THE RESEARCH ATLAS

Alpamayo-R1:连接推理与动作预测,应对自动驾驶长尾场景

以 Cosmos-Reason 与扩散轨迹解码器连接驾驶推理和动作预测,并研究推理与行动的一致性。

Alpamayo-R1: Bridging Reasoning and Action Prediction for Generalizable Autonomous Driving in the Long Tail

Yan Wang et al.
2025-10-30 · NVIDIA · 研究论文
来源核查: 2026-10-25机构所在地 · NVIDIA 🇺🇸 美国
机构与地域来源

地域依据是署名机构或发布机构所在地,不代表作者国籍或完整合作名单。

arxiv.org ↗

www.nvidia.com ↗

为什么值得读

把推理、轨迹生成与车辆评估放在同一条阅读路径中,区分可解释的说明与可靠的执行。

连接了什么

原始 R1 论文明确使用 Cosmos-Reason 作为视觉—语言基础,并用扩散模型生成轨迹。

原始预印本;仿真与车辆试验

本文对应固定的 R1 初版,不混同后续 Alpamayo 1 页面。仿真与道路试验不等于普遍安全证明或监管认证。

沿着这些连接继续阅读 ↗
关系与版本的来源
阅读原始来源 ↗原始 PDF ↗

引用

@misc{nvidia2025alpamayo,
  title = {Alpamayo-R1: Bridging Reasoning and Action Prediction for Generalizable Autonomous Driving in the Long Tail},
  author = {NVIDIA and : and Yan Wang and Wenjie Luo and Junjie Bai and Yulong Cao and Tong Che and Ke Chen and Yuxiao Chen and Jenna Diamond and Yifan Ding and Wenhao Ding and Liang Feng and Greg Heinrich and Jack Huang and Peter Karkus and Boyi Li and Pinyi Li and Tsung-Yi Lin and Dongran Liu and Ming-Yu Liu and Langechuan Liu and Zhijian Liu and Jason Lu and Yunxiang Mao and Pavlo Molchanov and Lindsey Pavao and Zhenghao Peng and Mike Ranzinger and Ed Schmerling and Shida Shen and Yunfei Shi and Sarah Tariq and Ran Tian and Tilman Wekel and Xinshuo Weng and Tianjun Xiao and Eric Yang and Xiaodong Yang and Yurong You and Xiaohui Zeng and Wenyuan Zhang and Boris Ivanovic and Marco Pavone},
  year = {2025},
  eprint = {2511.00088v1},
  archivePrefix = {arXiv},
  primaryClass = {cs.RO},
  url = {https://arxiv.org/abs/2511.00088v1}
}

论文与代码版权归原作者;引用及许可请以原始来源为准。

相关研究

2012 · Academic · 研究论文署名机构 · University of Toronto 🇨🇦 加拿大

基于深度卷积神经网络的 ImageNet 分类

ImageNet Classification with Deep Convolutional Neural Networks

深度卷积网络将数据、GPU 计算与表示学习结合,为现代视觉研究提供了重要起点。

2020-06 · Academic · 研究论文署名机构 · UC Berkeley 🇺🇸 美国

去噪扩散概率模型

Denoising Diffusion Probabilistic Models

模型学习逐步反转加噪过程,为图像生成建立了重要的扩散建模路线。

2021-02 · OpenAI · 研究论文署名机构 · OpenAI 🇺🇸 美国

从自然语言监督中学习可迁移的视觉模型

Learning Transferable Visual Models From Natural Language Supervision

通过对比学习对齐图像与自然语言描述,使视觉表示能够迁移到新类别。