انواع جدید مدلها و ابزارهای متنباز انویدیا برای خودروهای خودران: Alpamayo، AlpaSim و مجموعهدادهای با ۱۷۰۰ ساعت رانندگی
در جریان نمایشگاه CES 2026، انویدیا از خانوادهای جدید از مدلهای متنباز هوش مصنوعی، ابزارهای شبیهسازی و مجموعهدادههای آموزشی رونمایی کرد که هدفشان آموزش و توانمندسازی رباتها و وسایل نقلیه فیزیکی است تا بتوانند موقعیتهای پیچیده رانندگی را بهتر درک، استدلال و مدیریت کنند. جنسِن هوانگ، مدیرعامل انویدیا، در بیانیهای این تحرک را «لحظهٔ ChatGPT برای هوش مصنوعی فیزیکی» توصیف کرده و گفته است: «Alpamayo به خودروهای خودران قابلیتی میدهد تا استدلال کنند، سناریوهای نادر را تحلیل نمایند، در محیطهای پیچیده با ایمنی بیشتری رانندگی کنند و تصمیمات رانندگیشان را توضیح دهند.»
Alpamayo 1: مدل ۱۰ میلیارد پارامتری مبتنی بر استدلال
هستهٔ این خانواده را مدل Alpamayo 1 تشکیل میدهد؛ یک مدل ۱۰ میلیارد پارامتری از نوع دید-زبان-عمل (VLA) که مبتنی بر روش «تفکر زنجیرهای» طراحی شده است تا خودروهای خودران بتوانند مانند انسانها مسائل پیچیده را گامبهگام شکسته، گزینهها را مقایسه و امنترین مسیر را انتخاب کنند. علی کانی، معاون بخش خودرو در انویدیا، در نشست خبری توضیح داد: «این مدل مسائل را به مراحل جزئی تقسیم میکند، تمام احتمالات را بررسی میکند و سپس ایمنترین راهحل را انتخاب مینماید.» کد پایهٔ Alpamayo 1 بهصورت متنباز در پلتفرم Hugging Face منتشر شده و توسعهدهندگان میتوانند آن را برای کاربردهای خاص خود تنظیم (فاینتیون) یا به نسخههای کوچکتر و سریعتر تبدیل کنند تا در پیادهسازیهای واقعی در خودروها قابلاستفاده باشد.
ابزارهای عملیاتی برای توسعه و ارزیابی سامانههای رانندگی
انویدیا تاکید کرده که Alpamayo نه تنها برای ساخت مدلهای پیچیده کاربرد دارد، بلکه میتوان از آن برای ایجاد ابزارهایی مانند سیستمهای خودکار برچسبگذاری ویدیو (auto-labeling) و ارزیابیکنندههایی که تصمیمات خودرو را از منظر هوشمند بودن و ایمنی بررسی میکنند، بهره برد. افزون بر این، توسعهدهندگان میتوانند از Cosmosis (خط محصول انویدیا برای مدلهای مولد جهان مجازی) برای تولید دادههای مصنوعی استفاده کنند و ترکیبی از دادههای واقعی و مصنوعی را برای آموزش و آزمون سامانههای مبتنی بر Alpamayo بهکار گیرند.
مجموعهداده و شبیهساز متنباز: ۱۷۰۰ ساعت داده و AlpaSim
بهعلاوه، انویدیا یک مجموعهدادهٔ متنباز شامل بیش از ۱۷۰۰ ساعت دادهٔ رانندگی منتشر کرده است که شرایط جغرافیایی و محیطی متنوع و سناریوهای نادر و پیچیده دنیای واقعی را در بر میگیرد—منبعی ارزشمند برای آموزش و آزمایش مدلها در شرایط لبهای. همزمان، AlpaSim بهعنوان یک چارچوب شبیهسازی متنباز برای اعتبارسنجی سامانههای رانندگی خودران عرضه شده است. AlpaSim که روی GitHub در دسترس است، با بازتولید دقیق حسگرها، ترافیک و شرایط واقعی رانندگی، به توسعهدهندگان امکان میدهد تا سیستمها را در مقیاس وسیع و با امنیت کامل آزمایش و اعتبارسنجی کنند.
پیامدها برای صنعت و ایمنی
انتشار متنباز Alpamayo، AlpaSim و مجموعهدادهٔ گسترده میتواند سرعت نوآوری در حوزه خودروهای خودران را افزایش دهد، امکان اشتراکگذاری نتایج پژوهشی و بهبود شفافیت را فراهم آورد و ابزارهای ارزیابی و تکرارپذیری را برای جوامع تحقیقاتی و صنعتی تقویت کند. همچنین تمرکز بر توانایی مدلها برای «توضیح تصمیمات» میتواند به افزایش اعتماد عمومی و پشتیبانی از فرایندهای تنظیم مقررات و بررسی ایمنی کمک کند.
برای توسعهدهندگان و شرکتهای خودروسازی، دسترسی به کد و شبیهسازهای متنباز به معنی کاهش هزینههای ابتدای توسعه، تسریع چرخههای آزمایش و امکان بهرهگیری از ترکیب دادههای واقعی و مصنوعی برای پوشش بهتر سناریوهای نادر است—نقطهای که بهویژه برای تضمین ایمنی در شرایط پیچیده و غیرمنتظره اهمیت دارد.