NVIDIA发布了Alpamayo 2 Super，这是一款在OpenMDW-1.1许可下发布的、专为Robotaxi和自动驾驶设计的340亿参数视觉-语言-动作（VLA）模型。该模型通过结合32B Cosmos 3 Super Reasoner骨干网络与2.3B基于扩散的动作解码器，从多摄像头视频中生成轨迹、因果解释和元动作，以应对长尾事件。

  • Alpamayo 2 Super在LingoQA上排名第一，Lingo-Judge得分为79.2，优于Qwen2.5-VL 72B、Gemini 2.5 Pro和GPT-4o。
  • 该模型使用约115,000小时的驾驶视频和超过十亿张图像进行训练，其中包括370万条因果链（Chain-of-Causation）轨迹。
  • 它通过单次前向传播生成五个输出：轨迹、CoC轨迹、元动作、推理自动标签以及带有2D定位的视觉问答。
  • 在AlpaSim上的闭环评估得分为1.50 ± 0.13，而开环测试在6.4秒时达到了0.911m的minADE₆。

该发布允许商业使用和重新分发，无需额外许可。NVIDIA表示，当用作专有车队数据的自动标注器时，该模型可将标注周期从数月缩短至数天。