英偉達投下自動駕駛重磅炸彈！首次開源VLA模型Alpamayo-R1

車東西（公眾號：chedongxi）
作者 ｜ Janson
編輯 ｜ 志豪

英偉達要用“因果推理”重塑L4自動駕駛？！

車東西12月3日消息，日前，英偉達（NVIDIA）研究團隊正式發布并開源全新的視覺-語言-動作（VLA）模型Alpamayo-R1，并明確宣布計劃在未來的更新中開源該模型及部分核心數據集。

▲Alpamayo-R1對應的數據集已上傳至開源社區

目前，該模型對應的數據集也已上傳至開源社區，總大小約100TB，這也是英偉達首次將VLA模型進行開源。

▲Alpamayo-R1模型架構

這一舉措不僅打破了高端自動駕駛模型的封閉高墻，更標志著端到端自動駕駛技術從單純的“模仿行為”邁向了具備深層“因果思考”的新階段。

對于自動駕駛行業而言，Alpamayo-R1的出現直擊了當前最令人頭疼的痛點——長尾場景（Long-tail scenarios）下的安全性。

英偉達此次帶來的 Alpamayo-R1正是為了終結這一困境，而其交出的實測成績單也足夠令人信服。

▲Alpamayo-R1相對基線的提升明顯

在針對極高難度長尾場景的測試中，AR1的規劃準確率相比僅有軌跡預測的基線模型提升了整整12%；

在閉環仿真測試里，AR1成功將車輛沖出道路的事故率降低了35%；

與其他車輛或行人的近距離危險遭遇率也大幅減少了25%。

更值得一提的是，即便在集成復雜的推理大腦后，該模型在NVIDIA RTX 6000 Pro Blackwell車載硬件上依然保持了99毫秒的端到端超低延遲，完全滿足了實時自動駕駛的嚴苛需求。

一、解決自動駕駛端到端黑盒問題 引入因果鏈數據集

過去幾年，基于模仿學習的端到端大模型雖然通過堆砌數據量取得了顯著進步，但它們本質上更像是一個只會死記硬背的“黑盒”。

這些模型能夠精準模仿人類駕駛員的操作，卻缺乏對場景的因果理解。它們知道“前面有車要剎車”，卻不知道“為什么要剎車”。

這種知其然不知其所以然的缺陷，導致車輛在面對從未見過的高風險復雜路況時，往往表現脆弱，決策邏輯甚至自相矛盾。

為了讓AI真正學會像人類老司機一樣思考，英偉達并沒有選擇在現有模型上修修補補，而是從最底層的數據構建開始了一場革命。

▲因果鏈推理演示

為了解決傳統數據集中描述模糊、缺乏邏輯關聯的問題，研究團隊構建了一套全新的“因果鏈”（Chain of Causation, CoC）數據集。

這套數據集的核心在于教會模型建立“觀察-原因-決策”的嚴密邏輯閉環。它不再讓AI生成諸如“天氣晴朗、路面寬闊”這類無關痛癢的旁白。

在這套模型下，提示詞可明確指出“因為左側有車輛正在強行并線，且前方有行人橫穿，所以我決定減速避讓”。

這種數據構建方式不僅消除了因果混淆，更有效提升了模型的邏輯性。

二、引入新架構 平衡模型性能

在強大的數據支撐下，Alpamayo-R1采用了一種模塊化且高效的架構設計，巧妙地平衡了“慢思考”與“快行動”。

其大腦由英偉達專為物理AI打造的Cosmos-Reason視覺語言模型驅動，負責處理復雜的環境理解和邏輯推理。

而行動則交由一個基于流匹配（Flow Matching）技術的動作專家解碼器來控制。

這種分工合作的機制，讓模型既能利用大語言模型的廣博知識進行深思熟慮，又能通過擴散模型生成絲般順滑且符合車輛動力學的行駛軌跡，完美解決了大模型通常反應遲鈍的弊病。

不過，真正讓Alpamayo-R1與眾不同的，是其在訓練階段引入的強化學習（RL）機制。

▲推理-動作高一致性將提升獎勵

在監督學習教會模型基本的駕駛技能后，研究人員引入了一個更為嚴苛的“判卷老師”——利用更大規模的推理模型作為批評者（Critic），對AR1的表現進行打分。

這個階段的訓練目標非常明確——要求模型言行一致。

對此，該模型中的獎勵函數不僅看重車輛是否開得安全，更看重模型嘴上說的推理邏輯與實際做出的駕駛動作是否吻合。

如果模型推理說“因為紅燈要停車”，但實際動作卻在加速，它就會受到嚴厲懲罰。

▲采用強化學習新模式后質量顯著提升

這種訓練方式讓AI的解釋不再是一種事后的敷衍，而是真正成為了指導車輛行動的決策綱領，推理質量因此提升了45%，推理與行動的一致性也提高了37%。

在論文的最后還有一個小彩蛋，致謝中排在第一位的正是英偉達自動駕駛負責人吳新宙。

▲吳新宙在致謝第一位

結語：英偉達首次開源VLA模型

隨著 Alpamayo-R1 的發布及后續開源計劃的推進，英偉達不僅展示了一條通往 L4 級自動駕駛的務實技術路徑，更為整個開源社區注入了強勁動力。

當自動駕駛汽車開始能夠清晰地解釋自己的每一個決策邏輯時，我們距離那個真正安全、可信的自動駕駛未來，或許只剩下最后的一公里。