NVIDIA、自動運転向け推論VLAモデル「Alpamayo-R1」などをNeurIPSでオープンソース公開

NVIDIA DRIVE Alpamayo-R1は、自動運転研究向けに設計されたオープンな視覚言語行動（VLA）推論モデルです。歩行者が密集する交差点や路上駐車の回避といった複雑な状況において、人間のドライバーのような常識的な判断力を自律走行システムに与えることを目的としています。

従来の自動運転モデルはセンサーデータから直接操作コマンドを出力するケースが多く、想定外の状況に対応しにくい課題がありました。Alpamayo-R1は思考の連鎖（Chain-of-Thought）推論を組み込み、判断プロセスを論理的なステップに分解して処理します。

何ができるのか

複雑な道路環境に直面した際、Alpamayo-R1はまず周囲の状況を把握し、取り得る走行軌道を複数シミュレーションした上で最適なルートを導き出します。

例えば自転車専用レーンに隣接する混雑した市街地では、自転車から距離を取る軌道を計画すると同時に、「なぜこの行動を選択したのか」という論理的な説明（推論トレース）を内部で生成して走行計画に反映させます。

本モデルはNVIDIAのCosmos Reasonを基盤としており、強化学習による事後学習を施すことで、事前学習モデルに比べて推論能力が大幅に向上しています。

あわせて、自動運転シミュレーション用のLiDARデータを生成する世界モデル「LidarGen」や、動画モデルからロボットポリシーを生成する「Cosmos Policy」などのフィジカルAIツール群も公開されました。さらに、重なり合う会話を聞き分ける「MultiTalker Parakeet」や話者分離モデル「Sortformer」、AIセーフティ向けの推論モデルなども同時に提供されています。

入手方法と公開範囲

Alpamayo-R1はGitHubおよびHugging Faceで公開されており、非商用の研究目的で自由に利用できます。

評価環境としてオープンソースフレームワーク「AlpaSim」が用意されているほか、学習と評価に使用されたデータセットの一部が「NVIDIA Physical AI Open Datasets」として提供されています。また、データキュレーションから事後学習までのワークフローをまとめた「Cosmos Cookbook」も参照可能です。

合成データ生成と精緻化を担う「NeMo Data Designer Library」はApache 2.0ライセンスでオープンソース化されており、強化学習環境の構築を支援する「NeMo Gym」も利用できます。

なぜ重要か

自動運転の意思決定をブラックボックスから解き放ち、推論可能なVLAモデルをオープンにした点に大きな価値があります。L4自動運転やロボティクスの研究者が、独自に大規模基盤モデルを構築することなく推論ベースの走行計画を検証できるようになります。

ライセンスが非商用研究用途に限定されている点には留意が必要ですが、複雑な交通状況への対応や説明可能な自律走行モデルを研究している開発チームにとっては、まず試してみるべき強力なベースラインとなるはずです。