Autonomous-Vehicles) — пожалуй, самый богатый датасет для автономного вождения на сегодняшний день. Туда входит более 1700 часов записей вождения из самых разных географических зон и условий. И, что важно, там куча тех самых редких кейсов, о которых мы говорили выше.
На практике, NVIDIA предлагает применять эти инструменты в своих решениях NVIDIA Cosmos (https://www.nvidia.com/en-us/ai/cosmos/) и NVIDIA Omniverse (https://www.nvidia.com/en-us/omniverse/).
В них можно дообучать модели на своих данных, валидировать их в симуляции и затем деплоить на железо.
Источник: www.nvidia.com
Источник: ai-news.ru
