NVIDIA Alpamayo-R1: 자율 주행을 구동하는 VLA 모델

자율주행 생태계, 다음 세대의 등장으로 한 단계 더 도약 드라이브 알파마요-R1(AR1), 차량이 환경을 '볼' 뿐만 아니라 이해하고 그에 따라 행동하도록 설계된 인공지능 모델입니다. NVIDIA의 이 새로운 개발 특히 다음과 같은 시장에서 이 부문의 벤치마크로 자리매김했습니다. 유럽과 스페인특히 규정과 도로 안전이 엄격한 곳입니다.

NVIDIA의 이 새로운 개발은 다음과 같이 제시됩니다. 첫 번째 VLA 모델(시각-언어-행동) 특히 다음에 초점을 맞춘 개방적 추론 자율주행차 연구알파마요-R1은 단순히 센서 데이터를 처리하는 것이 아니라, 구조화된 추론 기능을 통합했습니다. 이는 의사 결정에서 투명성과 보안을 잃지 않으면서도 더 높은 수준의 자율성을 향해 나아가는 데 중요합니다.

알파마요-R1이란 무엇이고, 왜 중요한 전환점이 되는가?

Alpamayo-R1은 다음을 결합한 차세대 AI 모델의 일부입니다. 컴퓨터 비전, 자연어 처리 및 구체적 행동이 VLA 접근 방식을 사용하면 시스템은 시각적 정보(카메라, 센서)를 수신하고, 이를 언어로 설명하고 실제 운전 결정에 연결할 수 있으며, 이 모든 것이 동일한 추론 흐름 내에서 이루어집니다.

다른 자율 주행 모델이 이미 학습된 패턴에 반응하는 데 국한된 반면 AR1은 다음에 초점을 맞춥니다. 단계별 추론 또는 사고의 사슬이를 경로 계획에 직접 통합합니다. 즉, 차량은 복잡한 상황을 정신적으로 분석하고, 여러 옵션을 평가하고, 특정 기동을 선택한 이유를 내부적으로 정당화할 수 있어 조사관과 규제 기관의 판단을 더 쉽게 할 수 있습니다.

Alpamayo-R1에 대한 NVIDIA의 베팅은 제어 알고리즘을 개선하는 것 이상입니다. 목표는 다음을 추진하는 것입니다. 자신의 행동을 설명할 수 있는 AI이는 자동화된 결정의 추적 가능성과 운송 분야의 기술적 책임이 점점 더 중요해지는 유럽 연합과 같은 지역에서 특히 중요합니다.

따라서 AR1은 단순히 고급 인식 모델이 아니라 다음과 같은 큰 과제를 해결하기 위해 설계된 도구입니다. 안전하고 인간 친화적인 자율주행이는 유럽 도로에서 실제로 채택되는 데 중요한 측면입니다.

실제 상황과 복잡한 환경에서의 추론

Alpamayo-R1의 장점 중 하나는 다음과 같습니다. 처리할 수 있는 능력 미묘한 차이가 가득한 도시 환경이전 모델에서는 더 많은 문제가 발생했던 곳에서도 마찬가지입니다. 보행자가 횡단보도에 머뭇거리며 접근하는 경우, 차선 일부를 점유하고 있는 부적절하게 주차된 차량, 또는 갑작스러운 도로 폐쇄는 단순한 물체 감지만으로는 충분하지 않은 상황의 예입니다.

이러한 유형의 환경에서는 AR1은 장면을 다음과 같이 분류합니다. 추론의 작은 단계보행자 이동, 다른 차량의 위치, 표지판, 자전거 도로나 상하차 구역 등의 요소를 고려합니다. 다양한 가능한 경로를 평가하고 가장 안전하고 적절하다고 생각되는 경로를 선택합니다. EN 티엠포 진짜.

예를 들어, 자율 주행 자동차가 평행 자전거 도로와 수많은 보행자가 있는 좁은 유럽 도로를 주행하는 경우, 알파마요-R1은 경로의 각 구간을 분석하고, 관찰한 내용을 설명하며, 각 요소가 결정에 어떤 영향을 미쳤는지 설명할 수 있습니다. 속도를 줄이거나, 측면 거리를 늘리거나, 궤적을 약간 수정합니다.

그 수준의 세부 정보를 통해 연구 개발 팀은 다음을 검토할 수 있습니다. 모델의 내부 추론이를 통해 잠재적 오류나 편향을 파악하고 훈련 데이터와 제어 규칙을 조정할 수 있습니다. 역사적 중심지, 불규칙한 도로 배치, 그리고 교통량이 매우 가변적인 유럽 도시의 경우, 이러한 유연성은 특히 중요합니다.

더욱이, 자신의 선택을 정당화할 수 있는 능력은 미래 규정과의 더 나은 통합으로 이어질 수 있습니다. 유럽의 자율주행차시스템이 논리적인 프로세스를 따랐고 우수한 도로 안전 관행에 부합한다는 것을 더 쉽게 입증할 수 있기 때문입니다.

NVIDIA Cosmos Reason 기반 오픈 모델

Alpamayo-R1의 또 다른 특징은 다음과 같은 특성입니다. 개방형 연구 중심 모델NVIDIA는 이를 기반으로 구축했습니다. 엔비디아 코스모스 리즌다양한 정보 소스를 결합하고 복잡한 의사 결정 프로세스를 구조화할 수 있는 AI 추론에 중점을 둔 플랫폼입니다.

