NVIDIAは、OpenMDW-1.1ライセンスの下で、ロボタクシーや自律運転用に設計された340億パラメータのビジョン・ランゲージ・アクション（VLA）モデルであるAlpamayo 2 Superをリリースしました。このモデルは、32BのCosmos 3 Super Reasonerバックボーンと2.3Bの拡散ベースのアクションデコーダを組み合わせてマルチカメラ映像から軌道、因果説明、メタアクションを生成することで、ロングテール事象に対応します。

  • Alpamayo 2 SuperはLingo-Judgeスコア79.2でLingoQAで1位を獲得し、Qwen2.5-VL 72B、Gemini 2.5 Pro、GPT-4oを上回りました。
  • このモデルは、370万のChain-of-Causationトレーシングを含む約11万5000時間の運転映像と10億枚以上の画像で学習されました。
  • 単一パスから軌道、CoCトレーシング、メタアクション、推論自動ラベル、2Dグラウンディング付き視覚的質問応答の5つの出力を生成します。
  • AlpaSimでのクローズドループ評価ではスコア1.50 ± 0.13を記録し、オープンループテストでは6.4秒でminADE₆が0.911mでした。

このリリースにより、追加の許可なしに商用利用と再配布が可能であり、NVIDIAは独自フリートのデータに対してオートラベラーとして使用する場合、注釈サイクルを月単位から日単位に圧縮できると述べています。