En el mundo de la conducción autónoma, el verdadero desafío no reside en los trayectos por autopistas bajo un cielo despejado, sino en las situaciones raras e imprevisibles que pueden cambiarlo todo. Estos eventos inusuales, como obras mal señalizadas o condiciones climáticas adversas, representan la “cola larga” de escenarios complejos que la industria aún debe enfrentar para lograr un despliegue eficiente de vehículos autónomos de nivel 4.
Este es el panorama que NVIDIA ha decidido abordar en el CES con el lanzamiento de Alpamayo, una innovadora infraestructura técnica diseñada para facilitar el desarrollo de sistemas no solo capaces de percibir, sino también de razonar explícitamente sobre lo que ocurre en la carretera. Alpamayo no es simplemente otro piloto automático, sino una solución que ofrece un conjunto de modelos, herramientas y datos destinados a perfeccionar el comportamiento de los vehículos en situaciones límite.
En el núcleo de Alpamayo se encuentra el concepto de VLA (Vision-Language-Action), un enfoque que combina video, representaciones semánticas y decisiones de acción, destacándose especialmente por su capacidad de razonamiento paso a paso, o “chain-of-thought”. Este método busca romper la tradicional separación entre percepción y planificación, ofreciendo una alternativa que reduce la fragilidad de los sistemas cuando enfrentan casos raros y no categorizados anteriormente.
La pieza central de esta iniciativa es Alpamayo 1, un modelo con 10.000 millones de parámetros que utiliza entrada de video para generar tanto trayectorias como trazas de razonamiento. Lo innovador es que NVIDIA lo presenta como un “modelo teacher”, diseñado para afinar y destilar capacidades hacia modelos más pequeños y eficientes, además de construir herramientas para evaluar y validar políticas mediante razonamiento.
Junto a Alpamayo 1, NVIDIA ha introducido AlpaSim, un marco de simulación de código abierto que permite realizar pruebas de alta fidelidad en condiciones controladas, valorando la capacidad del sistema para afrontar variaciones de un mismo incidente, medir regresiones y entrenar políticas en ciclos de iteración reducidos. Con AlpaSim, la empresa promueve la eficiencia en el entrenamiento y validación, sin tener que depender exclusivamente de pruebas en carretera.
La iniciativa incluye también los Physical AI Open Datasets, que ofrecen más de 1.700 horas de conducción en diversas geografías y condiciones adversas, con el fin de incrementar la diversidad real en el entrenamiento y evaluación de los sistemas. La apertura de estos recursos facilita la participación de universidades y equipos pequeños en la mejora continua e innovadora del ecosistema autónomo.
Con este enfoque, NVIDIA no solo se dirige a los desarrolladores, sino también a fabricantes y plataformas industriales. Al describir un “momento ChatGPT” para la inteligencia artificial física y señalar a los robotaxis como beneficiarios potenciales, la empresa conecta Alpamayo con un ecosistema más amplio, integrando tecnología avanzada y un marco de seguridad robusto para facilitar la adopción masiva y fiable.
El avance hacia el nivel 4 de autonomía no se resolverá con un simple incremento de datos y capacidades. Alpamayo representa un compromiso por mejorar el aprendizaje y la comprensión de las complejidades del entorno real, ofreciendo un camino hacia la innovación mediante la apertura y colaboración a nivel industrial. La apuesta es que, al entender mejor los porqués detrás de las decisiones, el sector puede avanzar con mayor seguridad y efectividad hacia un despliegue masivo de vehículos autónomos.
