英伟达投下自动驾驶重磅炸弹！首次开源VLA模型Alpamayo-R1

车东西（公众号：chedongxi）
作者 ｜ Janson
编辑 ｜ 志豪

英伟达要用“因果推理”重塑L4自动驾驶？！

车东西12月3日消息，日前，英伟达（NVIDIA）研究团队正式发布并开源全新的视觉-语言-动作（VLA）模型Alpamayo-R1，并明确宣布计划在未来的更新中开源该模型及部分核心数据集。

▲Alpamayo-R1对应的数据集已上传至开源社区

目前，该模型对应的数据集也已上传至开源社区，总大小约100TB，这也是英伟达首次将VLA模型进行开源。

▲Alpamayo-R1模型架构

这一举措不仅打破了高端自动驾驶模型的封闭高墙，更标志着端到端自动驾驶技术从单纯的“模仿行为”迈向了具备深层“因果思考”的新阶段。

对于自动驾驶行业而言，Alpamayo-R1的出现直击了当前最令人头疼的痛点——长尾场景（Long-tail scenarios）下的安全性。

英伟达此次带来的 Alpamayo-R1正是为了终结这一困境，而其交出的实测成绩单也足够令人信服。

▲Alpamayo-R1相对基线的提升明显

在针对极高难度长尾场景的测试中，AR1的规划准确率相比仅有轨迹预测的基线模型提升了整整12%；

在闭环仿真测试里，AR1成功将车辆冲出道路的事故率降低了35%；

与其他车辆或行人的近距离危险遭遇率也大幅减少了25%。

更值得一提的是，即便在集成复杂的推理大脑后，该模型在NVIDIA RTX 6000 Pro Blackwell车载硬件上依然保持了99毫秒的端到端超低延迟，完全满足了实时自动驾驶的严苛需求。

一、解决自动驾驶端到端黑盒问题 引入因果链数据集

过去几年，基于模仿学习的端到端大模型虽然通过堆砌数据量取得了显著进步，但它们本质上更像是一个只会死记硬背的“黑盒”。

这些模型能够精准模仿人类驾驶员的操作，却缺乏对场景的因果理解。它们知道“前面有车要刹车”，却不知道“为什么要刹车”。

这种知其然不知其所以然的缺陷，导致车辆在面对从未见过的高风险复杂路况时，往往表现脆弱，决策逻辑甚至自相矛盾。

为了让AI真正学会像人类老司机一样思考，英伟达并没有选择在现有模型上修修补补，而是从最底层的数据构建开始了一场革命。

▲因果链推理演示

为了解决传统数据集中描述模糊、缺乏逻辑关联的问题，研究团队构建了一套全新的“因果链”（Chain of Causation, CoC）数据集。

这套数据集的核心在于教会模型建立“观察-原因-决策”的严密逻辑闭环。它不再让AI生成诸如“天气晴朗、路面宽阔”这类无关痛痒的旁白。

在这套模型下，提示词可明确指出“因为左侧有车辆正在强行并线，且前方有行人横穿，所以我决定减速避让”。

这种数据构建方式不仅消除了因果混淆，更有效提升了模型的逻辑性。

二、引入新架构 平衡模型性能

在强大的数据支撑下，Alpamayo-R1采用了一种模块化且高效的架构设计，巧妙地平衡了“慢思考”与“快行动”。

其大脑由英伟达专为物理AI打造的Cosmos-Reason视觉语言模型驱动，负责处理复杂的环境理解和逻辑推理。

而行动则交由一个基于流匹配（Flow Matching）技术的动作专家解码器来控制。

这种分工合作的机制，让模型既能利用大语言模型的广博知识进行深思熟虑，又能通过扩散模型生成丝般顺滑且符合车辆动力学的行驶轨迹，完美解决了大模型通常反应迟钝的弊病。

不过，真正让Alpamayo-R1与众不同的，是其在训练阶段引入的强化学习（RL）机制。

▲推理-动作高一致性将提升奖励

在监督学习教会模型基本的驾驶技能后，研究人员引入了一个更为严苛的“判卷老师”——利用更大规模的推理模型作为批评者（Critic），对AR1的表现进行打分。

这个阶段的训练目标非常明确——要求模型言行一致。

对此，该模型中的奖励函数不仅看重车辆是否开得安全，更看重模型嘴上说的推理逻辑与实际做出的驾驶动作是否吻合。

如果模型推理说“因为红灯要停车”，但实际动作却在加速，它就会受到严厉惩罚。

▲采用强化学习新模式后质量显著提升

这种训练方式让AI的解释不再是一种事后的敷衍，而是真正成为了指导车辆行动的决策纲领，推理质量因此提升了45%，推理与行动的一致性也提高了37%。

在论文的最后还有一个小彩蛋，致谢中排在第一位的正是英伟达自动驾驶负责人吴新宙。

▲吴新宙在致谢第一位

结语：英伟达首次开源VLA模型

随着 Alpamayo-R1 的发布及后续开源计划的推进，英伟达不仅展示了一条通往 L4 级自动驾驶的务实技术路径，更为整个开源社区注入了强劲动力。

当自动驾驶汽车开始能够清晰地解释自己的每一个决策逻辑时，我们距离那个真正安全、可信的自动驾驶未来，或许只剩下最后的一公里。