NVIDIA lance Alpamayo 2 Super : un modèle 34B ouvert pour des robotaxis plus sûrs
NVIDIA vient de dévoiler Alpamayo 2 Super, un modèle ouvert à 34 milliards de paramètres conçu pour gérer les cas les plus complexes en conduite autonome : les événements rares où les systèmes traditionnels échouent souvent. Contrairement aux approches qui séparent perception, prédiction et planification en étapes distinctes, ce modèle réalise tout en un seul passage : à partir d'une vidéo capturée par des caméras omnidirectionnelles, il génère une trajectoire planifiée, une explication causale du choix de cette trajectoire, ainsi qu'une méta-action comme céder le passage ou changer de voie. Les poids et le code sont publiés sous licence OpenMDW-1.1 et Apache 2.0, permettant une utilisation commerciale immédiate sans licence supplémentaire.
Du raisonnement à l'action
Au cœur du modèle se trouve un modèle de vision-langage à 32 milliards de paramètres, construit sur NVIDIA Cosmos 3 Super Reasoner et affiné par apprentissage par renforcement pour interpréter des scènes complexes. Un décodeur diffusion à 2,3 milliards de paramètres transforme ensuite cette compréhension en une trajectoire exploitable. Le modèle traite des vidéos multi-caméras en RGB, l'historique du mouvement propre et les horodatages, puis produit 64 points de passage couvrant jusqu'à 6,4 secondes à l'avance. Chaque point de passage inclut la position et l'orientation dans le référentiel du véhicule, offrant aux planificateurs en aval un trajet précis et temporellement cohérent.
Cinq sorties, une seule inférence
Ce qui rend Alpamayo 2 Super particulièrement opérationnel réside dans sa capacité à produire non seulement une trajectoire, mais aussi une chaîne complète de causalité reliant les observations aux décisions, un label de méta-action, un raisonnement généré automatiquement, et même des réponses visuelles ancrées en 2D. Ces traces peuvent s'intégrer directement aux flux de validation de sécurité NVIDIA Halos, conformément à la norme ISO/PAS 8800 pour la sécurité de l'IA. Lors de tests, le modèle a réduit les cycles d'annotation sur des données de flotte propriétaires de plusieurs mois à quelques jours, un avantage concret pour les équipes qui scalent l'apprentissage supervisé.
Sur le benchmark LingoQA, Alpamayo 2 Super a obtenu un score de 79,2 sur Lingo-Judge, se classant premier parmi près de quarante modèles, devançant Qwen2.5-VL 72B de 17,0 points et GPT-4o de 23,2 points. Les évaluations en boucle fermée sur 910 scénarios ont donné un score AlpaSim de 1,50 ± 0,13, tandis que les tests en boucle ouverte sur 937 échantillons complexes ont enregistré une erreur moyenne minimale de déplacement de 0,911 m à 6,4 s.
Pourquoi c'est important
La publication en open source sous OpenMDW-1.1 supprime une barrière de licence qui a ralenti le déploiement commercial des grands modèles d'autonomie. En unifiant perception, raisonnement et action au sein d'un même modèle — et en fournissant des explications causales — NVIDIA oriente l'industrie vers des systèmes capables et auditable. Pour les équipes développant des robotaxis ou des fonctions d'aide à la conduite avancée, la capacité du modèle à étiqueter et valider automatiquement ses propres décisions pourrait réduire de plusieurs mois les cycles de développement, tout en respectant les normes de sécurité émergentes.
Source : MarkTechPost. Synthèse éditoriale assistée par IA — TechnoExpress.