NVIDIA secara resmi meluncurkan Alpamayo, sebuah ekosistem kecerdasan buatan (AI) terbuka yang dirancang untuk mempercepat pengembangan kendaraan otonom (AV) yang mampu bernalar. Peluncuran krusial ini terjadi di ajang Consumer Electronics Show (CES) 2026, di mana CEO NVIDIA, Jensen Huang, menjuluki proyek ini sebagai ‘momen ChatGPT untuk AI fisik’.
Inisiatif NVIDIA Alpamayo bertujuan menciptakan sistem yang tidak hanya mengemudi, tetapi juga mampu bernalar layaknya manusia. Sistem tradisional kerap kesulitan menghadapi skenario langka yang kompleks, sering disebut sebagai ‘long tail’ dalam industri otomotif.
Liputan informatif lainnya tersedia di Mureks. mureks.co.id
Menurut Mureks, tantangan terbesar dalam sejarah mobil swakemudi ini adalah memastikan keamanan operasional dalam beragam kondisi jalan, terutama situasi tak terduga yang jarang terjadi. Arsitektur AI tradisional yang memisahkan persepsi dan perencanaan sering kali menjadi hambatan utama.
Alpamayo hadir dengan pendekatan Vision-Language-Action (VLA) berbasis penalaran, yang mengubah cara sistem berpikir secara fundamental. Pendekatan ini memungkinkan model untuk menilai sebab-akibat dan menjelaskan keputusan berkendara yang diambil selangkah demi selangkah. Hal ini secara signifikan meningkatkan keselamatan dan kemampuan beradaptasi AV dalam kondisi tak terduga.
Tiga Pilar Utama Ekosistem Alpamayo untuk Inovasi Terbuka
NVIDIA mendesain Alpamayo sebagai ekosistem terbuka untuk mempercepat inovasi. Mereka menyediakan tiga pilar penting yang dapat diakses oleh komunitas riset dan industri:
- Model Reasoning VLA: Pilar pertama adalah model berkapasitas 10 miliar parameter. Model ini menggunakan input video untuk menghasilkan lintasan aman dan mampu menyertakan jejak penalaran di baliknya. NVIDIA merilis model ini dengan bobot terbuka dan skrip inferensi open-source di platform Hugging Face.
- Kerangka Simulasi: Pilar kedua adalah kerangka simulasi end-to-end berbasis open-source yang tersedia di GitHub. Kerangka ini menyediakan pemodelan sensor realistis dan dinamika lalu lintas yang dapat dikonfigurasi, krusial untuk pengujian tertutup berskala besar.
- Dataset Berkendara Terbuka: Pilar ketiga, dan tak kalah penting, adalah dataset yang mencakup lebih dari 1.700 jam data berkendara nyata. Data ini berasal dari berbagai geografi dan kondisi, termasuk kasus-kasus langka dunia nyata, dan tersedia untuk mendukung pengembangan arsitektur penalaran di platform Hugging Face.
Referensi penulisan: gadget.viva.co.id
