NVIDIA เปิดตัว Alpamayo 2 Super โมเดล AI โอเพนซอร์สระดับ Frontier เพื่อยกระดับ Robotaxi และยานยนต์ไร้คนขับ

สำหรับ Robotaxi และ autonomous vehicles (AVs) ความท้าทายที่ยากที่สุดไม่ใช่สถานการณ์การขับขี่ทั่วไป แต่เป็นเหตุการณ์ที่เกิดขึ้นได้ยากและมีความซับซ้อนสูง ซึ่งยากต่อการคาดการณ์และนำมาใช้ฝึกฝนระบบ

การรับมือกับเหตุการณ์กลุ่ม Long-tail เหล่านี้ต้องการมากกว่าแค่การตรวจจับวัตถุหรือทำนายการเคลื่อนที่ แต่ระบบ AV ต้องสามารถเข้าใจสถานการณ์ วิเคราะห์เหตุและผล เลือกการตัดสินใจที่ถูกต้อง และเปลี่ยนการตัดสินใจนั้นให้เป็นเส้นทางที่ปลอดภัยและนุ่มนวล โดยกระบวนการทั้งหมดต้องเกิดขึ้นแบบ Real-time และมีความโปร่งใสจนนักพัฒนาสามารถตรวจสอบและเชื่อถือได้

NVIDIA จึงได้ปล่อย Alpamayo 2 Super available now สำหรับการใช้งานเชิงพาณิชย์ ซึ่งเป็นหนึ่งในตระกูลโมเดล Open Reasoning สำหรับการขับขี่อัตโนมัติที่ได้รับความนิยมสูงสุดบน Hugging Face โดยสามารถรองรับความสามารถด้าน AV ที่หลากหลายได้ภายใน Foundation Model เพียงตัวเดียว

โมเดลนี้สร้างขึ้นบน NVIDIA Cosmos 3 Super Reasoner และผ่านการฝึกฝนเพิ่มเติมด้วย Reinforcement Learning เพื่อขับเคลื่อนระบบนิเวศของยานยนต์ไร้คนขับในสองด้านสำคัญ ได้แก่ การเปิดให้ใช้งานเชิงพาณิชย์ได้อย่างเสรี และความสามารถในการทำงานหลายอย่าง (Multitask) ระดับชั้นนำสำหรับการขับขี่อัตโนมัติ

Alpamayo 2 Super เป็นส่วนหนึ่งของคอลเลกชันโมเดล ชุดข้อมูล และ tools for autonomous driving ของ NVIDIA ที่กำลังเติบโต ช่วยให้นักพัฒนามีอิสระในการควบคุมมากขึ้น และสนับสนุนการติดตั้งใช้งานยานยนต์ไร้คนขับที่ปลอดภัยและโปร่งใสยิ่งขึ้น

การให้สิทธิ์การใช้งานแบบเปิดสำหรับ AV รุ่นผลิตจริง

Alpamayo 2 Super พร้อมใช้งานบน Hugging Face ภายใต้ใบอนุญาต OpenMDW-1.1 ของ Linux Foundation ซึ่งอนุญาตให้มีการทำ Fine-tuning พัฒนาโมเดลต่อยอด และแจกจ่ายในเชิงพาณิชย์ได้อย่างเสรี ช่วยให้ผู้ผลิตรถยนต์และซัพพลายเออร์สามารถปรับแต่งโมเดลให้เข้ากับข้อมูลและนโยบายการขับขี่ของตนเองได้อย่างอิสระ

ความเปิดกว้างนี้ช่วยให้นักวิจัยและบริษัทด้าน AV สามารถรักษาการควบคุมข้อมูลและโครงสร้างพื้นฐานของตนเองไว้ได้ ซึ่งมีความสำคัญอย่างยิ่งสำหรับขั้นตอนการทำงานที่เกี่ยวข้องกับกองยานพาหนะที่เป็นกรรมสิทธิ์และความปลอดภัยส่วนบุคคล

NVIDIA ได้นำใบอนุญาต OpenMDW มาใช้กับโมเดลในตระกูล Alpamayo ทั้งหมด เพื่อให้นักพัฒนาสามารถนำโมเดลไปใช้งานในเชิงพาณิชย์ได้ทันทีโดยไม่ต้องขออนุญาตเพิ่มเติม เป็นการสร้างเส้นทางลัดจากการวิจัยไปสู่การใช้งานจริงในรถยนต์รุ่นผลิตขาย

นอกจากนี้ การเปิดเผยค่าน้ำหนักโมเดล (Open weights) ยังช่วยประหยัดต้นทุนได้อย่างมาก เนื่องจากทีมพัฒนาสามารถสร้างต่อยอดจากระบบการใช้เหตุผลขั้นสูงได้ทันที โดยไม่ต้องลงทุนฝึกฝนความสามารถพื้นฐานใหม่ทั้งหมดตั้งแต่ต้น

Alpamayo 2 Super ยังช่วยยกระดับการพัฒนาบนคลาวด์ให้นักพัฒนาสามารถสร้างข้อมูลฝึกฝนแบบสังเคราะห์ (Synthetic training data) คุณภาพสูงได้ โดยในตระกูล Alpamayo นั้น รุ่น 2 Super จะให้ประสิทธิภาพสูงสุดสำหรับการขับขี่แบบ Multimodal ในขณะที่รุ่น 1.5 และ 1 เป็นตัวเลือกที่คุ้มค่ากว่าสำหรับการทดสอบบนคลาวด์

