NVIDIA lança Alpamayo 2 Super: um modelo aberto de visão-linguagem-ação de 34B para robotáxis e direção autônoma sob OpenMDW-1.1

A NVIDIA apresentou o Alpamayo 2 Super, um modelo de 34 bilhões de parâmetros de visão-linguagem-ação (VLA) para direção autônoma, lançado sob a licença permissiva OpenMDW-1.1. O modelo combina um backbone VLM de 32B construído sobre o NVIDIA Cosmos 3 Super Reasoner com um decodificador de ação de 2,3B baseado em difusão, projetado para lidar com cenários de direção de cauda longa e multiagente. Em uma única passagem sobre vídeo de câmera de visão surround completa, ele produz uma trajetória planejada, uma explicação causal (rastro de Cadeia de Causalidade) e uma meta-ação. Os pesos são lançados sob a OpenMDW-1.1, com código-fonte sob Apache 2.0, permitindo uso comercial, ajuste fino e redistribuição. Os dados de treinamento incluem cerca de 115.000 horas de vídeo de direção com múltiplas câmeras, 3,7 milhões de rastros de Cadeia de Causalidade e mais de um bilhão de imagens. No LingoQA, ele pontua 79,2 no Lingo-Judge, superando o Qwen2.5-VL 72B por 17,0 pontos, o Gemini 2.5 Pro por 15,1 e o GPT-4o por 23,2. A avaliação de malha fechada com o AlpaSim em 910 cenários dá uma pontuação AlpaSim de 1,50 ± 0,13, e a avaliação de malha aberta em 937 amostras dá um minADE₆ em 6,4s de 0,911m. O modelo também suporta auto-rotulagem, comprimindo ciclos de anotação de meses para dias, e se integra ao NVIDIA Halos para validação de segurança.