자율주행의 신뢰 문제를 푸는 열쇠는 결국 ‘설명 가능성’에 있다. 차량이 급정거하거나 차선을 변경했을 때, 그 이유를 사람이 납득할 수 있어야 규제도, 사고 조사도, 대중의 불안도 해소된다. NVIDIA가 상업용 사용까지 허용한 개방형 모델 NVIDIA Alpamayo 2 Super는 바로 이 지점을 정면으로 파고든 결과물이다1.
하나의 모델이 경로를 찍고, 그 이유까지 말한다
NVIDIA Alpamayo 2 Super는 340억 파라미터 규모의 VLA(Vision-Language-Action) 모델로, 320억 파라미터의 추론기(Reasoner)와 20억 파라미터의 확산 기반 행동 전문가(Action Expert)로 구성된다2. 추론기는 최대 7개의 카메라 입력을 처리해 360도 시야를 확보하고, 언어 컨텍스트 및 이전 움직임 이력을 함께 해석한다. 행동 전문가는 이렇게 형성된 내부 표상을 미래의 자아 차량 궤적으로 변환한다2.
여기서 끝나지 않는다. 이 모델은 궤적과 함께 Chain-of-Causation(CoC) 추론 트레이스를 출력하는데, “우측 차량이 속도를 줄이고 있어 차선 변경이 안전하다고 판단했다”와 같은 인과적 설명을 텍스트로 제공한다. 이 CoC 추론 트레이스는 NVIDIA Halos 안전 검증 워크플로우에 통합되어 모델의 장면 이해도를 내부적으로 분석할 수 있게 한다2. 또한 정지, 양보, 차선 변경 같은 메타 액션도 함께 예측하므로, 단순한 궤적만으로는 파악하기 어려운 상위 의도를 바로 확인할 수 있다.
설명 성능은 실제 주행 성능과 분리되지 않는다
주행 결정에 대한 설명 능력은 결국 차량이 얼마나 정확하고 안전하게 움직이는지와 같은 뿌리에서 나온다. NVIDIA Alpamayo 2 Super는 LingoQA 자율주행 추론 벤치마크에서 37개 평가 모델 중 1위를 기록했으며, Lingo-Judge 기준으로 GPT-4o보다 23.2점 높은 점수를 받았다12. Qwen2.5-VL 72B 모델과 비교해도 17점 차이다2.
궤적 예측 정밀도도 공개되어 있다. Physical AI AV 데이터셋의 까다로운 1,434개 테스트 샘플에서 6.4초 예측 구간 기준 minADE_6 0.911m를 기록했는데, 이는 이전 세대인 Alpamayo 1.5 Nano(0.916m)보다 개선된 수치다2. 폐쇄 루프 시뮬레이션 환경인 AlpaSim의 913개 재구성 장면에서는 1.50 ± 0.13의 점수를 얻어, 충돌이나 도로 이탈과 같은 실패 요인을 실제 주행에 가까운 환경에서 정량적으로 평가할 수 있음을 보여주었다.
교사 모델에서 시작하는 개방형 개발 파이프라인
NVIDIA Alpamayo 2 Super의 가중치는 Hugging Face에 공개되어 있으며, 라이선스는 OpenMDW-1.1을 따른다. 파인튜닝, 파생 모델 생성, 상업적 재배포가 모두 허용된다는 뜻이다2. Hugging Face에서 Alpamayo 모델군의 누적 다운로드 수가 이미 50만 건을 넘어선 배경에는 이 같은 개방성도 자리 잡고 있다1.
한 가지 분명히 해둘 점은, 이 모델이 차량에 직접 탑재되는 온디바이스 솔루션이 아니라는 사실이다. NVIDIA는 Alpamayo 2 Super를 ‘교사(teacher)’로 설계했다. 대규모 모델을 오프라인에서 정책 교사, 평가 비평가, 데이터 엔진, 새로운 작업 커스터마이징의 출발점으로 활용하고, 실제 차량용 칩(DRIVE Thor 등)에는 이 모델을 증류(distill)한 경량 버전을 배포하는 구조다3. 모델을 개방해 생태계를 확장하고, 그 생태계가 자사 하드웨어에서 구동되도록 만드는 전형적인 플랫폼 전략이라 할 수 있다.
자율주행 차량이 실제 도로 위에서 ‘왜’라는 질문에 답할 수 있게 되는 순간, 개발자에게는 디버깅 도구가, 규제 기관에는 감사 대상이, 탑승자에게는 최소한의 설명이 생긴다. NVIDIA Alpamayo 2 Super는 그 전환의 시작점에 서 있는 모델이다.
2Generate Trajectories, Reasoning Traces, and Auto-Labels with NVIDIA Alpamayo 2 Super
3Nvidia opens up Alpamayo 2, a driving model that reasons out loud
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.