Nvidia、必要な時だけ判断理由を説明する20億パラメータの自動運転モデル「Alpamayo 2 Edge」を公開

Nvidiaは2026年11月10日、車載チップDRIVE AGX Thorでの動作を想定して設計された、約20億パラメータのVision-Language-Action型自動運転モデルAlpamayo 2 Edgeを公開した。6台のカメラ映像を確認して続く6.4秒間の軌道を計画し、状況に応じて判断の理由を文章で説明する。重みは商用利用を禁じない寛容なライセンスであるOpenMDW-1.1の下でHugging Faceからダウンロード可能であり、コードはApache 2.0で提供されている。

必要な場合のみ説明を生成する

「推論する」運転モデルには、車載環境における課題がある。1秒間に何度も軌道を出力する必要がある一方で、説明文を生成するには時間と計算リソースがかかる。これに対するNvidiaの解決策が適応型推論（Adaptive Reasoning）である。問題のない道路では、モデルは推論の代わりに特殊トークンを出力し、直接軌道の生成へ移行する。歩行者や対向バス、交通誘導員に遭遇した際には、判断とシーン内の要因を結びつける「Chain-of-Causation」推論を生成する。

本モデルは上位モデルであるAlpamayo 2 Superから蒸留されており、同モデルが生成した推論が手本として用いられた。その後、Nvidiaは自社シミュレータAlpaGym内で、モデル自身の選択が結果に影響を与えるクローズドループ強化学習を実施した。技術ブログによると、この工程によって、これを行わなかった最良チェックポイントと比較して運転性能が48.9%向上したという。

車載環境で160〜190ms、PC上で16GB

BF16形式のままダウンロードした場合、モデルはNvidia製GPU上のPyTorchで動作する。モデルカードによるとH100でのメモリ使用量はピーク時で12GiBと測定されており、16GB以上が推奨されている。車載でのリアルタイム処理向けに、Nvidiaは最適化手法（FP8キャリブレーション、TensorRTエンジン、DFlash2投機的デコーディング）を提供しており、推論の長さに応じてDRIVE AGX Thor上での画像入力から軌道出力までの遅延を160〜190msに抑えられる。モデルは走行シーンに関する自由な質問にも回答可能だ。

Nvidiaは並行して、人間の判断基準に調整された運転推論の質を評価するモデルAlpaJudgeも公開した。これはモデルの評価や学習データの選定、事後学習における報酬付与に用いられる。

今後の検証ポイント

性能に関する数値はNvidiaが発表したものである。モデルカードには、875パターンのシミュレーションシナリオにおいて過失事故（コースアウトや衝突）間の平均走行距離が15.15kmと記載されており、ブログ記事では、NvidiaのシミュレータAlpaSimにおいて40億パラメータのモデルであるQwen-Drive-1.0よりも約40倍優れていると主張されている。これらの測定はNvidiaのデータを用いたシミュレーション環境で行われたものであり、公道での安全性を直接示すものではない。パートナー企業（PORT、Niulinx、Embedl）のコメントも非公開の社内テストに基づいている。また、リポジトリのサンプルはNvidiaのPhysicalAI-AVデータセットに依存しており、独自の利用条件が適用される。