Nvidia Представляє Alpamayo-R1: Відкриту Модель Міркування VLA для «Фізичного ШІ»

Компанія Nvidia офіційно представила свою нову розробку, Alpamayo-R1 (AR1), на конференції зі штучного інтелекту NeurIPS. Ця подія знаменує собою важливий технічний етап у стратегічному зсуві, який декларує генеральний директор Дженсен Хуанг, а саме – перехід до «Фізичного ШІ». Йдеться про розгортання інтелектуальних систем, які безпосередньо керують машинами, що взаємодіють із фізичним світом. AR1 позиціонується як відкрита модель мови для візуального міркування, мета якої — дозволити системам автономного водіння відійти від жорстких, заздалегідь запрограмованих правил. Замість цього, вони мають перейти до більш людяного, інтуїтивного процесу прийняття рішень, що ґрунтується на здоровому глузді. Модель демонструє практичний шлях для досліджень, спрямованих на досягнення рівня автономності 4 (повне самостійне керування в чітко визначених умовах).

Ключовим технологічним проривом у AR1 є її архітектура системи «Бачення-Мова-Дія» (VLA). Цей конвеєр обробляє візуальні дані, отримані з камер, паралельно з вхідними даними природною мовою. Він інтегрує інтерпретоване міркування за ланцюгом причинності безпосередньо у планування траєкторії руху. Завдяки використанню цієї вдосконаленої системи міркування, AR1 ефективно долає відому крихкість традиційних моделей імітаційного навчання «наскрізного» типу. Особливо це стосується непередбачуваних, критичних для безпеки дорожніх ситуацій, де розуміння причинно-наслідкових зв'язків часто є обмеженим.

Замість того, щоб просто реагувати на миттєві подразники, як це роблять старіші системи, AR1 здатна оцінювати складні обставини та прогнозувати рухи інших учасників дорожнього руху. Цей систематичний підхід до міркування забезпечив значні покращення точності планування порівняно з базовими моделями, які оперували лише траєкторіями, навіть у складних симуляційних середовищах. Крім того, під час реальних дорожніх випробувань на бортових системах було підтверджено продуктивність у режимі реального часу з низькою затримкою, що є критично важливим для безпеки.

Для стимулювання широкого впровадження цієї архітектури та розвитку екосистеми, Nvidia одночасно випустила у відкритий доступ на GitHub ресурс під назвою Cosmos Cookbook. Цей комплексний пакет містить необхідні посібники, інструменти та робочі процеси. Вони спеціально розроблені, щоб допомогти розробникам ефективно розгортати та доналаштовувати базову платформу Cosmos для застосування у різноманітних сферах, включаючи робототехніку та автономні системи. Такий стратегічний крок, що включає публікацію ваг моделі та супутніх інструментів, міцно закріплює позиції Nvidia як постачальника фундаментальних технологій. Це підсилює амбіції компанії зробити своє апаратне та програмне забезпечення незамінним хребтом для наступної революційної фази взаємодії машин.