NVIDIA publie Alpamayo 2 Super : un modèle ouvert de vision-langage-action de 34B pour les robotaxis et la conduite autonome sous licence OpenMDW-1.1

NVIDIA a présenté Alpamayo 2 Super, un modèle vision-langage-action (VLA) de 34 milliards de paramètres pour la conduite autonome, publié sous la licence permissive OpenMDW-1.1. Le modèle associe un backbone VLM de 32 milliards de paramètres basé sur NVIDIA Cosmos 3 Super Reasoner à un décodeur d'actions par diffusion de 2,3 milliards de paramètres, conçu pour gérer des scénarios de conduite à longue traîne et multi-agents. À partir d'une seule passe sur la vidéo de caméras couvrant tout l'environnement, il produit une trajectoire planifiée, une explication causale (trace de chaîne de causalité) et une méta-action. Les poids sont publiés sous licence OpenMDW-1.1, avec le code source sous licence Apache 2.0, ce qui permet une utilisation commerciale, un fine-tuning et une redistribution. Les données d'entraînement comprennent environ 115 000 heures de vidéo de conduite multi-caméras, 3,7 millions de traces de chaîne de causalité et plus d'un milliard d'images. Sur LingoQA, il obtient un score de 79,2 sur Lingo-Judge, battant Qwen2.5-VL 72B de 17,0 points, Gemini 2.5 Pro de 15,1 et GPT-4o de 23,2. L'évaluation en boucle fermée avec AlpaSim sur 910 scénarios donne un score AlpaSim de 1,50 ± 0,13, et l'évaluation en boucle ouverte sur 937 échantillons donne un minADE₆ à 6,4 s de 0,911 m. Le modèle prend également en charge l'auto-étiquetage, réduisant les cycles d'annotation de plusieurs mois à quelques jours, et s'intègre à NVIDIA Halos pour la validation de la sécurité.