NVIDIA、自動運転向け340億パラメータの推論モデル「Alpamayo 2 Super」を公開

何が発表されたのか

米NVIDIAは2026年8月4日、ロボタクシーや自動運転車（AV）のシステム開発を支援する、最先端のオープン推論モデル「Alpamayo 2 Super」を発表しました。本モデルは、複雑な現実世界の運転シナリオに対応するために設計された「ビジョン・ランゲージ・アクション（VLA）」モデルの一種です。340億（34B）のパラメータ数を誇り、360度の全方位認識、高度な運転意思決定、そしてその判断に至った理由を言語化して説明する「自動推論ラベル」の生成機能を備えています。

今回の発表における最大の特徴は、研究段階のプロトタイプではなく、すでにAIモデル共有プラットフォームである「Hugging Face」を通じて、商用利用可能なオープンモデルとして一般提供（GA）が開始されている点です。開発者は、NVIDIAが構築したこの強力な基盤モデルをベースに、独自の自動運転システムやロボタクシーの制御アルゴリズムを構築・カスタマイズすることができます。

発表された機能・アップデートの全容

公開されたデモ動画からは、実車（メルセデス・ベンツのセダン、カリフォルニア州ナンバー「107W814」など）を用いたサンフランシスコ市街地での実走行テストの様子とともに、Alpamayo 2 Superが備える極めて高度な認知・推論能力が明らかになりました。以下に、その主要な機能とアップデートの全容を詳細に解説します。

3Dグラウンデッド視覚質問応答（Grounded Visual Question Answering）

Alpamayo 2 Superは、単にカメラ映像から物体を検出するだけでなく、映像内の特定のオブジェクトと空間的な位置関係を紐付けて理解する「Grounded Visual Question Answering（グラウンデッド視覚質問応答）」に対応しています。デモ画面では、前方を走る車両や道路脇の歩行者を緑色の3Dバウンディングボックスおよびセグメンテーションマスクで正確に捉え、それらが自車の走行にどのように影響するかをリアルタイムに解析しています。これにより、AIは「どの車両が割り込んでくるか」「どの歩行者が道路を横断しようとしているか」を空間的に把握することができます。

意思決定の背景を言語化する「推論生成（Reasoning Generation）」

従来のディープラーニングを用いた自動運転システムは、判断のプロセスがブラックボックス化しやすいという課題を抱えていました。Alpamayo 2 Superはこの課題に対し、自らが行う運転操作の「理由」を自然言語のテキストとしてリアルタイムに生成する「Reasoning Generation（推論生成）」機能を実装しています。例えば、コーンで規制された工事区間を走行するシーン（動画0:20付近）では、"Keep lane to follow the temporary corridor created by the construction cones."（工事用コーンによって作られた一時的な通路に従うために車線を維持する）という詳細な推論テキストを出力しています。これにより、システムの安全性と説明責任（アカウンタビリティ）が大幅に向上します。

運転操作を定義する「メタアクション（Meta Actions）」の出力

モデルは推論結果に基づいて、車両が取るべき具体的な行動指針である「Meta Actions（メタアクション）」を生成します。動画内では、以下のような具体的な制御命令がテキストと連動して出力される様子が描かれています。

• "Nudge left to clear the vehicle."（車両を避けるために左に寄る）
• "Yield to the cut-in vehicle."（割り込み車両に道を譲る）
• "Yield to the pedestrian crossing the lane."（車線を横断する歩行者に道を譲る）
• "Nudge left due to the stationary lead vehicle ahead blocking our lane."（前方の停車車両が車線を塞いでいるため、左に寄って回避する）
• "Decelerate, stop if the ball or pedestrians pose a risk."（ボールや歩行者が危険をもたらす場合は減速・停止する）

これらのメタアクションは、車両のステアリングやブレーキを制御する下位のプランナー（軌跡計画システム）に直接引き渡され、スムーズな走行を実現します。動画内では、実際にボールが道路に転がり出てきた直後、物陰から子供が飛び出してくる危険なシーン（動画0:34付近）において、システムが即座に「Stop for the pedestrian」と判断し、安全に急停車する様子が示されています。

340億パラメータへの規模拡大と「Alpamayo」シリーズの系譜

NVIDIAはこれまで、車載エッジデバイス向けに軽量なモデルを展開してきました。動画内（0:16付近）で示されたロードマップによると、従来モデルである「Alpamayo 1」および「Alpamayo 1.5」は、100億（10B）パラメータおよび200億（20B）パラメータの「Nano」サイズとして提供されていました。これに対し、今回発表された「Alpamayo 2 Super」は、一気に340億（34B）パラメータへと規模を拡大しています。モデル規模の拡大（スケーリング）により、複雑な都市部での合流や、予測困難な歩行者の挙動に対する「フロンティアスケールでの推論（Reasoning at Frontier Scale）」が可能になりました。

360度マルチカメラ認識と3D物体セグメンテーション

走行デモでは、車両の全周囲を取り囲む複数のカメラ映像（マルチカメラ入力）を、Alpamayo 2 Superが統合して処理している様子が描かれています（動画0:22付近のマルチ画面）。フロントカメラだけでなく、サイドやリアの映像も同時に解析することで、死角を最小限に抑えた360度の状況把握を実現しています。また、検出された物体（UPSの配送トラック、並走する乗用車、道路を横断する歩行者など）は、高精度な3Dセグメンテーション技術によって瞬時に色分けされ、それぞれの進行方向や速度ベクトルが計算されています。これにより、統合的な軌跡予測（Trajectory Prediction）のグラフがシームレスに更新され、自車の最適な走行ルートがミリ秒単位で再計算されます。