輔助駕駛研究領(lǐng)域正經(jīng)歷一場(chǎng)快速變革。視覺-語言-動(dòng)作推理模型（Reasoning VLA） 的出現(xiàn)正重塑該領(lǐng)域，這些模型為輔助駕駛決策賦予了類人的思維能力。這類模型可視為在語義空間中運(yùn)行的隱式世界模型，使輔助駕駛能夠逐步解決復(fù)雜問題，并生成反映人類思維過程的推理軌跡。這種變革不僅體現(xiàn)在模型本身：傳統(tǒng)的開環(huán)評(píng)估已不足以嚴(yán)謹(jǐn)?shù)貦z驗(yàn)此類模型，因此需要開發(fā)新的評(píng)估工具。

近期，NVIDIA 推出了 Alpamayo 系列，該系列包含模型、仿真工具及數(shù)據(jù)集，旨在推動(dòng)安全可靠的推理型輔助駕駛汽車開發(fā)。我們的目標(biāo)是為研究人員和開發(fā)者提供一個(gè)靈活、快速且可擴(kuò)展的平臺(tái)，用于在真實(shí)的閉環(huán)環(huán)境中評(píng)估并最終訓(xùn)練新一代基于推理的輔助駕駛架構(gòu)。

在這篇博客中，我們將介紹 Alpamayo 以及如何快速啟動(dòng)基于推理的輔助駕駛開發(fā)：

第一部分：NVIDIA Alpamayo 1——具備 100 億參數(shù)的開源 VLA 推理模型，以及如何利用該模型生成軌跡預(yù)測(cè)結(jié)果并查看對(duì)應(yīng)的推理路徑。

第二部分：物理 AI 數(shù)據(jù)集——當(dāng)前規(guī)模大、地域分布廣的輔助駕駛開放數(shù)據(jù)集，可用于訓(xùn)練和評(píng)估此類模型。

第三部分：NVIDIA AlpaSim——專為評(píng)估端到端模型設(shè)計(jì)的開源端到端仿真框架。

這三個(gè)關(guān)鍵組件為構(gòu)建 VLA 推理模型提供了必要的基礎(chǔ)要素：基礎(chǔ)模型、用于訓(xùn)練的大規(guī)模數(shù)據(jù)集，以及用于測(cè)試和評(píng)估的仿真器。

第一部分：Alpamayo 1——面向輔助駕駛的開源 VLA 推理模型

只需三步，即可開始使用 Alpamayo VLA 推理模型。

步驟 1：獲取 Alpamayo 模型權(quán)重和代碼

Hugging Face 倉庫包含預(yù)訓(xùn)練的模型權(quán)重，可通過GitHub 上的對(duì)應(yīng)代碼加載。

步驟 2：環(huán)境準(zhǔn)備

Alpamayo GitHub 倉庫包含設(shè)置開發(fā)環(huán)境的步驟，包括安裝 uv（如果尚未安裝）以及創(chuàng)建 Python 虛擬環(huán)境。

# Install uv
curl -LsSf https://astral.sh/uv/install.sh | sh
export PATH="$HOME/.local/bin:$PATH"
 
# Setup the virtual environment
uv venv ar1_venv
source ar1_venv/bin/activate
 
# Install pip in the virtual environment (if missing)
./ar1_venv/bin/python -m ensurepip
 
# Install Jupyter notebook package
./ar1_venv/bin/python -m pip install notebook
 
uv sync --active

最后，由于該模型需要訪問 Hugging Face 的部分受限資源，請(qǐng)?jiān)诖颂幧暾?qǐng)?jiān)L問權(quán)限：

●PhysicalAI-AV Dataset

●Alpamayo-R1-10B Model Weights

●物理 AI – 輔助駕駛數(shù)據(jù)集

●Alpamayo-R1-10B 模型權(quán)重

然后，使用以下方式進(jìn)行身份驗(yàn)證：

hf auth login

并在此獲取 Hugging Face token。

步驟 3：運(yùn)行 Alpamayo VLA 推理模型

模型倉庫包含一個(gè)notebook文件，用于下載 Alpamayo 模型的權(quán)重參數(shù)，加載 NVIDIA 物理 AI 輔助駕駛數(shù)據(jù)集示例數(shù)據(jù)，運(yùn)行模型，最后可視化輸出軌跡及其關(guān)聯(lián)的推理路徑。

