Nvidia publica Alpamayo 2 Edge, un modelo de conducción autónoma de 2.000 millones de parámetros que solo explica sus decisiones cuando es necesario

Nvidia publicó el 10 de noviembre de 2026 Alpamayo 2 Edge, un modelo de conducción autónoma de tipo visión-lenguaje-acción de unos 2.000 millones de parámetros, diseñado para ejecutarse a bordo del vehículo sobre el chip DRIVE AGX Thor. Observa seis cámaras, planifica la trayectoria de los siguientes 6,4 segundos y, cuando la situación lo justifica, redacta una explicación de su decisión. Los pesos pueden descargarse en Hugging Face bajo licencia OpenMDW-1.1, una licencia permisiva que no prohíbe el uso comercial, y el código se ofrece bajo Apache 2.0.

Explicar solo cuando sea útil

Los modelos de conducción «que razonan» tienen un inconveniente en un coche: escribir una explicación consume tiempo y cálculo, mientras que la trayectoria debe generarse varias veces por segundo. La respuesta de Nvidia es el razonamiento adaptativo. En una carretera sin complicaciones, el modelo emite un token especial en lugar del razonamiento y pasa directamente a la trayectoria. Frente a un peatón, un autobús que se aproxima en sentido contrario o un agente de tráfico, genera un razonamiento «Chain-of-Causation», que vincula la decisión con sus causas en la escena.

El modelo se ha destilado a partir de su hermano mayor, Alpamayo 2 Super: este último fue quien generó los razonamientos utilizados como ejemplos. A continuación, Nvidia lo entrenó mediante aprendizaje por refuerzo en bucle cerrado dentro de su simulador AlpaGym, donde el modelo experimenta las consecuencias de sus propias elecciones. Según la entrada técnica, esta fase mejora en un 48,9% el rendimiento de conducción en comparación con el mejor checkpoint que no pasó por este proceso.

De 160 a 190 ms en el vehículo, 16 GB en un PC

Descargado tal cual, en BF16, el modelo se ejecuta con PyTorch en una GPU Nvidia: la ficha registra un pico de 12 GiB de memoria en una H100 y recomienda al menos 16 GB. Para el tiempo real embebido, Nvidia proporciona una receta (calibración FP8, motores TensorRT, decodificación especulativa DFlash2) que ofrece una latencia de 160 a 190 ms entre la imagen y la trayectoria en DRIVE AGX Thor, según la longitud del razonamiento. El modelo también puede responder a preguntas abiertas sobre una escena de conducción.

En paralelo, Nvidia publica AlpaJudge, un modelo que puntúa la calidad del razonamiento de conducción, calibrado a partir de juicios humanos. Se utiliza para evaluar el modelo, clasificar los datos de entrenamiento y proporcionar una recompensa para el postentrenamiento.

Lo que queda por comprobar

Las cifras de rendimiento proceden de Nvidia. La ficha señala 15,15 km recorridos de media entre dos incidentes imputables (salida de vía o colisión) a lo largo de 875 escenarios simulados, y la entrada del blog asegura que esto supone unas 40 veces más que Qwen-Drive-1.0, un modelo de 4.000 millones de parámetros, en el simulador AlpaSim de Nvidia. Estas mediciones se han realizado en simulación, sobre datos de Nvidia; no aportan certezas sobre la seguridad en carretera abierta. Los testimonios de los socios (PORT, Niulinx, Embedl) se apoyan en pruebas internas. Por último, los ejemplos del repositorio recurren al conjunto de datos PhysicalAI-AV de Nvidia, sujeto a sus propias condiciones de acceso.