NVIDIAは、自動運転開発者向けの車載推論モデルAlpamayo 2 Edgeを公開した。周囲のカメラ映像とナビゲーション入力から走行の根拠と将来の経路を生成する一方、通常時は推論を減らして車載コンピューターの計算負荷を抑える。自動運転開発者は、閉ループ学習と展開ツールを併用して車載モデルを試験できる。

1. 推論を減らし、走行結果から再び学習

このモデルはNVIDIA Cosmos 3 Edgeを基盤とする20億パラメーターのモデルで、映像・言語の解釈を走行行動につなげる。複数方向のカメラ映像、過去の動き、ナビゲーション入力を受け取り、走行判断の理由と将来の経路を生成する。

日常的な走行状況では、判断の根拠を長く生成する代わりに<NOMINAL>トークンを出力する。必要な場面で推論を生成する適応型の方式により、不要なトークン生成を減らし、推論計算を節約する。

学習では、Alpamayo 2 Superが生成した推論を小型モデルに伝える蒸留に続き、AlpaGymシミュレーションで閉ループ強化学習を行う。蒸留とは、大型モデルの知識を小型モデルに移す学習である。閉ループ強化学習は、モデルが出力した行動の結果を再び経験し、報酬によって改善する方式である。

事後学習は、事前学習の後に性能を追加調整する過程である。同社発表によると、この閉ループ強化学習により、同じ強化学習を行っていない最高性能モデルに比べ、閉ループ走行性能が48.9%向上した。

2. シミュレーション比較と車載時の遅延

AlpaSimの閉ループ評価は、モデルが出力した行動をシミュレーションに反映し、走行結果を調べる。

同社発表によるAlpamayo 2 Edge(2B)とQwen-Drive-1.0(4B)の過失事故間の走行距離は、次のとおりである。NVIDIAは約40倍の差と説明した。

記録された走行データから将来の経路を予測する、開ループ評価の最小平均変位誤差も併せて示した。予測経路の誤差を表し、低いほど良い指標である。

表：2つのモデルの走行評価比較

条件：NVIDIA発表のAlpamayo 2 Edge(2B)とQwen-Drive-1.0(4B)の比較。閉ループと開ループは別々の評価であり、指標ごとに2つのモデルを比較する。

単位：過失事故間の走行距離はkm、最小平均変位誤差はm

シミュレーション比較と車載時の遅延
評価方式指標Alpamayo 2 Edge(2B)Qwen-Drive-1.0(4B)優劣の方向
AlpaSim閉ループ過失事故間の走行距離(km)9.870.25高いほど良い
開ループ最小平均変位誤差(m)0.531.68低いほど良い

チャート：過失事故間の走行距離 条件：上表のAlpaSim閉ループ評価。高いほど良く、棒の長さは値に比例する。単位：km

Alpamayo 2 Edge(2B)  ███████████████████▊  9.87
Qwen-Drive-1.0(4B)   ▌                    0.25

チャート：最小平均変位誤差 条件：上表の開ループ評価。低いほど良く、棒の長さは値に比例する。距離のチャートとは軸を共有しない。単位：m

Alpamayo 2 Edge(2B)  █████▎             0.53
Qwen-Drive-1.0(4B)   ████████████████▊  1.68

車載性能は別の構成で測定した。同社発表によると、DRIVE AGX Thor-X上でTensorRT 11.3.1.9により最適化したモデルは、映像入力から経路出力まで、推論量に応じて160~190msを要した。測定にはDRIVE OS 7.2.7.0とCUDA 13.4を使用した。

Embedlの共同創業者兼最高経営責任者ハンス・サロモンソン氏は、AGX Thorで48時間以内に毎秒10回の走行計画を実行したと述べた。

3. 車載最適化は別途の展開段階

Hugging Faceから取得するモデルの重みは、基本的にBF16という数値精度形式で保存されており、対応するNVIDIA GPUでPyTorchモデルとして実行できる。車内でリアルタイムに使うには、さらに最適化が必要になる。

展開レシピは、DFlash2ドラフトモデルの準備とFP8キャリブレーションから始まる。補助モデルで推論生成を高速化し、数値精度を下げた演算に合わせて調整する過程である。

続いて、展開ツールに移せるよう変換したモデル表現であるONNXグラフを出力し、TensorRT実行エンジンを作成した後、展開プログラムを起動する。

展開レシピでは、同じ入力と同一に初期化した行動ノイズを用い、最適化前後の出力品質も比較する。

展開バンドルを実行する原文のコマンドは、次のとおりである。

python -m alpamayo2edge_edgellm.runtime.run \
  --engines "$WORK/engines" \
  --model "$MODEL" \
  --reference "$INPUTS" \
  --dflash2 \
  --rolling \
  --warmup 1 \
  --repeat 5 \
  --output "$WORK/results.json"

4. 推論品質を学習データと報酬につなげる

NVIDIAのAlpaJudgeは、走行経路の誤差とは別に説明の品質を評価する、人間の判断に合わせて調整された評価・報酬モデルである。参照ありの方式は、質問、正解、候補回答を比較する。参照なしの方式は、前方の広角・望遠カメラのフレーム、過去・未来の動作文脈、候補推論を用い、評価項目別のスコアと総合スコアを出す。

このスコアは、データ選別と事後学習にもつながる。同社発表によると、スコアに基づく選別後、学習に有用な中間スコアのサンプルの割合は27%から81%に増えた。

公開された強化学習レシピは、モデルの推論と経路を評価し、経路誤差・乗り心地の指標に推論スコアを加え、1つの報酬にまとめる。同社発表によると、Alpamayo 2 Superベースの強化学習前モデルで測定した推論品質の向上は、評価モデルによる採点で10.2%、人間による評価で11.4%だった。

推論量を減らして車内で素早く経路を得る一方、開発チームには数値精度の調整、実行エンジンの作成、出力品質の比較という作業が加わる。モデルを入手する段階と、車内でリアルタイムに動かす段階の間に、最適化コストが存在することになる。

AlpaJudgeのスコアは説明が評価基準に合うかを示すため、衝突・道路逸脱などの走行指標と併せて確認すべきである。高スコアの事例は、モデルがすでに十分説明でき、学ぶ余地が少ない場合もある。低スコアには誤ラベルだけでなくまれな失敗も混じり、一括除去すると必要な学習事例が失われかねない。中間スコア帯には追加学習に有用な事例が多く、選別する価値がある。

要点は、必要な瞬間に推論を集中させ、車載展開と評価・再学習を1つの開発の流れにつなげることにある。