具體而言，示例數(shù)據(jù)包含自車駛過施工區(qū)域的場(chǎng)景，下圖展示了來自四個(gè)攝像頭（分別位于前排左側(cè)、前排廣角、前排右側(cè)、前排遠(yuǎn)攝位置，對(duì)應(yīng)下圖各行）的四個(gè)時(shí)間步（列）。

圖 1. 示例數(shù)據(jù)樣本的可視化展示，其中包含施工區(qū)域，該數(shù)據(jù)將被輸入模型。具體展示了來自 4 個(gè)攝像頭（前左、前廣角、前右、前遠(yuǎn)攝）的 4個(gè)時(shí)間步（列）。

在 Alpamayo 模型運(yùn)行后，notebook 中可能出現(xiàn)的示例輸出為：“向左微調(diào)方向，避開侵占車道的施工路錐，擴(kuò)大通行間距”，對(duì)應(yīng)的預(yù)測(cè)軌跡與實(shí)際軌跡如下圖所示。

圖 2. 模型輸出軌跡（藍(lán)色）與實(shí)際軌跡（紅色）的可視化對(duì)比圖。

若需生成更多軌跡和推理路徑，請(qǐng)將推理調(diào)用中的 num_traj_samples=1 參數(shù)修改為更大的數(shù)值。

第二部分：面向大規(guī)模多樣化輔助駕駛數(shù)據(jù)的物理AI 數(shù)據(jù)集

物理 AI 輔助駕駛數(shù)據(jù)集是目前規(guī)模較大、地域分布廣的多傳感器數(shù)據(jù)集，助力輔助駕駛研究人員構(gòu)建新一代基于物理 AI 的端到端駕駛系統(tǒng)。

圖 3. 物理 AI 輔助駕駛數(shù)據(jù)集片段，該數(shù)據(jù)集是規(guī)模較大、地域分布廣的多傳感器輔助駕駛數(shù)據(jù)集。

該數(shù)據(jù)集包含了 25 個(gè)國家、超過 2,500 座城市共計(jì) 1,727 小時(shí)的駕駛視頻數(shù)據(jù)（覆蓋范圍如下圖所示，顏色深淺代表各國收錄的片段數(shù)量）。數(shù)據(jù)采集范圍涵蓋多樣化的交通狀況、天氣條件、道路障礙物及行人活動(dòng)。整體數(shù)據(jù)集由 310,895 段獨(dú)立視頻片段構(gòu)成，每段時(shí)長(zhǎng)均為 20 秒。所有片段均包含多攝像頭與激光雷達(dá)的傳感器數(shù)據(jù)，其中 163,850 個(gè)片段還同步收錄了毫米波雷達(dá)數(shù)據(jù)。

圖 4. 物理 AI 輔助駕駛數(shù)據(jù)集的地理覆蓋范圍。該數(shù)據(jù)集總計(jì)收錄了 25 個(gè)國家、超過 2,500 座城市共計(jì) 1727 小時(shí)的駕駛視頻數(shù)據(jù)（顏色深淺表示各國收錄的片段數(shù)量）。

如需使用以上物理 AI 輔助駕駛數(shù)據(jù)集，請(qǐng)?jiān)L問physical_ai_av GitHub代碼倉庫，其提供了 Python 開發(fā)工具包及文檔（以知識(shí)庫形式呈現(xiàn)）。事實(shí)上，本系列第一部分中用于加載 Alpamayo 1 示例數(shù)據(jù)的工具，正是基于此資源包實(shí)現(xiàn)。

第三部分：AlpaSim——面向輔助駕駛評(píng)估的閉環(huán)仿真框架

AlpaSim 概述

圖 5. 圍繞核心運(yùn)行時(shí)的 AlpaSim 微服務(wù)架構(gòu)高層概覽。各服務(wù)運(yùn)行在獨(dú)立進(jìn)程中，以實(shí)現(xiàn)靈活的擴(kuò)展性和模塊化設(shè)計(jì)。

