NVIDIA heeft tijdens de CES een nieuwe benadering gepresenteerd voor het aanpakken van een van de grootste uitdagingen in autonome rijtechnologie: de zogeheten “lange staart” van zeldzame en complexe scenario’s. In plaats van enkel te vertrouwen op grote, statische modellen die in normale omstandigheden goed functioneren, richt het bedrijf zich op een ecosysteem dat expliciet rekening houdt met de zeldzame situaties die een autonome auto in gevaar kunnen brengen, zoals plotselinge wegwerkzaamheden, onverwachte obstakels of moeilijke weersomstandigheden.
Deze aanpak staat bekend onder de noemer Alpamayo, een verzameling van modellen, datasets en tools die bedoeld zijn om systemen niet alleen te laten waarnemen, maar ook te laten redeneren over wat er op de weg gebeurt. Het onderliggende concept is het “VLA” (Vision-Language-Action), een integratie van beeld- en videobeelden, semantische representaties en besluitvorming, waarbij het model stap voor stap (chain-of-thought) achterhaald waarom bepaalde beslissingen worden genomen. Deze expliciete reasoning stelt ontwikkelaars in staat om de besluitvorming te begrijpen, te debuggen en te verbeteren, vooral in zeldzame en complexe situaties.
Het hart van Alpamayo is het model Alpamayo 1, dat met 10.000 miljoen parameters fungeert als “leraar” voor kleinere, efficiëntievere modellen die daadwerkelijk in voertuigen worden ingezet. Door middel van deze “teacher-student” aanpak wordt kennis overgedragen en geoptimaliseerd, waardoor de ontwikkeling van robuuste systemen wordt gestimuleerd. Daarnaast ontwikkelt NVIDIA AlpaSim, een open-source simulatie-omgeving waarmee tests in verschillende situaties en condities op grote schaal kunnen worden herhaald, zonder afhankelijk te zijn van fysieke wegtests. Dit versnelt het iteratieproces en zorgt voor een veiliger en efficiënter ontwikkeltraject.
Het datacollectieproject, dat meer dan 1700 uur aan realistische rijgegevens bevat uit diverse geografische en klimatologische omstandigheden, speelt ook een essentiële rol. Het uitgebreide dataset richt zich op het vergroten van de diversiteit en het bieden van materialen voor het trainen van systemen die zeldzame en kritische situaties aankunnen. Door datasets, simulaties en modellen openlijk toegankelijk te maken, wil NVIDIA innovatie stimuleren en de betrokkenheid van universiteiten en kleinere ontwikkelteams vergroten.
Naar eigen zeggen positioneert NVIDIA Alpamayo als een belangrijke stap voorwaarts in de industrialisatie van fysieke AI en autonome voertuigen, waarbij het vooral gericht is op het vergroten van het onderwijs- en validatieproces. Terwijl er nog geen onmiddellijke “kant-en-klare” oplossing is voor niveau-4 autonomie, vormt dit ecosysteem een fundament voor sneller en betrouwbaarder leren omgaan met incidentele en onvoorspelbare scenario’s op de weg. Door focus te leggen op beter leren en redeneervermogen, hoopt NVIDIA de kloof te overbruggen die momenteel nog bestaat tussen experimentele systemen en massale, veilige autonome mobiliteit.