NVIDIA Technical Blog · 04.08.2026 ·ИИ в бизнесе

NVIDIA представила Alpamayo 2 Super для автоматизации разработки беспилотного транспорта

NVIDIA выпустила Alpamayo 2 Super — комплексную систему для обучения автономных транспортных средств, объединяющую генерацию траекторий, логические цепочки рассуждений и автоматическую разметку данных. Решение позволяет заменить разрозненные модели единым конвейером, что значительно ускоряет подготовку обучающих выборок и повышает точность предсказания намерений участников дорожного движения в сложных сценариях.

Традиционный подход к созданию беспилотников требует использования отдельных нейросетей для понимания сцены, прогнозирования поведения объектов и планирования маршрута. Alpamayo 2 Super переходит к парадигме сквозного обучения, где модель не только предсказывает физическое перемещение, но и генерирует интерпретируемые цепочки рассуждений. Это помогает инженерам лучше понимать логику принятия решений ИИ-системой в критических ситуациях.

Особое внимание в обновлении уделено автоматизации подготовки данных. Система способна самостоятельно генерировать высококачественные метки для огромных массивов неразмеченного видео, что снижает зависимость от ручного труда разметчиков. Инструментарий интегрирован в экосистему NVIDIA DRIVE, обеспечивая бесшовный переход от симуляции к реальным дорожным испытаниям.

Ключевые факты

Система объединяет генерацию траекторий, предсказание намерений и понимание сцены в единый процесс.
Внедрена функция генерации логических цепочек (reasoning traces), повышающая прозрачность работы модели.
Автоматизация разметки данных позволяет масштабировать обучение на основе неструктурированных видеопотоков.
Решение оптимизировано для работы в рамках платформы NVIDIA DRIVE, ускоряя цикл разработки беспилотных систем.
Технология направлена на снижение сложности архитектуры при сохранении высокой точности предсказаний в динамических условиях.

Источник: NVIDIA Technical Blog

Обсудить с ИИ

Похожие материалы

MarkTechPost · Инфраструктура для агентов NVIDIA выпустила DeepStream 9.1 с поддержкой агентных навыков для видеоаналитики NVIDIA представила обновление платформы DeepStream 9.1, интегрирующее агентные возможности в системы компьютерного зрения. Теперь разработчики могут использовать LLM-агентов для автоматического создания сложных пайплайнов видеоаналитики через естественный язык. Релиз включает 13 специализированных навыков, инструменты для 3D-трекинга объектов с нескольких камер и автоматическую калибровку оборудования, что значительно упрощает развертывание масштабных систем мониторинга. MarkTechPost · Машинное обучение Оптимизация обучения трансформеров с помощью NVIDIA Transformer Engine NVIDIA представила руководство по ускорению обучения трансформеров с использованием Transformer Engine, объединенных ядер (fused kernels) и форматов данных BF16 и FP8. Технология позволяет значительно повысить производительность GPT-подобных моделей при работе в PyTorch, сокращая время вычислений за счет эффективного управления памятью и использования аппаратных возможностей GPU архитектуры Hopper. The Decoder · Инференс и железо Meituan обучила модель на 1,6 трлн параметров без использования чипов Nvidia Китайская технологическая компания Meituan представила модель LongCat-2.0, насчитывающую 1,6 триллиона параметров. Обучение системы было полностью проведено на вычислительных мощностях китайского производства, без использования графических процессоров Nvidia. Этот кейс демонстрирует возможность масштабирования обучения нейросетей в условиях экспортных ограничений на передовое западное оборудование, опираясь исключительно на внутреннюю инфраструктуру и локальные аппаратные решения. Hacker News · Исследования и наука Nvidia представила 4B-модель мира для управления роботами Nvidia представила новую модель мира с 4 миллиардами параметров, предназначенную для обучения роботов в условиях физической реальности. Разработка позволяет системе предсказывать динамику окружающей среды и поведение объектов, что критически важно для автономной навигации и манипуляций. Это значимый шаг в развитии embodied AI, где ИИ-агенты получают способность взаимодействовать с физическим миром на основе глубокого понимания законов физики. arXiv · Машинное обучение Новый фреймворк для автономного сопровождения целей беспилотниками Исследователи представили унифицированную систему управления для беспилотных летательных аппаратов самолетного типа, оснащенных поворотно-наклонными камерами. Разработка позволяет дронам выполнять полный цикл миссии: от первичного обнаружения движущейся цели до точного наведения на нее. Система объединяет методы компьютерного зрения и нелинейного прогнозного управления, обеспечивая стабильное сопровождение объекта в динамических условиях без участия оператора. Hacker News · Инфраструктура для агентов Инструменты профилирования CUDA для оптимизации инференса в продакшене Разработчики систем машинного обучения получили новый подход к мониторингу производительности GPU при работе с нейросетями в реальном времени. Основная сложность при запуске моделей в продакшене заключается в поиске «узких мест», которые возникают на уровне низкоуровневых операций CUDA. Традиционные инструменты часто требуют остановки процессов или сложной настройки окружения, что делает их непригодными для высоконагруженных систем. NVIDIA Technical Blog · Обучение и дообучение NVIDIA FLARE Auto-FL ускоряет исследования федеративного обучения с помощью ИИ-агентов NVIDIA представила новую систему Auto-FL в рамках своего фреймворка Federated Learning and Analytics Research (FLARE). Эта система использует ИИ-агентов для автоматизации и ускорения исследований в области федеративного обучения (FL). Федеративное обучение позволяет обучать модели на распределённых данных без их централизации, что особенно важно для задач, связанных с конфиденциальностью и безопасностью данных. Ars Technica - All content · ИИ в бизнесе NVIDIA использует ИИ-агентов для автономного обучения роботов Компания NVIDIA представила новую методику подготовки робототехнических систем, в которой ключевую роль играют автономные ИИ-агенты, специализирующиеся на написании кода. Вместо ручного программирования каждого движения или алгоритма, система использует группы агентов для самостоятельной корректировки и оптимизации обучающих сценариев. Это позволяет роботам быстрее адаптироваться к выполнению сложных задач в динамических условиях. arXiv · Инфраструктура для агентов BluTrain: новый C++/CUDA фреймворк для оптимизации обучения нейросетей Представлен BluTrain — специализированный фреймворк на C++ и CUDA, предназначенный для глубокой оптимизации процессов обучения нейросетей. Инструмент позволяет разработчикам контролировать взаимодействие архитектуры модели с аппаратным обеспечением, обеспечивая высокую пропускную способность и эффективное использование памяти. Решение фокусируется на системном инжиниринге, который становится определяющим фактором производительности при масштабировании современных ИИ-систем. NVIDIA Technical Blog · ИИ в бизнесе Создание систем 3D-трекинга объектов с NVIDIA DeepStream 9.1 NVIDIA представила руководство по разработке систем видеоаналитики, способных отслеживать объекты при их перемещении между зонами обзора нескольких камер. Обновление DeepStream 9.1 позволяет объединять данные с разных ракурсов в единое 3D-пространство, что критически важно для автоматизации логистики, ритейла и управления безопасностью на крупных объектах, где традиционного 2D-трекинга недостаточно для точной идентификации и локализации.

← Все материалы