NVIDIA Alpamayo 2 Edge Оптимизирует AV Ресонанс для Бортовых Систем

NVIDIA представила Alpamayo 2 Edge, модель адаптивного рассуждения с миллиардами параметров 2 , разработанную для работы в пределах вычислительных и задерживающих ограничений бортовых систем автономного вождения (AV). Созданная для развертывания в реальном времени на NVIDIA DRIVE AGX Thor, модель решает задачу балансировки качества рассуждений и эффективности в условиях edge.

Ключевые Особенности Alpamayo 2 Edge

Alpamayo 2 Edge основан на основе рассуждений Nemotron от NVIDIA Cosmos 3 Edge и включает специалиста по диффузионным действиям. Он обрабатывает входные данные с окружения, временные контексты и инструкции по навигации для генерации рассуждения цепей причинности (CoC) и траекторий движения. Модель использует адаптивные рассуждения, чтобы минимизировать ненужное создание токенов во время рутинного вождения, тем самым сохраняя вычислительные ресурсы для вывода.

Для дальнейшей оптимизации производительности Alpamayo 2 Edge прошел посттренировку с обучением с подкреплением в замкнутом контуре (RL) в NVIDIA AlpaGym. Этот процесс улучшил производительность в замкнутом контуре вождения на 48.9% по сравнению с лучшим контрольным пунктом без RL. Кроме того, модель поддерживает мультирезолюционные входные данные и спекулятивное декодирование с DFlash2 , позволяя проводить эффективные онлайн-рассуждения без ущерба для качества.

Оценка и Развертывание

Чтобы обеспечить качество рассуждений, NVIDIA разработала AlpaJudge, модель оценки и вознаграждения, откалиброванную человеком. AlpaJudge оценивает следы рассуждений, выбирает высокоценные данные для обучения и предоставляет вознаграждения RL. Разработчики могут интегрировать AlpaJudge в рабочие процессы для улучшения производительности модели с помощью:

• Проведения оценок на образцах PhysicalAI-AV.
• Выбора примеров обучения, которые раскрывают возможности для обучения.
• Использования оценок рассуждений в качестве вознаграждений для посттренировки.

Рецепты развертывания для Alpamayo 2 Edge включают техники квантования и ускорения вывода с использованием NVIDIA TensorRT и TensorRT-Edge-LLM. Эти оптимизации обеспечивают задержку от пикселя до траектории в 160-190 миллисекунд на DRIVE AGX Thor.

Бенчмарки Производительности и Обратная Связь от Промышленности

По сравнению с Qwen- Drive-1.0 , Alpamayo 2 Edge продемонстрировал превосходные результаты в границах замкнутого вождения, предсказания траекторий в открытом контуре и оценивания сцены. Он достиг приблизительно 40 раз расстояния между инцидентами с виновником в симуляциях AlpaSim.

Ранние пользователи сообщили о значительных улучшениях. Матас Симонавичюс, технический директор PORT, подчеркнул, что Alpamayo 2 Edge поддерживал дисциплину полосы в два раза чаще, чем его предшественник, Alpamayo 1.5 , и планировал траектории в два раза быстрее. Аналогично, Лука Кротти, соучредитель Niulinx, отметил сокращение 46.1% в ошибке бокового предсказания на 3 секундах во время нулевых оценок. Генеральный директор Embedl Ханс Салонен подтвердил, что модель достигла скорости планирования в реальном времени 10 Гц на AGX Thor в пределах 48 часов после развертывания.

Эти достижения позиционируют Alpamayo 2 Edge как надежное решение для интеграции возможностей вождения на основе рассуждений в бортовые системы AV.