이러한 기술 기반 덕분에 연구자들은 AR1을 다양한 실험과 테스트에 적용 순수한 학문적 시뮬레이션부터 대학, 기술 센터 또는 자동차 제조업체와 협력하는 시범 프로젝트까지 직접적인 상업적 목적이 없는 프로젝트입니다.

이 모델은 특히 다음에서 이점을 얻습니다. 강화 학습이 기술은 시스템이 유도된 시행착오를 통해 성능을 향상시키고, 결정의 질에 따라 보상이나 페널티를 받는 것을 포함합니다. 이 접근법은 AR1의 추론 능력을 향상시키는 것으로 나타났습니다. 교통 상황을 해석하는 방식을 점진적으로 개선하고 있습니다..

개방형 모델, 구조화된 추론 및 고급 교육의 조합은 Alpamayo-R1을 다음과 같은 위치에 놓습니다. 유럽 ​​과학 커뮤니티를 위한 매력적인 플랫폼자율 시스템의 행동을 연구하고 새로운 안전 표준과 규제 프레임워크를 모색하는 데 관심이 있습니다.

실제로 접근 가능한 모델을 사용하면 다른 국가의 팀이 더 쉽게 작업할 수 있습니다. 결과를 공유하고, 접근 방식을 비교하고, 혁신을 가속화하세요 자율주행 분야에서는 유럽 시장 전체에 더욱 강력한 표준을 적용할 수 있는 가능성이 있습니다.

GitHub, Hugging Face 및 오픈 데이터에서 사용 가능

NVIDIA는 Alpamayo-R1이 GitHub 및 Hugging Face를 통해 공개적으로 제공될 것이라고 확인했습니다.이 두 플랫폼은 인공지능 모델을 개발하고 배포하는 주요 플랫폼입니다. 이를 통해 R&D팀, 스타트업, 공공 연구소는 복잡한 상업적 계약 없이도 해당 모델에 접근할 수 있게 되었습니다.

회사는 모델과 함께 훈련에 사용된 데이터 세트의 일부를 게시할 예정입니다. NVIDIA Physical AI 오픈 데이터 세트특히 내부적으로 수행한 실험을 복제하고 확장하는 데 유용한 물리적 시나리오와 주행 시나리오에 초점을 맞춘 컬렉션입니다.

이러한 개방적 접근 방식은 다음과 같은 유럽 기관에 도움이 될 수 있습니다. 이동성 또는 EU 자금 지원 프로젝트 연구 센터AR1을 테스트에 통합하여 다른 시스템과 성능을 비교해 보세요. 또한 스페인을 포함한 다양한 국가의 교통 상황에 맞춰 평가 시나리오를 조정하는 것도 더 쉬워질 것입니다.

널리 알려진 저장소에 게시하면 개발자와 과학자가 더 쉽게 작업할 수 있습니다. 모델의 동작을 감사하다대중의 신뢰가 기본인 분야에서 투명성을 강화하고 개선 사항을 제안하고 추가 도구를 공유합니다.

유럽 ​​자동차 산업의 경우 접근 가능한 벤치마크 모델을 갖는 것은 기회를 의미합니다. 평가 기준 통일 그리고 공통적인 기준에서 새로운 자율주행 소프트웨어 구성요소를 테스트하여 중복을 줄이고 프로토타입에서 실제 환경으로의 전환을 가속화합니다.

AlpaSim: 다양한 시나리오에서 AR1 성능 평가

Alpamayo-R1과 함께, NVIDIA가 발표했습니다 알파심하는 다양한 맥락에서 모델을 테스트하기 위해 만들어진 오픈 소스 프레임워크아이디어는 하나를 갖는 것입니다 표준화된 평가 도구 이를 통해 다양한 교통, 날씨 및 도시 설계 상황에서 AR1의 동작을 비교할 수 있습니다.

AlpaSim을 사용하면 연구자들은 생성할 수 있습니다 합성적이고 현실적인 시나리오 다차선 고속도로부터 유럽 도시의 전형적인 원형 교차로, 교통이 안정된 주거 지역, 보행자가 많은 학교 구역까지 모든 것을 재현합니다.

프레임워크 이는 양적 지표와 (반응시간, 안전거리, 규정 준수) 질적으로, 관련된 알파마요-R1의 단계별 추론 그리고 그들이 왜 특정 경로나 기동을 선택했는지 정당화할 수 있는 능력.

이 접근 방식을 사용하면 유럽 팀이 테스트를 다음 사항에 맞춰 조정하기가 더 쉬워집니다. EU 규제 요구 사항일반적으로 개방형 도로 테스트를 승인하기 전에 통제된 환경에서 자율 시스템의 동작에 대한 자세한 증거가 필요합니다.

궁극적으로, AlpaSim은 AR1을 자연스럽게 보완합니다., 이상적인 환경을 제공하기 때문에 반복, 조정 및 검증 아직 충분히 테스트되지 않은 상황에 실제 사용자를 노출시킬 필요 없이 모델을 개선할 수 있습니다.

의 조합 개방형 VLA 모델, 물리적 데이터 세트 및 시뮬레이션 프레임워크 이를 통해 NVIDIA는 유럽과 나아가 전 세계에서 미래의 자율주행차를 어떻게 테스트하고 인증해야 하는지에 대한 논의에서 중요한 위치를 차지하게 되었습니다.

이러한 모든 요소를 ​​통해 Alpamayo-R1은 자동화된 방식으로 운전하는 새로운 방법을 탐색하는 과학 커뮤니티와 산업을 위한 핵심 플랫폼으로 부상하고 있습니다. 더 큰 투명성, 분석 능력 및 보안 아직 규제 및 기술 개발이 진행 중인 분야입니다.