NVIDIA Alpamayo-R1: VLA-modellen som kjører autonom kjøring

Det autonome kjøreøkosystemet tar et skritt fremover med ankomsten av DRIVE Alpamayo-R1 (AR1), en kunstig intelligensmodell som er utformet slik at kjøretøy ikke bare «ser» omgivelsene, men også forstår dem og handler deretter. Denne nye utviklingen fra NVIDIA Den er posisjonert som en referanse for sektoren, spesielt i markeder som Europa og Spaniader regelverket og trafikksikkerheten er spesielt strenge.

Denne nye utviklingen fra NVIDIA presenteres som første VLA-modell (visjon-språk-handling) av åpen resonnement fokusert spesielt på forskning på autonome kjøretøyI stedet for bare å behandle sensordata, har Alpamayo-R1 strukturerte resonneringsmuligheter, noe som er nøkkelen til å bevege seg mot høyere nivåer av autonomi uten å miste åpenhet og sikkerhet i beslutningstaking av syne.

Hva er Alpamayo-R1, og hvorfor markerer det et vendepunkt?

Alpamayo-R1 er en del av en ny generasjon AI-modeller som kombinerer datasyn, naturlig språkbehandling og konkrete handlingerDenne VLA-tilnærmingen lar systemet motta visuell informasjon (kameraer, sensorer), beskrive og forklare den på språk, og koble den til reelle kjørebeslutninger, alt innenfor samme resonnementsflyt.

Mens andre autonome kjøremodeller var begrenset til å reagere på allerede lærte mønstre, fokuserer AR1 på trinnvis resonnement eller tankekjedeintegrere det direkte i ruteplanleggingen. Dette betyr at kjøretøyet mentalt kan analysere en kompleks situasjon, evaluere alternativer og internt begrunne hvorfor det velger en bestemt manøver, noe som gjør det enklere for etterforskere og regulatorer å vurdere.

NVIDIAs satsing med Alpamayo-R1 går utover å forbedre kontrollalgoritmer: målet er å drive en AI som kan forklare sin oppførselDette er spesielt relevant i områder som EU, hvor sporbarhet av automatiserte beslutninger og teknologisk ansvar innen transport blir stadig mer verdsatt.

AR1 er dermed ikke bare en avansert persepsjonsmodell, men et verktøy utviklet for å håndtere den store utfordringen med trygg og menneskevennlig autonom kjøringDette er et aspekt som vil være avgjørende for den faktiske adopsjonen på europeiske veier.

Resonnering i virkelige situasjoner og komplekse miljøer

En av styrkene til Alpamayo-R1 er dens evne til å håndtere urbane omgivelser fulle av nyanserder tidligere modeller pleide å ha flere problemer. Kryssinger med fotgjengere som nølende nærmer seg et fotgjengerfelt, dårlig parkerte kjøretøy som opptar deler av kjørefeltet, eller plutselige veisperringer er eksempler på sammenhenger der enkel objektdeteksjon ikke er nok.

I denne typen miljøer, AR1 deler opp scenen i små skritt i resonnementetTa hensyn til fotgjengertrafikk, plasseringen av andre kjøretøy, skilting og elementer som sykkelfelt eller laste- og lossesoner. Derfra, Den evaluerer ulike mulige veier og velger den den anser som tryggest og mest passende. no tiempo ekte.

Hvis en autonom bil for eksempel kjører langs en smal europeisk gate med et parallelt sykkelfelt og mange fotgjengere, Alpamayo-R1 kan analysere hvert segment av ruten, forklare hva den har observert og hvordan hver faktor har påvirket beslutningen. å redusere hastigheten, øke sideveis avstanden eller endre banen litt.

Dette detaljnivået gjør det mulig for forsknings- og utviklingsteam å gjennomgå modellens interne resonnementDette gjør det mulig å identifisere potensielle feil eller skjevheter og justere både treningsdata og kontrollregler. For europeiske byer, med sine historiske sentrum, uregelmessige gateoppsett og svært variabel trafikk, er denne fleksibiliteten spesielt verdifull.

Videre åpner denne muligheten til å begrunne valgene sine døren for bedre integrering med fremtidige regelverk. autonome kjøretøy i Europasiden det gjør det enklere å demonstrere at systemet har fulgt en logisk prosess og er i samsvar med god trafikksikkerhetspraksis.

Åpen modell basert på NVIDIA Cosmos Reason

Et annet særegent aspekt ved Alpamayo-R1 er dens karakter av åpen forskningsorientert modellNVIDIA har bygget det på fundamentet av NVIDIA Cosmos Reason, en plattform fokusert på AI-resonnement som tillater å kombinere ulike informasjonskilder og strukturere komplekse beslutningsprosesser.

Takket være dette teknologiske grunnlaget kan forskere tilpasse AR1 til flere eksperimenter og tester som ikke har direkte kommersielle formål, fra rent akademiske simuleringer til pilotprosjekter i samarbeid med universiteter, teknologisentre eller bilprodusenter.

Modellen drar spesielt nytte av forsterkningslæringDenne teknikken innebærer at systemet forbedrer ytelsen gjennom guidet prøving og feiling, og mottar belønninger eller straffer basert på kvaliteten på beslutningene. Denne tilnærmingen har vist seg å forbedre AR1s resonnement. gradvis forbedre måten de tolker trafikksituasjoner på.