AlpaSim 基于微服務(wù)架構(gòu)構(gòu)建，其核心是運(yùn)行時(shí)（見圖 5），該組件負(fù)責(zé)協(xié)調(diào)所有仿真活動(dòng)。各獨(dú)立服務(wù)如驅(qū)動(dòng)程序、渲染器、交通仿真器、控制器和物理引擎均在獨(dú)立進(jìn)程中運(yùn)行，且可分配至不同 GPU。此設(shè)計(jì)具備兩大優(yōu)勢(shì)：

基于 gRPC 提供清晰的模塊化 API，能夠輕松集成新服務(wù)且有效避免依賴沖突。

支持任意水平擴(kuò)展，使研究人員能將計(jì)算資源分配到最關(guān)鍵的環(huán)節(jié)。例如：若驅(qū)動(dòng)程序推理成為瓶頸，只需啟動(dòng)更多驅(qū)動(dòng)進(jìn)程；若渲染成為瓶頸，則為渲染分配更多 GPU。當(dāng)渲染進(jìn)程無法同時(shí)處理多個(gè)場(chǎng)景時(shí)，可在同一 GPU 上運(yùn)行多個(gè)渲染器實(shí)例以最大化資源利用率。

但橫向擴(kuò)展并非全部，AlpaSim 的真正優(yōu)勢(shì)在于運(yùn)行時(shí)如何實(shí)現(xiàn)流水線并行（見圖 6）。

在傳統(tǒng)的順序執(zhí)行中，各組件必須相互等待。例如，驅(qū)動(dòng)程序在每次推理步驟后必須暫停，直至渲染器生成下一個(gè)感知輸入。AlpaSim 消除了這一瓶頸：當(dāng)一個(gè)場(chǎng)景正在渲染時(shí)，驅(qū)動(dòng)程序可同時(shí)為另一個(gè)場(chǎng)景運(yùn)行推理。這種重疊處理顯著提升了 GPU 利用率和吞吐量。在進(jìn)一步擴(kuò)展時(shí)，驅(qū)動(dòng)程序推理可跨多個(gè)場(chǎng)景進(jìn)行批量處理，而多個(gè)渲染進(jìn)程則并行生成感知輸入。

圖 6. AlpaSim 通過實(shí)現(xiàn)流水線并行執(zhí)行，以優(yōu)化 GPU 利用率并提高吞吐量。

共享生態(tài)系統(tǒng)

目前已為所有核心服務(wù)提供初始實(shí)現(xiàn)方案，包括通過 NVIDIA OmniverseNuRec 3DGUT算法進(jìn)行渲染、參考控制器以及驅(qū)動(dòng)程序基準(zhǔn)。 Alpamayo 1 和 CAT-K 等更多驅(qū)動(dòng)程序模型將于未來幾周內(nèi)上線。

該平臺(tái)還預(yù)裝了約900 個(gè)重建場(chǎng)景（每個(gè)場(chǎng)景時(shí)長(zhǎng) 20 秒）以及物理 AI 輔助駕駛數(shù)據(jù)集，使研究人員能夠在真實(shí)的閉環(huán)場(chǎng)景中即時(shí)評(píng)估端到端模型。此外，AlpaSim 具備高度可配置性，支持從攝像頭參數(shù)、渲染頻率到人工延遲等眾多仿真設(shè)置。

除了內(nèi)置組件外， AlpaSim 將發(fā)展為更廣泛的協(xié)作生態(tài)系統(tǒng)。未來，實(shí)驗(yàn)室將能夠無縫接入自研的駕駛、渲染或交通模型，并基于共享基準(zhǔn)測(cè)試平臺(tái)直接對(duì)比不同方案。

AlpaSim 實(shí)際應(yīng)用

AlpaSim 已為多項(xiàng)內(nèi)部研究工作提供支持。

首先，我們近期提出的Sim2Val框架，證明了 AlpaSim 的推演結(jié)果足夠真實(shí)，能夠顯著提升實(shí)車驗(yàn)證的有效性。通過將仿真軌跡整合至評(píng)估流程，關(guān)鍵現(xiàn)實(shí)世界指標(biāo)的方差降低了高達(dá) 83%，使模型評(píng)估更快速、更可靠。

其次，我們借助 AlpaSim 對(duì) Alpamayo 1 模型進(jìn)行閉環(huán)評(píng)估。通過回放重建場(chǎng)景并讓策略驅(qū)動(dòng)端到端駕駛，我們可計(jì)算出反映真實(shí)交通條件下性能的駕駛評(píng)分（DrivingScore）。

