ホットトピック

NVIDIA、CES®2026にて次世代自動運転車用のオープンAIモデル・ツール・データセットを発表

安全運転・事故削減
NVIDIA、CES®2026にて次世代自動運転車用のオープンAIモデル・ツール・データセットを発表

NVIDIAはCES®2026にて1月6日、安全なリーズニングベースの次世代自動運転車(以下、AV)開発を加速させるために設計されたオープンAIモデル、シミュレーション ツール、データセットから構成される NVIDIA Alpamayoファミリーを発表した。

Alpamayoファミリーの特長は、思考の連鎖に基づくリーズニングベースの視覚言語行動(VLA)モデルを活用し、AVの意思決定に人間に近い思考を導入していることだ。これにより、新たな、または稀なシナリオを段階的に検討し、運転能力と説明可能性を向上させるという。

また、Alpamayoは、オープン モデル、シミュレーション フレームワーク、データセットという3つの基本的要素を統合したものだ。これらのシステムにより、自動車開発者や研究チームが利用できる一貫性のあるオープンなエコシステムを形成する。

また、Alpamayoモデルは、車両内で直接実行されるのではなく、大規模な教師モデルとして機能し、開発者がファイン チューニングを行い完全な自律運転スタックの基盤へと集約できる。これらのツールを組み合わせることで、リーズニングベースのAVスタック向けに自己強化型開発ループが実現されるとのことだ。

さらに、Alpamayo以外に、開発者は NVIDIA CosmosおよびNVIDIA Omniverseプラットフォームを含む、NVIDIAのツールとモデル ライブラリを活用できる。 これにより、開発者は、独自の車両データをもとにモデルリリースをファインチューンし、NVIDIA DRIVE AGX Thorアクセラレーテッド コンピューティングで構築された NVIDIA DRIVE Hyperionアーキテクチャに統合し、商用展開前にシミュレーション環境でパフォーマンスを検証できるという。

▼関係者のコメント

■NVIDIA 創業者/CEO ジェンスン フアン(Jensen Huang)氏のコメント

フィジカル AI にとっての ChatGPT の瞬間が到来しました。つまり、マシンが現実世界を理解し、リーズニングし、行動し始めるのです。ロボタクシーは、真っ先にその恩恵を受けます。Alpamayoは自動運転車にリーズニング能力をもたらし、稀なシナリオを熟考させながら、複雑な環境でも安全に運転し、運転判断を説明することを可能にします。安全でスケーラブルな自動運転の基盤となります。

■Lucid Motors ADASおよび自動運転担当バイス プレジデントKai Stepper氏のコメント

フィジカルAIへの移行は、単にデータを処理するだけでなく、実世界の行動をリーズニングできるAIシステムの必要性が高まっていることを示唆しています。進化の重要な要素は、高度なシミュレーション環境、豊富なデータセット、そしてリーズニング モデルです。

■JLR 製品エンジニアリング担当エグゼクティブ ディレクター Thomas Müller氏のコメント

オープンで透明性のある AI 開発は、責任ある自動運転技術の進歩のために不可欠です。Alpamayo などのモデルのオープンソース化により、NVIDIAは自動運転エコシステム全体のイノベーションを加速させ、開発者や研究者に複雑な実世界のシナリオに安全に対処するための新しいツールを提供しています。

■Uber 自律移動および配送部門グローバル責任者 Sarfraz Maredia氏のコメント

ロングテールで予測不可能な運転シナリオへの対処は、自動運転における本質的な課題の1つです。Alpamayoは、フィジカル AI の加速、透明性の向上、安全なレベル 4自動運転の展開に向けた、エキサイティングな新たな可能性を業界に提供します。

■S&P Global シニア プリンシパル アナリスト Owen Chen氏のコメント

Alpamayo1により、車両は複雑な環境を解釈し、未知の状況を予測し、未経験のシナリオでも安全に判断できるようになります。このモデルのオープンソース性により、業界全体のイノベーションが加速され、パートナー各社が独自のニーズに合わせてテクノロジを調整し、改良することができます。

■Berkeley DeepDrive 共同ディレクター Wei Zhan氏のコメント

Alpamayoポートフォリオの追加は、研究コミュニティにとって大きな飛躍です。NVIDIA がAlpamayoのオープンな提供を決定したことは変革的であり、そのアクセス性と機能性により、私たちは前例のない規模でのトレーニングが可能になります。自律運転をメインストリームに推進するために必要な柔軟性とリソースが得られます。

(引用:LIGARE)