NVIDIA presentó Alpamayo 2 Edge, un modelo de IA de acción visio-lenguaje diseñado para planificar trayectorias desde el vehículo en DRIVE AGX Thor. La compañía reporta latencias de 160 a 190 milisegundos con una configuración optimizada, aunque sus pruebas y comparaciones tienen límites que conviene tener en cuenta.
***
- El modelo genera 64 puntos de trayectoria para un horizonte de 6,4 segundos y puede emitir explicaciones cuando la escena lo requiere.
- NVIDIA reporta 15,15 kilómetros por incidente con culpa en AlpaSim, frente a 0,25 kilómetros de Qwen-Drive-1.0 4B en una comparación propia.
- El rendimiento en DRIVE Thor depende de una implementación FP8 con TensorRT; la tarjeta también registra métricas más discretas en algunas pruebas de razonamiento y preguntas.
NVIDIA lleva Alpamayo 2 Edge a los autos con planes de conducción basados en razonamiento
NVIDIA presentó Alpamayo 2 Edge, un modelo de acción visio-lenguaje (VLA) que procesa imágenes de cámaras y genera trayectorias para vehículos autónomos. Su objetivo es funcionar en DRIVE AGX Thor, una plataforma a bordo del vehículo, en lugar de depender de una GPU de centro de datos para realizar cada planificación.
La propuesta combina planificación y explicaciones sobre la escena, pero su rendimiento depende del modo de despliegue. NVIDIA reporta latencias de 160 a 190 milisegundos con una receta optimizada de FP8 y TensorRT, mientras que la ejecución directa en PyTorch BF16 resulta mucho más lenta en la demostración descrita.
Un modelo compacto para percibir y planificar
NVIDIA describe Alpamayo 2 Edge como un modelo de 2.000 millones de parámetros, pero las cifras técnicas citadas en la documentación no encajan entre sí. El backbone figura con 2.450 millones de parámetros; sus componentes se detallan como un modelo de lenguaje de 1.960 millones y un codificador visual SigLIP2 de 410 millones, cuya suma es 2.370 millones. Al añadir el experto de acción de 200 millones, el total sería 2.570 millones. Los metadatos de Hugging Face, por su parte, indican 3.000 millones. Las cifras parecen usar criterios distintos y no permiten establecer un único total inequívoco.
El backbone procede de Cosmos 3 Edge y está basado en Nemotron, mientras que el experto de acción usa difusión para producir comandos asociados al movimiento. Esta arquitectura permite que el sistema no se limite a responder preguntas sobre imágenes: también transforma observaciones visuales y órdenes de navegación en una propuesta de trayectoria.
Para cada observación destinada a predecir una ruta, Alpamayo 2 Edge recibe imágenes de seis cámaras y un total de 22 fotogramas. Las dos cámaras frontales aportan cinco fotogramas cada una y las otras cuatro, tres cada una; además, el modelo incorpora una instrucción de navegación y 20 poses históricas del vehículo.
La salida comprende 64 puntos de trayectoria distribuidos en un horizonte de 6,4 segundos, desde intervalos de 0,1 segundos. El experto predice aceleración y curvatura, que luego integra un modelo de unicycle; junto con esa planificación, el sistema puede generar una traza de razonamiento denominada Chain-of-Causation y responder preguntas abiertas sobre la escena.
El modelo también ajusta cuánto razona según la situación. En condiciones rutinarias puede emitir el token especial <NOMINAL> en lugar de producir una explicación extensa, mientras que reserva las trazas completas para escenas que requieren más análisis; la lógica descrita busca reducir los tokens y el cómputo en cada paso habitual de planificación.
Entrenamiento y despliegue en DRIVE Thor
El entrenamiento combinó destilación y aprendizaje por refuerzo en simulación. Según los detalles del modelo, NVIDIA utilizó etiquetas automáticas de razonamiento generadas por Alpamayo 2 Super, junto con aproximadamente 115.000 horas de video de conducción multicámara y cerca de 3,7 millones de trazas de Chain-of-Causation.
Tras esa etapa, el equipo aplicó entrenamiento de refuerzo de bucle cerrado en AlpaGym, donde el modelo aprende a partir de sus propias acciones simuladas. El proceso también empleó entradas de distintas resoluciones, una estrategia que, de acuerdo con la descripción técnica, permite codificar con menor costo las vistas de las cámaras periféricas. NVIDIA también describe este entrenamiento de refuerzo en su artículo técnico sobre Alpamayo 2 Edge y los límites de cómputo a bordo.
Los pesos disponibles en Hugging Face están distribuidos en BF16 y pueden ejecutarse como un modelo PyTorch, pero NVIDIA indica que la operación en tiempo real en DRIVE Thor requiere otra configuración. La receta recomendada prepara el checkpoint y el modelo de borrador DFlash2, calibra escalas FP8, exporta grafos ONNX y construye motores TensorRT con complementos de TensorRT Edge-LLM.
En una configuración DRIVE AGX Thor-X con DRIVE OS 7.2.7.0, CUDA 13.4 y TensorRT 11.3.1.9, NVIDIA reporta entre 160 y 190 milisegundos de latencia desde los píxeles hasta la trayectoria, según cuánto razone el modelo. La demostración citada registra 0,76 Hz con PyTorch BF16 y 13,02 Hz con el flujo FP8 optimizado en AlpaSim, una diferencia que ilustra por qué el formato y la pila de software son centrales para el uso a bordo.