除評(píng)估功能外，我們正結(jié)合同期發(fā)布的 RoaD 算法，將 AlpaSim 應(yīng)用于閉環(huán)訓(xùn)練。該算法能有效緩解開環(huán)訓(xùn)練與閉環(huán)部署間的協(xié)變量偏移問題，同時(shí)數(shù)據(jù)效率顯著優(yōu)于傳統(tǒng)強(qiáng)化學(xué)習(xí)。

圖 7. 真實(shí)駕駛（x 軸）與重模擬駕駛（y 軸）之間的指標(biāo)相關(guān)性。我們測(cè)量了與附近物體的最近距離（左）以及車輛偏離車道中心的距離（右）。

Alpasim 入門指南

只需三個(gè)步驟，即可開始使用 AlpaSim 進(jìn)行模型評(píng)估。

步驟 1：訪問 AlpaSim

該開源倉庫包含所需軟件，場(chǎng)景重建文件可從NVIDIA 物理 AI 開放數(shù)據(jù)集獲取。

步驟 2：環(huán)境準(zhǔn)備

首先，請(qǐng)確保遵循ONBOARDING.md中的入門步驟。

然后，使用以下命令執(zhí)行初始設(shè)置/安裝：

source setup_local_env.sh

此操作將編譯原語文件，下載示例駕駛模型，從 Hugging Face下載示例場(chǎng)景，并安裝 alpasim_wizard 命令行工具。

步驟3：運(yùn)行模擬

使用向?qū)順?gòu)建、運(yùn)行和評(píng)估模擬部署：

alpasim_wizard +deploy=local wizard.log_dir=$PWD/tutorial

仿真日志、輸出文件位于已創(chuàng)建的 tutorial 目錄下。如需查看可視化呈現(xiàn)結(jié)果，系統(tǒng)會(huì)在 tutorial/eval/videos/clipgt-05bb8212…_0.mp4 路徑下生成一個(gè) mp4 文件，其內(nèi)容將與以下示例類似：

圖 8. AlpaSim 輸出可視化：展示了包含智能體邊界框與地圖（若可用）的俯視語義視圖、平均及逐時(shí)間步指標(biāo)，以及疊加預(yù)測(cè)軌跡及真實(shí)軌跡的前置攝像頭視圖。

如需了解輸出結(jié)果以及 AlpaSim 的使用信息，請(qǐng)參閱TUTORIAL.md文件。

總體而言，本示例展示了如何通過端到端策略重現(xiàn)真實(shí)駕駛場(chǎng)景，包括原始場(chǎng)景中的所有靜態(tài)和動(dòng)態(tài)目標(biāo)物。在此基礎(chǔ)上，利用 AlpaSim 靈活的即插即用架構(gòu)，用戶可調(diào)整干擾車輛的行為、修改攝像頭參數(shù)，從而對(duì)策略進(jìn)行迭代優(yōu)化。

策略集成

借助通用 API，策略模型可輕松切換，支持開發(fā)人員測(cè)試其先進(jìn)的實(shí)現(xiàn)方案。

步驟 1：gRPC 集成

AlpaSim 采用 gRPC 作為組件間的接口：驅(qū)動(dòng)組件的示例實(shí)現(xiàn)可作為參考，以確保符合驅(qū)動(dòng)程序接口規(guī)范。

步驟 2：重新配置并運(yùn)行

AlpaSim 支持通過 YAML 文件描述進(jìn)行高度定制，包括指定仿真器在運(yùn)行時(shí)所需的組件。您可為自己的模型創(chuàng)建新的配置文件（部分示例如下所示）。

# driver_configs/my_model.yaml
 
# @package _global_
services:
  driver:
    image: 
    command:
      - ""

運(yùn)行：

alpasim_wizard +deploy=local wizard.log_dir=$PWD/my_model +driver_configs=my_model.yaml

使用命令行界面（CLI）進(jìn)行自定義配置的示例：

運(yùn)行向?qū)纠龝r(shí)，可更改配置：

# Different scene
alpasim_wizard +deploy=local wizard.log_dir=$PWD/custom_run \
  scenes.scene_ids=['clipgt-02eadd92-02f1-46d8-86fe-a9e338fed0b6']
 