โมเดลที่ผ่านการย่อขนาด (Distillation) แล้วจะสามารถนำไปใช้งานแบบ Real-time ภายในรถยนต์ได้อย่างมีประสิทธิภาพ เมื่อทำงานร่วมกัน ตระกูลโมเดล Alpamayo จะมอบขั้นตอนการทำงานแบบ Cloud-to-car ที่ผสมผสานการใช้เหตุผลระดับ Frontier เข้ากับการใช้งานจริงในกองยานพาหนะเชิงพาณิชย์ได้อย่างลงตัว

การใช้เหตุผลชั้นนำจากการทดสอบ Benchmark ในระดับ Frontier

Alpamayo 2 Super ครองอันดับหนึ่งใน LingoQA ซึ่งเป็นเกณฑ์วัดการใช้เหตุผลสำหรับการขับขี่อัตโนมัติ โดยจากการทดสอบของ NVIDIA โมเดลนี้มีประสิทธิภาพเหนือกว่า Qwen2.5-VL 72B ถึง 17.0 คะแนน และชนะทั้ง Gemini 2.5 Pro รวมถึง GPT-4o ในสถานการณ์ที่เน้นการขับขี่เป็นหลัก

ด้วยขนาดพารามิเตอร์ที่ใหญ่กว่ารุ่นก่อนหน้าถึง 3 เท่า ทำให้โมเดลสามารถสรุปเหตุผลจากสถานการณ์ที่เกิดขึ้นน้อยได้ดีขึ้น โดยเฉพาะการปฏิสัมพันธ์ระหว่างรถหลายคัน (Multi-agent) ที่ซับซ้อนซึ่งระบบทั่วไปมักจะรับมือได้ยาก

ตัวโมเดลใช้เหตุผลผ่านข้อมูลจากกล้องรอบคันแบบ 360 องศา ทั้งด้านหน้า ด้านข้าง และด้านหลัง ช่วยให้เข้าใจการเปลี่ยนเลน การเลี้ยวที่ไม่มีสัญญาณไฟ และทางแยกที่ซับซ้อนได้อย่างลึกซึ้งและปลอดภัยยิ่งขึ้น

Foundation Model แบบ Multitask สำหรับ Robotaxi และการขับขี่อัตโนมัติ

ในแต่ละสถานการณ์การขับขี่ Alpamayo 2 Super สามารถสร้างผลลัพธ์ที่เชื่อมโยงกันได้ถึง 5 รูปแบบ ได้แก่:

• เส้นทาง (Trajectory) ที่รถควรเคลื่อนที่ไป
• Chain-of-causation (CoC) การอธิบายเหตุผลเบื้องหลังการตัดสินใจ
• Meta-action ระบุเจตนา เช่น การให้ทางหรือการเปลี่ยนเลน
• Reasoning auto-labels สร้างคำอธิบายประกอบสำหรับการฝึกฝนและตรวจสอบข้อมูล
• Visual question answering พร้อม 2D visual grounding ที่เชื่อมโยงคำตอบเข้ากับพื้นที่ในภาพจากกล้อง

ผลลัพธ์เหล่านี้ช่วยให้นักพัฒนาเห็นกระบวนการคิดของโมเดลได้อย่างชัดเจน ทำให้การตัดสินใจของ AI เข้าใจง่ายและตรวจสอบความปลอดภัยได้ตามมาตรฐาน ISO/PAS 8800 ผ่านระบบ NVIDIA Halos

นอกจากนี้ Alpamayo 2 Super ยังทำหน้าที่เป็นเครื่องมือติดเลเบลอัตโนมัติ (Autolabeler) ที่ช่วยเปลี่ยนคลิปการขับขี่ดิบให้กลายเป็นข้อมูลฝึกฝนที่สมบูรณ์ โดยช่วยย่อระยะเวลาการทำงานจากหลายเดือนเหลือเพียงไม่กี่วัน

ระบบนิเวศแบบเปิดสำหรับ AV ที่ใช้การใช้เหตุผล

Alpamayo 2 Super เป็นส่วนหนึ่งของตระกูลโมเดลและเครื่องมือที่ครอบคลุมการพัฒนา AV อย่างครบวงจร ซึ่งรวมถึง:

• NVIDIA AlpaSim สำหรับการจำลองสถานการณ์แบบ Closed-loop
• NVIDIA AlpaGym สำหรับการทำ Reinforcement Learning ประสิทธิภาพสูง
• NVIDIA Physical AI Open Datasets ชุดข้อมูลสำหรับการฝึกฝนและทดสอบ
• Open training recipes และ Autolabeling pipeline เพื่อเร่งความเร็วในการพัฒนา

ปัจจุบันโมเดลตระกูล Alpamayo มียอดดาวน์โหลดบน Hugging Face มากกว่า 500,000 ครั้ง ซึ่งเป็นการยืนยันความสำเร็จในฐานะโมเดลการใช้เหตุผลแบบเปิดที่เป็นมาตรฐานสำหรับการขับขี่อัตโนมัติในปัจจุบัน

นักพัฒนาสามารถ Download NVIDIA Alpamayo 2 Super on Hugging Face เพื่อเริ่มสร้างยานยนต์ไร้คนขับแห่งอนาคตได้แล้ววันนี้