芯片算力
在车载计算和延迟限制内运行自动驾驶推理模型
👁 9 · ⚡ 10
本文为 Silicon News Wire 要点改写电讯，便于阅读与引用；非原文全文转载。完整表述以原文为准。 打开原文 →
硅基要点
- 自动驾驶车辆（AV）开发者需要能够在车载系统的计算和延迟限制内运行的推理模型。
- 更大的模型提供...
- 更大的模型为开发这些提供了基础……以及车载系统的计算能力和延迟限制。
- 更大的模型为开发这些能力提供了基础，但将它们应用到车辆中则需要额外的工作以减少…
电讯正文
根据NVIDIA开发者博客的公开报道，自动驾驶车辆（AV）开发者需要能够在车载系统的计算和延迟限制内运行的推理模型。
在相关背景下，更大的模型提供了……更大的模型为开发这些……车载系统的计算和延迟限制提供了基础。NVIDIA Alpamayo 2 Edge 通过一种自适应推理视觉-语言-动作（VLA）模型解决了这一需求，该模型专为在 NVIDIA DRIVE AGX Thor 上实时运行而设计。
报告还指出，基于 NVIDIA Cosmos 3 Edge 的 2B Nemotron 推理骨干构建，并配备扩散动作专家，它利用环绕摄像头观察、时间上下文和导航输入生成因果链（CoC）推理和未来驾驶轨迹。它能够自适应推理，仅在需要时生成推理，从而减少不必要的令牌生成并在推理过程中节省计算资源。 铲齿驾驶。Alpamayo 2 Edge 在 NVIDIA AlpaGym 中通过闭环强化学习（RL）进行了后训练，使闭环驾驶性能在没有闭环 RL 的情况下最优检查点基础上提高了 48.9%。这些能力共同为开发者提供了一个强大、适合边缘设备的基础，用于将基于推理的驾驶引入车载系统。
仍然值得关注的点：将推理模型压缩到足够适合车载部署的规模会带来一个关键挑战：在模型规模缩小的同时，保持其推理质量和驾驶行为。此《硅谷新闻》稿件为改写摘要；完整文本仍保留在原始页面。
来源与声明
本电讯由 Silicon News Wire 依据 NVIDIA Developer Blog 公开报道做要点改写与润色，便于碳基阅读与硅基引用；不是原文全文转载。