# More rollouts
alpasim_wizard +deploy=local wizard.log_dir=$PWD/custom_run \
  runtime.default_scenario_parameters.n_rollouts=8
 
# Different simulation length
alpasim_wizard +deploy=local wizard.log_dir=$PWD/custom_run \
  runtime.default_scenario_parameters.n_sim_steps=200

配置通過Hydra進(jìn)行管理——請(qǐng)參閱src/wizard/configs/base_config.yaml文件查看所有可用選項(xiàng)。

如需下載圖 8 所示的場(chǎng)景，可運(yùn)行以下命令：

hf download --repo-type=dataset \
--local-dir=data/nre-artifacts/all-usdzs \
nvidia/PhysicalAI-Autonomous-Vehicles-NuRec \
sample_set/25.07_release/Batch0001/02eadd92-02f1-46d8-86fe-a9e338fed0b6/02eadd92-02f1-46d8-86fe-a9e338fed0b6.usdz

擴(kuò)展運(yùn)行規(guī)模

AlpaSim 能夠通過協(xié)同與并行化服務(wù)來適配各類硬件配置，高效支持大型測(cè)試套件、擾動(dòng)測(cè)試和模型訓(xùn)練。

alpasim_wizard +deploy=local wizard.log_dir=$PWD/test_suite +experiment=my_test_suite.yaml runtime.default_scenario_parameters.n_rollouts=16

結(jié)論：綜合分析

強(qiáng)大的端到端模型是輔助駕駛未來的關(guān)鍵，而 AlpaSim 提供了快速測(cè)試和迭代這些模型的能力，從而加速研究進(jìn)程。本文介紹了 Alpamayo 1 模型、物理 AI 數(shù)據(jù)集以及 Alpasim 仿真架構(gòu)。它們共同構(gòu)成了一套完整的基于推理的輔助駕駛系統(tǒng)開發(fā)框架，包含模型、海量訓(xùn)練數(shù)據(jù)以及用于評(píng)估的仿真器。

綜合來看，以下視頻展示了 Alpamayo 1 在 AlpaSim 仿真環(huán)境中穿越施工區(qū)域的閉環(huán)駕駛實(shí)例，既呈現(xiàn)了該模型的推理與駕駛能力，同時(shí)也彰顯了AlpaSim 在多種真實(shí)駕駛場(chǎng)景中評(píng)估輔助駕駛模型的能力。視頻 3. Alpamayo 1 在 AlpaSim 中執(zhí)行閉環(huán)駕駛，穿越施工區(qū)域時(shí)，其推理路徑與軌跡預(yù)測(cè)均通過可視化呈現(xiàn)。

關(guān)于作者

Marco Pavone 是 NVIDIA 自動(dòng)駕駛汽車研究總監(jiān)。他的主要研究興趣是開發(fā)自動(dòng)駕駛系統(tǒng)的分析、設(shè)計(jì)和控制方法，重點(diǎn)關(guān)注自動(dòng)駕駛汽車、自動(dòng)駕駛航空航天車輛和未來移動(dòng)系統(tǒng)。他目前正在斯坦福大學(xué)部分請(qǐng)假，擔(dān)任航空航天系副教授。在斯坦福大學(xué)，他還是自動(dòng)駕駛系統(tǒng)實(shí)驗(yàn)室主任兼汽車研究中心聯(lián)合主任。他于 2010 年獲得麻省理工學(xué)院航空航天專業(yè)博士學(xué)位。他獲得了多個(gè)獎(jiǎng)項(xiàng)，包括美國總統(tǒng)巴拉克?奧巴馬頒發(fā)的總統(tǒng)科學(xué)家和工程師早期職業(yè)獎(jiǎng)、美國海軍研究辦公室青年研究員獎(jiǎng)、美國國家科學(xué)基金會(huì)早期職業(yè)獎(jiǎng) (CAREER)、NASA 早期職業(yè)教師獎(jiǎng)，以及機(jī)器人科學(xué)和系統(tǒng)基金會(huì)頒發(fā)的早期職業(yè)聚焦獎(jiǎng)。他被美國工程教育協(xié)會(huì) (ASEE) 評(píng)為美國 20 位 40 歲以下最有前途的研究人員之一。他目前擔(dān)任 IEEE Control Systems 雜志的副編輯。