अल्पामायो मोडेलहरू ठूला-ठूला शिक्षक मोडेलहरूका रूपमा डिजाइन गरिएका छन् जुन सिधै सवारीसाधनहरूमा चल्दैनन्। यसको सट्टा, विकासकर्ताहरूले तिनीहरूलाई पूर्ण AV स्ट्याकहरूमा तैनातीका लागि उपयुक्त साना मोडेलहरूमा फाइन-ट्यून र डिस्टिल गर्न सक्छन्।
Nvidia ले मंगलबार खुला कृत्रिम बुद्धिमत्ता (AI) मोडेलहरूको Alpamayo परिवार, सिमुलेशन उपकरणहरू र डेटासेटहरू प्रस्तुत गर्यो। id=”26696989″ type=”Denny” weightage=”20″ keywordseo=”autonomous-vehicles” source=”keywords” class=”news-keywords” href=”https://auto.economictimes.indiatimes.com/tag/autonomous+vehicles”>स्वायत्त सवारीसाधनहरू ठेगाना गर्दै, जटिल रूपमा AV ड्राइभ उद्योगहरू हेर्दै जसले सेल्फ-ड्राइभिङ प्रणालीहरूलाई चुनौती दिन जारी राख्छ।
CES २०२६ मा अनावरण गरिएको, Alpamayo पोर्टफोलियोले अपरिचित परिस्थितिहरूमा कारण र प्रभाव मार्फत तर्क गर्न स्वायत्त प्रणालीहरूलाई सक्षम पार्नमा केन्द्रित छ — जसलाई प्रायः “लामो टेल” भनिन्छ — परम्परागत रूपमा ढाँचा वा ढाँचामा आधारित प्रशिक्षणमा भर पर्नुको सट्टा। धारणा र योजनालाई अलग गर्ने वास्तुकलाहरू, अल्पमायोले चेन-अफ-थट, भिजन-भाषा-कार्य (VLA) मोडेलहरू प्रस्तुत गर्दछ जुन उपन्यास ड्राइभिङ परिदृश्यहरू मार्फत चरण-दर-चरण तर्क गर्न डिजाइन गरिएको हो। Nvidia ले भन्यो कि यो दृष्टिकोणले निर्णय लिने र व्याख्या गर्ने क्षमता दुवैलाई सुधार गर्छ, जुन स्वायत्त प्रणालीहरूमा विश्वास र सुरक्षा निर्माण गर्न महत्वपूर्ण मानिन्छ।
Alpamayo मोडेलहरू ठूला-ठूला शिक्षक मोडेलहरूका रूपमा डिजाइन गरिएका छन् जुन सवारीसाधनमा सीधै चल्दैनन्। यसको सट्टा, विकासकर्ताहरूले पूर्ण AV स्ट्याकहरू भित्र डिप्लोइमेन्टका लागि उपयुक्त साना मोडेलहरूमा तिनीहरूलाई फाइन-ट्यून गर्न र डिस्टिल गर्न सक्छन्।
खुला मोडेलहरू, सिमुलेशन र डेटासेटहरू
प्रक्षेपणको भागको रूपमा, Nvidia ले तीनवटा मुख्य घटकहरू जारी गर्यो: Alpamayo 1, 10-बिलियन-प्यारामिटर अनुसन्धान मोडेलको लागि HuggLA समुदाय उपलब्ध छ। मोडेलले ड्राइभिङ ट्र्याजेक्टोरीहरू उत्पन्न गर्न भिडियो इनपुट प्रयोग गर्दछ र प्रत्येक निर्णयको व्याख्या गर्ने तर्क ट्रेसहरू समावेश गर्दछ।
AlpaSim, GitHub मा उपलब्ध खुला स्रोत अन्त्य-देखि-अन्त सिमुलेशन फ्रेमवर्क, सेन्सर मोडलिङ, ट्राफिक गतिशीलता र बन्द-लूप परीक्षण वातावरणहरू प्रदान गर्दै। डाटासेटहरू, दुर्लभ र जटिल किनारा केसहरू सहित विभिन्न भौगोलिक र परिस्थितिहरूमा सङ्कलन गरिएको 1,700 घण्टा भन्दा बढी ड्राइभिङ डेटा समावेश गर्दछ।
सँगसँगै, Nvidia ले भन्यो, यी उपकरणहरूले निर्माण र परीक्षणको लागि निरन्तर विकास लुप सिर्जना गर्दछ तर्क-आधारित स्वायत्त ड्राइभिङ प्रणालीहरू। र बर्कले डीपड्राइभले स्तर 4 को विकासलाई समर्थन गर्न अल्पमायो प्रयोग गर्न रुचि प्रकट गरेको छ स्वायत्त ड्राइभिङ प्रणालीहरू।
बृहत्तर AV इकोसिस्टम
Nvidia ले Alpamayo ले आफ्नो फराकिलो स्वायत्त ड्राइभिङ पोर्टफोलियोलाई पूरक बनाएको छ, साथै प्लेटफर्ममा ओटेगमोटिङ र ओटेगमोटिङ गर्न सकिन्छ। NVIDIA DRIVE Hyperion वास्तुकलामा। विकासकर्ताहरूले मालिकाना फ्लीट डेटामा मोडेलहरूलाई तालिम दिन सक्छन् र व्यावसायिक रोलआउट अघि सिमुलेशनमा प्रदर्शन प्रमाणित गर्न सक्छन्।
कम्पनीले Alpamayo लाई भौतिक एआई तर्फ धकेल्ने भागको रूपमा राख्छ, जहाँ मेशिनहरू नियन्त्रित वा भविष्यवाणी गर्न सकिने अवस्थाभन्दा बाहिरको वास्तविक-विश्व वातावरणमा सुरक्षित रूपमा तर्क गर्न र कार्य गर्न सक्षम छन्।