NVIDIA Merilis Alpamayo 2 Super: Model Aksi-Visi-Bahasa 34B Terbuka untuk Robotaxi dan Mengemudi Otonom di Bawah Lisensi OpenMDW-1.1

NVIDIA telah memperkenalkan Alpamayo 2 Super, model vision-language-action (VLA) dengan parameter 34B untuk pengendaraan otonom, dirilis di bawah lisensi OpenMDW-1.1 yang permisif. Model ini menggabungkan backbone VLM 32B yang dibangun di atas NVIDIA Cosmos 3 Super Reasoner dengan dekoder aksi berbasis difusi 2.3B, dirancang untuk menangani skenario mengemudi multi-agen yang jarang muncul (long-tail). Dari satu pemrosesan video kamera keliling penuh, model ini menghasilkan lintasan yang direncanakan, penjelasan kausal (jejak Chain-of-Causation), dan meta-tindakan. Bobot model dirilis di bawah OpenMDW-1.1, dengan kode sumber di bawah Apache 2.0, yang mengizinkan penggunaan komersial, penyesuaian halus (fine-tuning), dan redistribusi. Data pelatihan mencakup sekitar 115.000 jam video mengemudi multi-kamera, 3,7 juta jejak Chain-of-Causation, dan lebih dari satu miliar gambar. Pada LingoQA, model ini mencetak 79,2 pada Lingo-Judge, mengungguli Qwen2.5-VL 72B dengan selisih 17,0 poin, Gemini 2.5 Pro dengan 15,1 poin, dan GPT-4o dengan 23,2 poin. Evaluasi loop tertutup dengan AlpaSim pada 910 skenario memberikan skor AlpaSim 1,50 ± 0,13, dan evaluasi loop terbuka pada 937 sampel menghasilkan minADE₆ pada 6,4 detik sebesar 0,911 meter. Model ini juga mendukung pelabelan otomatis, mempercepat siklus anotasi dari berbulan-bulan menjadi beberapa hari, dan terintegrasi dengan NVIDIA Halos untuk validasi keselamatan.