一款340亿参数的开源视觉-语言-行动模型，用于机器人出租车和自动驾驶，遵循OpenMDW-1.1许可

NVIDIA发布了Alpamayo 2 Super，这是一个拥有340亿参数的视觉-语言-动作（VLA）模型，专为自动驾驶出租车和自动驾驶设计，现已根据宽松的OpenMDW-1.1许可证提供。此次发布标志着从仅供研究的人工智能向可商业部署的自主技术的重大转变，直接针对长尾事件——即罕见的、多智能体场景——这些事件历来困扰着传统的检测和预测流程。通过在一个模型中结合推理、轨迹规划和因果解释，NVIDIA旨在为自动驾驶汽车开发者提供一个统一的工具，以更高的透明度和安全性处理不可预测的道路情况。

此次发布建立在NVIDIA不断扩展的开放模型战略之上。早期的Alpamayo版本仅限于研究和开发，但OpenMDW-1.1（一个专为开放模型分发设计的Linux基金会许可证）现在允许微调、衍生作品和商业再分发，无需额外批准。源代码采用Apache 2.0许可证。此举顺应了行业要求开放自动驾驶软件栈的压力，尤其是当特斯拉和Waymo等竞争对手推动专有系统时。NVIDIA决定将OpenMDW应用于整个Alpamayo系列，意味着之前的研发版本现在立即具有商业可行性，降低了初创公司和成熟OEM（原始设备制造商）的门槛。

在内部，Alpamayo 2 Super将32B Cosmos 3 Super Reasoner骨干（经过强化学习后训练）与2.3B基于扩散的动作解码器配对。输入包括多摄像头RGB视频、文本、自我运动历史和时间戳；验证过的配置使用六个摄像头，每个摄像头有四个历史帧。轨迹API输出64个路点，时间跨度0.1至6.4秒，包括自我坐标系XYZ坐标和旋转矩阵。训练数据非常庞大：约115,000小时的多摄像头驾驶视频、370万条因果链（CoC）轨迹以及超过十亿张图像。

把任意网站变成干净 JSON

现成爬虫与 AI 智能体

试用 Apify