Denne kombinasjonen av åpen modell, strukturert resonnement og avansert trening posisjonerer Alpamayo-R1 som en attraktiv plattform for det europeiske vitenskapelige samfunnet, interessert både i å studere oppførselen til autonome systemer og i å utforske nye sikkerhetsstandarder og regelverk.

I praksis gjør det å ha en tilgjengelig modell det enklere for team fra forskjellige land å del resultater, sammenlign tilnærminger og akselerer innovasjon innen autonom kjøring, noe som kan føre til mer robuste standarder for hele det europeiske markedet.

Tilgjengelighet på GitHub, Hugging Face og åpne data

NVIDIA har bekreftet at Alpamayo-R1 vil bli offentlig tilgjengelig via GitHub og Hugging Face.Dette er to av de ledende plattformene for utvikling og distribusjon av modeller for kunstig intelligens. Dette tiltaket gir FoU-team, oppstartsbedrifter og offentlige laboratorier tilgang til modellen uten behov for komplekse kommersielle avtaler.

Sammen med modellen vil selskapet publisere en del av datasettene som brukes til opplæringen. NVIDIA fysiske AI åpne datasettSamlinger fokusert på fysiske og drivende scenarier som er spesielt nyttige for å replikere og utvide eksperimenter utført internt.

Denne åpne tilnærmingen kan hjelpe europeiske institusjoner, som f.eks. forskningssentre innen mobilitet eller EU-finansierte prosjekterIntegrer AR1 i testene dine og sammenlign ytelsen med andre systemer. Det vil også gjøre det enklere å justere evalueringsscenarier til trafikkegenskapene i forskjellige land, inkludert Spania.

Publisering i allment kjente arkiver gjør det enklere for utviklere og forskere å revidere modellens oppførsel, for å foreslå forbedringer og dele tilleggsverktøy, for å styrke åpenheten i et felt der offentlig tillit er grunnleggende.

For den europeiske bilindustrien representerer det å ha en tilgjengelig referansemodell en mulighet til å forene evalueringskriteriene og teste nye programvarekomponenter for autonom kjøring på felles basis, noe som reduserer duplisering og akselererer overgangen fra prototyper til det virkelige miljøet.

AlpaSim: Evaluering av AR1-ytelse i flere scenarier

Ved siden av Alpamayo-R1, NVIDIA har presentert AlpaSim, Un åpen kildekode-rammeverk laget for å teste modellen i en rekke sammenhengerTanken er å ha en standardisert vurderingsverktøy som gjør det mulig å sammenligne oppførselen til AR1 i ulike trafikk-, vær- og bydesignsituasjoner.

Med AlpaSim, forskere kan generere syntetiske og realistiske scenarier som replikerer alt fra flerfelts motorveier til typiske rundkjøringer i europeiske byer, inkludert boligområder med trafikkdempende trafikanter eller skolesoner med mye fotgjengere.

Rammeverket Den er utformet for å måle både kvantitative målinger (reaksjonstid, sikkerhetsavstand, samsvar med regelverk) som kvalitativ, relatert til Alpamayo-R1s trinnvise resonnement og deres evne til å begrunne hvorfor de har valgt en bestemt rute eller manøver.

Denne tilnærmingen gjør det enklere for europeiske team å tilpasse testene sine til EU-regulatoriske kravsom vanligvis krever detaljert bevis på oppførselen til autonome systemer i kontrollerte miljøer før de godkjenner tester på åpen vei.

Som en siste utvei, AlpaSim blir et naturlig supplement til AR1, ettersom det tilbyr det ideelle miljøet for iterere, justere og validere forbedringer av modellen uten å måtte eksponere virkelige brukere for situasjoner som ennå ikke er tilstrekkelig testet.

Kombinasjonen av åpen VLA-modell, fysiske datasett og simuleringsrammeverk Dette plasserer NVIDIA i en relevant posisjon i debatten om hvordan fremtidige autonome kjøretøy bør testes og sertifiseres i Europa og dermed i resten av verden.

Med alle disse elementene fremstår Alpamayo-R1 som en nøkkelplattform for vitenskapsmiljøet og industrien for å utforske nye måter å kjøre på en automatisert måte, og bidra større åpenhet, analytisk kapasitet og sikkerhet til et felt som fortsatt er under regulatorisk og teknologisk utvikling.

Relatert artikkel:

Xpeng Iron: den humanoide roboten som tråkker på gasspedalen

Alberto navarro

Jeg er en teknologientusiast som har gjort sine "geek"-interesser til et yrke. Jeg har brukt mer enn 10 år av livet mitt på å bruke banebrytende teknologi og fikse med alle slags programmer av ren nysgjerrighet. Nå har jeg spesialisert meg på datateknologi og videospill. Dette er fordi jeg i mer enn 5 år har skrevet for forskjellige nettsteder om teknologi og videospill, og laget artikler som prøver å gi deg den informasjonen du trenger på et språk som er forståelig for alle.

Hvis du har spørsmål, spenner min kunnskap fra alt relatert til Windows-operativsystemet samt Android for mobiltelefoner. Og mitt engasjement er til deg, jeg er alltid villig til å bruke noen minutter og hjelpe deg med å løse eventuelle spørsmål du måtte ha i denne internettverdenen.