NVIDIA veröffentlicht Alpamayo 2 Super für die Nutzung in Robotaxis und autonomen Fahrzeugen

NVIDIAs Alpamayo 2 Super: Ein Wendepunkt für Robotaxis und autonomes Fahren

Die Entwicklung autonomer Fahrzeuge (AVs) und insbesondere von Robotaxis stellt die Ingenieurswelt vor komplexe Herausforderungen. Während alltägliche Fahrsituationen zunehmend beherrscht werden, bleiben seltene und unvorhersehbare "Edge Cases" eine Hürde für die breite Einführung dieser Technologien. NVIDIA hat nun mit der kommerziellen Freigabe seines Reasoning-Modells Alpamayo 2 Super einen wichtigen Schritt unternommen, um diese Herausforderungen zu adressieren und die Entwicklung sicherer und zuverlässiger AVs zu beschleunigen.

Offene Lizenzierung und erweiterte Zugänglichkeit

Alpamayo 2 Super ist ab sofort über Hugging Face unter der OpenMDW-1.1 Lizenz der Linux Foundation verfügbar. Diese permissive Lizenz ermöglicht es Entwicklern, Automobilherstellern, Lkw-Herstellern und Zulieferern, das Modell für ihre spezifischen Daten, Fahrstrategien und Einsatzszenarien anzupassen. Die OpenMDW-1.1 Lizenz deckt dabei die Feinabstimmung, die Erstellung derivativer Modelle sowie die kommerzielle Weiterverbreitung ab. Dies ist ein entscheidender Faktor, da frühere Alpamayo-Versionen primär für Forschungs- und Entwicklungszwecke vorgesehen waren.

Die Öffnung des Zugangs zu den Modellgewichten macht den Übergang von der Anpassung zur Implementierung nicht nur technisch, sondern auch wirtschaftlich tragfähig. Unternehmen können auf fortschrittliche Reasoning-Fähigkeiten aufbauen, ohne jede grundlegende Funktion von Grund auf neu trainieren zu müssen, oder hohe Kosten für Frontier-Modelle zu tragen, wenn diese für bestimmte Aufgaben nicht erforderlich sind. Dies fördert eine effiziente Ressourcennutzung und stärkt die Kontrolle der Entwickler über ihre Daten und Infrastruktur, was insbesondere im Hinblick auf proprietäre Flotten und Sicherheitsstandards von Bedeutung ist.

Fortschrittliche Reasoning-Fähigkeiten

Alpamayo 2 Super ist auf dem NVIDIA Cosmos 3 Super Reasoner aufgebaut und wurde mittels Reinforcement Learning nachtrainiert. Es ist als einheitliches Fundamentmodell konzipiert, das eine breite Palette von AV-relevanten Aufgaben innerhalb eines einzigen Systems abdeckt. Die Fähigkeit des Modells, über bloße Objekterkennung und Bewegungsvorhersage hinauszugehen, ist entscheidend. Es soll in der Lage sein, Situationen zu verstehen, Ursache und Wirkung zu analysieren und die richtige Aktion in Echtzeit zu wählen, um eine sichere und komfortable Fahrweise zu gewährleisten.

Mit 34 Milliarden Parametern ist Alpamayo 2 Super dreimal größer als seine Vorgänger Alpamayo 1.5 und Alpamayo 1. Diese erhöhte Kapazität ermöglicht es dem Modell, Reasoning-Fähigkeiten besser von spärlichen Beispielen zu generalisieren – eine kritische Fähigkeit für seltene Multi-Agenten-Interaktionen, bei denen konventionelle Systeme oft an ihre Grenzen stoßen. Das Modell verarbeitet Kamerabilder aus einem 360-Grad-Umfeld, indem es Ansichten von vorne, den Seiten und hinten fusioniert. Dieser umfassende Kontext verbessert das Verständnis von Spurwechseln, Zusammenführungen, ungeschützten Abbiegungen und komplexen Kreuzungen, wo Risiken häufig auftreten.

Fünf gekoppelte Ausgaben für Transparenz und Validierung

Für jede Fahrsituation generiert Alpamayo 2 Super fünf eng miteinander verknüpfte Ausgaben:

• Eine Trajektorie, die den geplanten Fahrweg des Fahrzeugs beschreibt.
• Eine Kausalkette (Chain-of-Causation, CoC), die die Gründe für die getroffene Entscheidung erläutert.
• Eine Meta-Aktion (z.B. nachgeben, Spur wechseln, anhalten), die die Absicht des Modells auf höherer Ebene erfasst.
• Reasoning-Auto-Labels, die CoC-Annotationen für Trainings- und Validierungsdaten erzeugen.
• Visuelle Frage-Antwort-Antworten mit 2D-Visual Grounding, die die Antworten des Modells mit spezifischen Regionen in Kamerabildern verknüpfen.

