Aller au contenu principal
Robotique · Actu ·

NVIDIA lance Alpamayo 2 Edge, un modèle vision-langage-action de 2 milliards de paramètres pour DRIVE Thor

NVIDIA a publié Alpamayo 2 Edge, un modèle vision-langage-action (VLA) de raisonnement destiné à la conduite autonome et conçu pour tourner dans le véhicule, sur la plateforme NVIDIA DRIVE AGX Thor plutôt que sur un GPU de centre de données. Annoncé à 2 milliards de paramètres (2,45 milliards pour le backbone, composé d'un modèle de langage de 1,96 milliard et d'un encodeur SigLIP2 de 0,41 milliard, plus 0,2 milliard pour l'expert d'action à diffusion), le modèle apparaît à 3 milliards dans les métadonnées de Hugging Face. Il lit 6 caméras et 22 images par observation, ainsi qu'une instruction de navigation et 20 poses passées du véhicule, puis produit 64 points de trajectoire couvrant 6,4 secondes, accompagnés d'une trace de raisonnement « Chain-of-Causation ». Selon NVIDIA, la latence entre pixels et trajectoire se situe entre 160 et 190 ms. Dans la simulation AlpaSim, le modèle parcourt 15,15 km entre deux incidents imputables, contre 0,25 km pour Qwen-Drive-1.0 4B d'Alibaba, soit environ 60 fois plus, avec une erreur minADE de 0,53 m contre 1,68 m. Ces chiffres proviennent des propres tests de NVIDIA. Le modèle obtient aussi 75,2 sur LingoQA, 86,50 sur SURDS, 89,46 sur KITScenes et 48,67 sur nuReasoning numérique.

3 min de lecture

Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie

Source

Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →

L'intérêt tient à la possibilité de faire du raisonnement explicite à bord, dans les limites de calcul et de latence d'un véhicule, là où ce type de modèle restait jusqu'ici cantonné au cloud. Le raisonnement adaptatif y contribue : en conduite routinière, le modèle émet de simples jetons spéciaux <NOMINAL> et ne rédige une explication complète que lorsque la scène l'exige, ce qui réduit le calcul par cycle de planification. Les écarts de performance sont nets : en PyTorch BF16, la planification tourne à 0,76 Hz, contre 13,02 Hz avec le pipeline FP8 optimisé sur Thor dans AlpaSim. Le partenaire Embedl affirme avoir atteint 10 Hz sur AGX Thor en moins de 48 heures, signe d'une intégration relativement rapide pour les constructeurs et équipementiers. Les limites sont toutefois réelles : seule une carte H100 80 Go a été validée (12,06 Gio de mémoire en pointe, au moins 16 Go recommandés), d'autres architectures GPU n'étant pas encore testées, et la vitesse temps réel sur Thor suppose la recette FP8 complète. Sur le raisonnement en questions-réponses, le modèle reste en retrait de son grand frère Alpamayo 2 Super, qui obtient 79,2 sur LingoQA.

Alpamayo 2 Edge est le membre embarqué de la famille Alpamayo, aux côtés du modèle cloud de 34 milliards de paramètres Alpamayo 2 Super. Son backbone, issu de NVIDIA Cosmos 3 Edge et fondé sur Nemotron, a été entraîné par distillation hors ligne à partir d'annotations de causalité générées par Super, sur environ 115 000 heures de vidéo multicaméra et 3,7 millions de traces de raisonnement. Une phase de post-entraînement par apprentissage par renforcement en boucle fermée dans AlpaGym, ainsi que des entrées multirésolution pour alléger l'encodage des vues périphériques, complètent la recette. Le déploiement s'appuie sur DRIVE AGX Thor-X, DRIVE OS 7.2.7.0, CUDA 13.4 et TensorRT 11.3.1.9, avec calibrage FP8, export ONNX et moteurs TensorRT Edge-LLM. Cette publication s'inscrit dans la course aux modèles de conduite à raisonnement, où NVIDIA se mesure à des acteurs comme Alibaba. La suite dépendra de validations indépendantes, car les résultats publiés reposent surtout sur des simulations et des évaluations menées par NVIDIA elle-même.

Impact France / UEChamp produit par Le Fil IA

Les constructeurs et équipementiers automobiles européens pourraient intégrer ce modèle embarqué sur DRIVE AGX Thor, sans qu'aucun acteur français ou européen ne soit cité.

À lire ensuite

01NVIDIA lance Alpamayo 2 Super, un modèle vision-langage-action open source de 34 milliards de paramètres pour robotaxis et conduite autonomeMarkTechPostRobotique 02NVIDIA lance Cosmos 3 Edge, un modèle de monde ouvert à 4 milliards de paramètres capable de raisonner et de générer des actions robotiques en localMarkTechPostRobotique 03Black Forest Labs lance FLUX 3 Action, un modèle d'action pour le monde réel en poids ouverts de 7 milliards de paramètres, en tête de RoboLab-120MarkTechPostRobotique 
Dossier · NVIDIASuivi en continu par Le Fil IASuivre ce sujet →

Le brief du matin

L'essentiel de l'IA chaque jour. Gratuit, désinscription immédiate à tout moment.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription à tout moment

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.