Robotica › Autonome voertuigen & swarm robotics

NVIDIA maakt topmodel voor zelfrijdende auto's vrij voor commercieel gebruik

· Bijgewerkt 5 augustus 2026, 11:46 · 2 min leestijd

Autonome voertuigen & swarm robotics
Beeld: NVIDIA blog

NVIDIA heeft zijn nieuwste AI-model voor autonome voertuigen, Alpamayo 2 Super, vrijgegeven onder een open licentie die commercieel gebruik toestaat. Het model scoort volgens NVIDIA torenhoog op benchmarks voor rijgedrag en moet autofabrikanten helpen om zelfrijdende auto's beter te laten omgaan met onverwachte verkeerssituaties.

Zelfrijdende auto's struikelen zelden over de dagelijkse routine van rijden. Het zijn de zeldzame, ingewikkelde situaties — een fietser die plots oversteekt, een kruising zonder duidelijke voorrangsregels — waar het misgaat. Om die zogeheten long-tail scenario's aan te kunnen, is meer nodig dan alleen objecten herkennen en bewegingen voorspellen. Een auto moet de situatie begrijpen, oorzaak en gevolg inschatten en daar in een fractie van een seconde een veilige beslissing uit destilleren. Chipfabrikant NVIDIA presenteert met Alpamayo 2 Super een vision-language-action-model dat daarvoor is gebouwd.

Open licentie voor commercieel gebruik

Het model is te downloaden via Hugging Face onder de OpenMDW-1.1-licentie, een permissieve licentie van de Linux Foundation. Die staat toe dat bedrijven het model aanpassen, doorontwikkelen en zonder extra toestemming commercieel inzetten. Voor autofabrikanten, vrachtwagenbouwers en toeleveranciers betekent dit dat ze het model kunnen trainen op hun eigen ritdata en rijbeleid, zonder de controle over die gevoelige gegevens te verliezen. Eerdere versies van Alpamayo waren vooral bedoeld voor onderzoek; nu geldt de open licentie voor de hele modelfamilie, die inmiddels meer dan 500.000 keer is gedownload op Hugging Face.

Koploper op benchmarks

Alpamayo 2 Super is gebouwd op NVIDIA's Cosmos 3 Super Reasoner en verder getraind met reinforcement learning, een trainingsmethode waarbij een systeem leert door beloningen te krijgen voor goede beslissingen. Op de LingoQA-benchmark, die redeneervermogen bij autorijden test, scoort het model volgens NVIDIA's eigen metingen beter dan bijna veertig concurrerende modellen, waaronder Gemini 2.5 Pro en GPT-4o. Het model is drie keer zo groot als de eerdere Alpamayo-versies en verwerkt beelden van alle camera's rond de auto tegelijk, zodat het een compleet 360-gradenbeeld krijgt van kruisingen, invoegstroken en andere lastige verkeerssituaties.

Van rekencentrum naar dashboard

Voor elke verkeerssituatie berekent Alpamayo 2 Super niet alleen een route, maar ook een uitleg van de redenering erachter, de bedoelde manoeuvre (bijvoorbeeld voorrang geven of van rijstrook wisselen) en een beschrijving van wat de camera's precies zagen. Die transparantie moet het makkelijker maken voor ingenieurs om beslissingen van de auto te controleren en te koppelen aan veiligheidsnormen zoals ISO/PAS 8800. Het model kan ook automatisch labels aan ruwe camerabeelden toevoegen, waardoor het maanden werk aan het annoteren van trainingsdata wordt teruggebracht tot dagen. Alpamayo 2 Super maakt deel uit van een breder gereedschapskastje van NVIDIA, met onder meer de closed-loop simulatie-omgeving AlpaSim en het reinforcement-learningplatform AlpaGym. Het idee: zware rekenmodellen draaien in de cloud, terwijl compactere, van Alpamayo afgeleide modellen straks daadwerkelijk in de auto zelf rijden.

Achtergrond & begrippen

Wat betekent dit voor de toekomst? Doordat NVIDIA dit AI-model gratis en met een commerciële licentie beschikbaar stelt, kunnen autofabrikanten en toeleveranciers sneller en goedkoper bouwen aan zelfrijdende technologie zonder alles zelf vanaf nul te hoeven ontwikkelen. Dat kan de concurrentie in de markt voor robotaxi's en autonome voertuigen aanwakkeren en de weg vrijmaken voor auto's die beter omgaan met onverwachte verkeerssituaties.

Vision-language-action-model
Een AI-model dat camerabeelden combineert met taal en actie: het ziet een situatie, redeneert erover en vertaalt dat naar een concrete handeling, zoals sturen of remmen.
Reinforcement learning
Een trainingsmethode waarbij een AI-systeem leert door voor goede beslissingen een 'beloning' te krijgen en voor foute beslissingen niet, vergelijkbaar met leren via trial-and-error.
Closed-loop simulatie
Een virtuele testomgeving waarin een zelfrijdend systeem duizenden verkeerssituaties kan doorlopen voordat het echt de weg op gaat.
LingoQA-benchmark
Een testmethode die meet hoe goed een AI-model kan redeneren over verkeerssituaties, gebruikt om verschillende modellen met elkaar te vergelijken.
OpenMDW-1.1-licentie
Een open licentie van de Linux Foundation waarmee AI-modellen vrij mogen worden aangepast en ook commercieel mogen worden ingezet.
ISO/PAS 8800
Een internationale norm die richtlijnen geeft voor de veiligheid van AI-systemen in autonome voertuigen.
Automatisch labelen
Het proces waarbij een AI-model zelf beschrijvingen (labels) toevoegt aan camerabeelden, zodat die data bruikbaar wordt om andere AI-modellen mee te trainen.

Bronnen

Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.

Meer over Autonome voertuigen & swarm robotics