Diese integrierten Ausgaben bieten Entwicklern tiefe Einblicke in den Entscheidungsprozess des Modells. Sie können so nachvollziehen, was das Modell beobachtet hat und welche Aktion es daraufhin gewählt hat, wodurch Entscheidungen leichter zu verstehen, zu überprüfen und zu validieren sind. Die CoC-Traces sind zudem mit den NVIDIA Halos Sicherheitsvalidierungs-Workflows integriert und unterstützen die KI-Sicherheit gemäß den ISO/PAS 8800 Anforderungen, was eine robustere Grundlage für die AV-Sicherheitstechnik schafft.

Benchmarking-Ergebnisse und Leistungsfähigkeit

NVIDIA gibt an, dass Alpamayo 2 Super im LingoQA-Benchmark für autonomes Fahren, der etwa 40 Modelle bewertet, den ersten Platz belegt. In internen Tests von NVIDIA, die die Lingo-Judge-Metrik verwendeten, übertraf das Modell Qwen2.5-VL 72B um 17,0 Punkte, Gemini 2.5 Pro um 15,1 Punkte und GPT-4o um 23,2 Punkte. Dies demonstriert eine hohe Reasoning-Leistung für fahrzentrierte Szenarien. Alpamayo 2 Super belegt laut NVIDIA auch in allen anderen intern bewerteten autonomen Fahr-Benchmarks den ersten Platz, was seine führende Leistung über ein breites Spektrum von AV-Fähigkeiten unterstreicht.

Autolabelling und das erweiterte Alpamayo-Ökosystem

Neben der Planung und Entscheidungsfindung kann Alpamayo 2 Super auch als Autolabeler eingesetzt werden. Es generiert CoC-Labels und führt 2D-grounded visuelle Frage-Antwort-Funktionen auf proprietären Flottendaten durch. Dies ermöglicht es, Rohdaten aus Fahrten in reichhaltigere Trainingsdaten umzuwandeln und den Annotationsprozess von Monaten auf Tage zu verkürzen. Das Modell unterstützt zudem Szenenverständnis, Modellkritik und Wissensdestillation, wodurch ein einziges Fundamentmodell über mehrere Entwicklungsebenen hinweg genutzt werden kann, was die Werkzeuglandschaft vereinfacht und Iterationen beschleunigt.

Alpamayo 2 Super ist Teil eines umfassenderen Ökosystems von offenen Modellen, Frameworks und Datensätzen für die AV-Entwicklung. Dazu gehören:

• NVIDIA AlpaSim für Closed-Loop-Simulationen.
• NVIDIA AlpaGym für hochdurchsatzstarkes Reinforcement Learning.
• NVIDIA Physical AI Open Datasets, die Daten für Training und Tests bereitstellen.
• Offene Trainingsrezepte und eine Autolabelling-Pipeline zur Beschleunigung von Modellentwicklung, Training und Validierung.

Die Alpamayo-Familie hat auf Hugging Face bereits über 500.000 Downloads erreicht, was ihre Position als eine der meistgenutzten offenen Reasoning-Modellfamilien für autonomes Fahren auf der Plattform unterstreicht.

Die Freigabe von Alpamayo 2 Super und die damit verbundene offene Lizenzierung könnten die Entwicklung von Robotaxis und autonomen Fahrzeugen maßgeblich beeinflussen. Sie bietet Entwicklern und Unternehmen die notwendigen Werkzeuge, um komplexe Fahrszenarien effektiver zu bewältigen und die Kommerzialisierung dieser Technologien voranzutreiben.

Bibliographie:

1. Soares, J. (2026, 4. August). NVIDIA Alpamayo 2 Super, the Frontier Open Model for Robotaxis and Autonomous Vehicles, Now Available for Commercial Use. NVIDIA Blog.
2. Ivanovic, B. (2026, 4. August). Generate Trajectories, Reasoning Traces, and Auto-Labels with NVIDIA Alpamayo 2 Super. NVIDIA Technical Blog.
3. Hugging Face. (o. D.). nvidia/Alpamayo2-Super. Abgerufen von https://huggingface.co/nvidia/Alpamayo2-Super
4. NVlabs. (o. D.). NVlabs/alpamayo2. GitHub. Abgerufen von https://github.com/NVlabs/alpamayo2
5. Daws, R. (2026, 5. August). Nvidia opens AV reasoning model to robotaxi developers. IoT Tech News.
6. Technobezz. (2026, 5. August). NVIDIA Opens Alpamayo 2 Super Robotaxi Model to Commercial Use.
7. Jeanfrancois, M. (2026, 5. August). Nvidia Just Gave Traditional Automakers That Missed the Self-Driving Boom a New Way to Catch Up. Inc.com.
8. May, T. (2026, 2. Juni). NVIDIA Unveils Latest AI Model to Accelerate Robotaxi Development. Future Transport-News.
9. NVIDIA. (o. D.). NVIDIA Alpamayo AV OEM Multi-Partner Reasoning Platform. Perspectives.
10. NVlabs. (o. D.). NVlabs/alpamayo. GitHub. Abgerufen von https://github.com/nvlabs/alpamayo