انویدیا گزارش می‌دهد که Alpamayo 2 Edge، یک مدل بینایی–زبان–عمل با ۲ میلیارد پارامتر برای رانندگی خودکار، پس از بهینه‌سازی استنتاج می‌تواند ورودی دوربین‌ها را روی DRIVE AGX Thor-X در ۱۶۰ تا ۱۹۰ میلی‌ثانیه به مسیرهای برنامه‌ریزی‌شده تبدیل کند. مقاله توسعه‌دهندگان این شرکت، منتشرشده در ۱۰ نوامبر ۲۰۲۶، نتایج مهندسی شرکت و یک آموزش عملی را ارائه می‌کند؛ منبع ارائه‌شده هیچ وضعیت داوری علمی را تأیید نمی‌کند.
این مدل یک هسته استدلال مبتنی بر Nemotron را با مدلی از نوع انتشار برای تولید مسیر ترکیب می‌کند. ورودی‌های آن شامل مشاهدات دوربین‌های پیرامونی، سابقه حرکت خودرو و دستورهای مسیریابی است. استدلال تطبیقی به مدل اجازه می‌دهد هنگام نیاز توضیح‌های علّی تولید کند و در موقعیت‌های دیگر توکنی برای رانندگی عادی صادر کند؛ روشی که تولید متن و محاسبات را کاهش می‌دهد. آموزش شامل تقطیر از Alpamayo 2 Super و یادگیری تقویتی حلقه‌بسته در AlpaGym است؛ محیطی که سیاست رانندگی در آن از پیامدهای اعمال خود در شبیه‌سازی می‌آموزد.
انویدیا بهبود ۴۸٫۹ درصدی عملکرد رانندگی حلقه‌بسته را نسبت به بهترین نقطه ذخیره‌شده مدل بدون یادگیری تقویتی حلقه‌بسته گزارش می‌کند. بااین‌حال، مقاله این معیار عملکرد را تعریف نمی‌کند و امتیازهای مطلق، تعداد موارد ارزیابی یا عدم‌قطعیت را ارائه نمی‌دهد. شرح یک شکل نیز فاصله طی‌شده میان رخدادهای همراه با تقصیر خودرو در AlpaSim را حدود ۴۰ برابر مدل ۴ میلیارد پارامتری Qwen-Drive-1.0 گزارش می‌کند. فاصله‌های مطلق، تعداد رخدادها و میزان رانندگی انجام‌شده ذکر نشده‌اند و این کمبودها تفسیر مقایسه را محدود می‌کنند.
زمان تأخیر گزارش‌شده به میزان استدلال تولیدشده وابسته است. پیکربندی مرجع از DRIVE OS 7.2.7.0، CUDA 13.4 و TensorRT 11.3.1.9، همراه با کالیبراسیون FP8، موتورهای TensorRT و رمزگشایی حدسی DFlash2 استفاده کرده است. دستورالعمل استقرار، خروجی‌های بهینه‌شده را با مرجع BF16 در PyTorch، با ورودی‌های یکسان و نویز تولید عمل با بذر تصادفی مشخص، مقایسه می‌کند؛ اما مقاله نتایج کمّی حفظ کیفیت یا توزیع زمان تأخیر را ارائه نمی‌دهد. فرمان نمونه شامل یک اجرای گرم‌سازی و پنج تکرار است؛ این تکرارها نه مبنای نمونه‌گیری بازه گزارش‌شده را روشن می‌کنند و نه سناریوهای مستقل رانندگی به شمار می‌روند. این بازه همچنین رعایت مهلت پاسخ‌گویی در بدترین حالت یا زمان تأخیر کل سامانه خودرو را اثبات نمی‌کند.
انویدیا همچنین AlpaJudge را معرفی می‌کند؛ ارزیابی که برای امتیازدهی به استدلال، انتخاب نمونه‌های آموزشی و تأمین پاداش یادگیری تقویتی به کار می‌رود. نسخه مبتنی بر مرجع، میزان توافق با پاسخ ارائه‌شده را می‌سنجد؛ نسخه بدون مرجع از فریم‌های دوربین و زمینه اعمال برای ارزیابی توضیح بر اساس معیارهای آموخته‌شده استفاده می‌کند. یک آزمون اولیه عملکرد نرم‌افزار در نوت‌بوک، با توضیح و زمینه اعمالی که به‌صورت دستی نوشته شده بودند، به‌ترتیب امتیازهای ۰٫۹۹۹ و ۰٫۸۴۲ را برگرداند. این اعداد کارکرد نرم‌افزار را نشان می‌دهند، نه دقت در کل جامعه موارد یا رانندگی ایمن را. منبع از کالیبراسیون با قضاوت انسانی سخن می‌گوید، اما تعداد نمونه‌های اعتبارسنجی یا آمار توافق را ارائه نمی‌کند.
این نتایج مسیری برای گنجاندن برنامه‌ریزی مبتنی بر استدلال در محدودیت‌های محاسباتی داخل خودرو ترسیم می‌کنند، اما پرسش‌های مهم اعتبارسنجی همچنان باز هستند. تعداد نمونه‌های ارزیابی، ترکیب سناریوها، هم‌پوشانی با داده‌های آموزشی و استقلال سناریوها گزارش نشده‌اند. بهبودهای شبیه‌سازی، ایمنی در دنیای واقعی یا آمادگی برای استقرار را اثبات نمی‌کنند و گزارش‌های اولیه شرکا نیز فاقد روش‌های بازتولیدپذیر و اطلاعات عدم‌قطعیت‌اند. در اینجا فقط متن و شرح شکل‌ها در دسترس بود؛ بنابراین سایر مقادیر ترسیم‌شده در نمودارهای ارزیابی قابل بررسی نبودند.
تصویر جلد با هوش مصنوعی تولید شده و تصویرسازی مفهومی است؛ مدرک پژوهش نیست.