AI & MACHINE LEARNING

NVIDIA เปิดตัว Alpamayo 2 Super: โมเดล AI 34B สำหรับการขับขี่อัตโนมัติที่เน้นกระบวนการให้เหตุผล

NVIDIA Technical Blog04 Aug 2026
1 min read
Key Takeaways
  • NVIDIA Alpamayo 2 Super มอบโมเดลพื้นฐานแบบครบวงจรสำหรับการขับขี่อัตโนมัติที่รวมทั้งการรับรู้ การให้เหตุผล และการวางแผนวิถีการเคลื่อนที่ไว้ในหนึ่งเดียว

ทำไมเรื่องนี้ถึงสำคัญ

ในระบบขับขี่อัตโนมัติ การเข้าใจว่า 'ทำไม' รถถึงตัดสินใจเป็นเรื่องสำคัญพอๆ กับ 'ทำไม' รถถึงทำเช่นนั้น Alpamayo 2 Super ช่วยให้นักพัฒนาสามารถตรวจสอบกระบวนการคิดของ AI ได้ง่ายขึ้น ช่วยลดความซับซ้อนในการแยกส่วนโมเดลและเพิ่มความปลอดภัยในการใช้งานจริง

NVIDIA แนะนำ Alpamayo 2 Super โมเดล AI รุ่นล่าสุดที่ออกแบบมาเพื่อปฏิวัติการพัฒนาระบบขับขี่อัตโนมัติ (AV) โดยเฉพาะ โมเดลนี้มีขนาด 34 พันล้านพารามิเตอร์ ซึ่งเป็นการผสมผสานระหว่าง Cosmos 3 Super Reasoner (32B) และ Action Expert (2B) ที่ใช้เทคนิคการกระจายตัว (Diffusion-based) ในการสร้างวิถีการขับเคลื่อน จุดเด่นของ Alpamayo 2 Super คือความสามารถในการให้เหตุผลผ่าน Chain-of-Causation (CoC) ซึ่งจะอธิบายว่าเหตุใดรถยนต์ถึงเลือกตัดสินใจอย่างใดอย่างหนึ่งจากสภาพแวดล้อมที่เห็นผ่านกล้องรอบทิศทาง 7 ตัว

โมเดลนี้ไม่เพียงแค่คาดการณ์ตำแหน่งของรถในอนาคต แต่ยังสามารถตอบคำถามเกี่ยวกับสิ่งที่เกิดขึ้นในฉาก ระบุเจตนาการขับขี่ เช่น การหยุดรอหรือเปลี่ยนเลน และสร้างป้ายข้อมูล (Auto-labeling) สำหรับชุดข้อมูลการขับขี่ได้โดยอัตโนมัติ ผลการทดสอบพบว่า Alpamayo 2 Super ทำคะแนนเป็นอันดับหนึ่งในตาราง LingoQA และมีค่าความคลาดเคลื่อนในการทำนายตำแหน่ง (minADE) ที่ต่ำมาก ซึ่งแสดงถึงความแม่นยำสูงในระดับที่พร้อมสำหรับการนำไปเป็นนโยบายต้นแบบ (Policy Teacher) หรือใช้ในการประเมินผลนโยบายอื่น

สรุปประเด็นหลัก

โมเดล VLA ขนาด 34B ที่รวมการให้เหตุผล (Reasoning) และการสั่งการ (Action) ไว้ด้วยกัน

รองรับการรับรู้ 360 องศาจากกล้องสูงสุด 7 ตัว พร้อมการสร้างเหตุผลประกอบ (Chain-of-Causation)

ทำคะแนนเป็นอันดับ 1 ในการทดสอบ LingoQA แซงหน้าโมเดลขนาดใหญ่กว่าอย่าง Qwen และ Gemini

นวัตกรรมและเทคโนโลยี

models

Chain-of-Causation Reasoning

ระบบสร้างคำอธิบายขั้นตอนการตัดสินใจขับขี่เพื่อความโปร่งใสและการตรวจสอบที่ง่ายขึ้น

vision

360-degree Perception

ความสามารถในการประมวลผลข้อมูลวิดีโอจากกล้อง 7 ตัวรอบทิศทางพร้อมกัน

tools

Auto-labeling Engine

ระบบช่วยติดป้ายข้อมูลสถานการณ์การขับขี่โดยอัตโนมัติเพื่อใช้ในการเทรนโมเดลอื่นต่อไป

Developer Impact
วิศวกรด้านระบบขับขี่อัตโนมัติสามารถใช้โมเดลนี้เป็นฐานในการสอนนโยบาย (Policy Teaching) หรือใช้เป็นระบบประเมินผลอัตโนมัติ (Evaluation Critic) เพื่อเร่งความเร็วในการพัฒนาซอฟต์แวร์ควบคุมรถยนต์
Keywords
#nvidia #autonomous-vehicles #vla-model #reasoning #alpamayo
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

NVIDIA Technical Blog