El socio Embedl afirmó que alcanzó 10 Hz en DRIVE AGX Thor en menos de 48 horas, un resultado que corresponde a su implementación y no debe confundirse con la medición de NVIDIA. Para ejecuciones en una GPU de estación de trabajo, la tarjeta recomienda al menos 16 GB de memoria; NVIDIA midió un máximo de 12,06 GiB de memoria de proceso en una H100 con seis candidatos de trayectoria, y no validó otras arquitecturas de GPU.
Resultados de simulación y límites de las comparaciones
El resultado más destacado de Alpamayo 2 Edge aparece en la conducción de bucle cerrado dentro de AlpaSim. La tarjeta informa 15,15 kilómetros recorridos por incidente con culpa, con una variación de ±0,04 kilómetros, en 875 escenarios NuRec y tres recorridos de evaluación; NVIDIA compara ese dato con 0,25 kilómetros para Qwen-Drive-1.0 4B.
La diferencia equivale a unas 60 veces más distancia antes de un incidente con culpa en esa comparación específica. Sin embargo, ambos valores corresponden a ejecuciones propias de NVIDIA, y la misma documentación advierte que distintas fuentes presentan métricas de AlpaSim diferentes, como kilómetros por incidente, puntuación AlpaSim o puntuación de responsabilidad; por ello, no conviene tratarlas como equivalentes.
En predicción de trayectoria de bucle abierto, la tarjeta registra un minADE de 0,52 metros a cinco segundos sobre 1.392 muestras PhysicalAI-AV. El resumen comparativo del artículo fuente también consigna 0,53 metros frente a 1,68 metros para Qwen-Drive-1.0, cifras que pertenecen a esa comparación y no deben mezclarse con el resultado de kilómetros por incidente obtenido en simulación cerrada.
Las pruebas de preguntas y razonamiento ofrecen un panorama menos uniforme. Alpamayo 2 Edge alcanza 75,2 en LingoQA con Lingo-Judge, por debajo de 79,2 para Alpamayo 2 Super y 74,2 para Alpamayo 1.5; Qwen-Drive-1.0 reporta 79,4 en su propia tarjeta para la variante SFT, un dato autoinformado que no establece por sí solo una comparación controlada.
La tarjeta añade puntuaciones de 86,50 en SURDS, 89,46 en KITScenes scene y 48,67 en razonamiento numérico nuReasoning. Estas métricas cubren tareas distintas, por lo que no forman una clasificación única de capacidad: el buen resultado de conducción cerrada no implica que el modelo lidere en preguntas sobre escenas o razonamiento numérico.
Licencia, familia Alpamayo y próximos pasos
Alpamayo 2 Edge forma parte de una familia que incluye Alpamayo 2 Super, un modelo de 34.000 millones de parámetros planteado como sistema de nube y profesor, y Alpamayo 1.5, de 10.000 millones. La diferencia de enfoque es relevante: Edge busca operar dentro del vehículo con recursos y latencia acotados, mientras que sus modelos mayores se orientan a escenarios distintos y no son comparables únicamente por el número de parámetros.
Junto con Edge, NVIDIA presentó AlpaJudge, un evaluador calibrado con intervención humana para analizar trazas de razonamiento. La compañía indica que el sistema puede puntuar trazas, filtrar datos de entrenamiento y aportar recompensas al aprendizaje por refuerzo; al usarlo como recompensa, el equipo reportó mejoras de 10,2% según el juez y 11,4% según evaluadores humanos.
Los pesos de Alpamayo 2 Edge usan la licencia OpenMDW-1.1, mientras que el código emplea Apache 2.0, y el modelo admite ajuste fino. La información de lanzamiento también señala que el código de inferencia está disponible en GitHub, aunque la operación optimizada en Thor requiere seguir la receta técnica de NVIDIA en lugar de asumir que los pesos BF16 ofrecen por sí solos el rendimiento en tiempo real.
El lanzamiento, fechado el 10 de noviembre de 2026 en la información del modelo, apuesta por llevar la planificación basada en razonamiento a una plataforma dentro del auto. Sus resultados son prometedores en simulación y la latencia reportada muestra el efecto de la optimización, pero la validación disponible se concentra en un hardware y una configuración específicos, de modo que no equivale a una demostración general de desempeño en todos los vehículos o condiciones.
Para evaluar el alcance de Alpamayo 2 Edge, conviene distinguir entre la arquitectura anunciada, las pruebas cerradas de AlpaSim y la implementación en DRIVE Thor. La combinación de trayectorias, explicación adaptativa y baja latencia constituye el principal atractivo técnico; la dependencia de FP8 y TensorRT, las métricas dispares y la validación limitada delimitan lo que los resultados permiten concluir.
Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.
Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.
ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.
Suscríbete a nuestro boletín
Artículos Relacionados
Empresas
La demanda eléctrica de los centros de datos crece casi diez veces más rápido que la red de EE. UU.
AltCoins
FET el 22 de noviembre de 2026: rebote diario frente a una tendencia bajista
IA
Tesla despliega FSD v15 y estrena una Reality View rediseñada
Economía