英伟达开源“驾驶健身房”AlpaGym!自动驾驶终于学会从自己的车祸里爬起来了

你的自动驾驶模型，在考试里满分，上路就翻车
这种反差，是整个行业藏了好几年的脏秘密

开环训练，就像让一个学生反复看录像答题：录像里的行人不会因为你写错答案而停步，后车也不会因为你偏了半米而变道
模型拿满分，只是因为它猜中了"当时那个人类司机怎么开的"
可一旦把方向盘交到它手里，一切都变了，你偏了10厘米，下一秒摄像头看到的就是"偏了的世界"；
你再按旧习惯操作，偏差叠加，轻微错误像雪球一样越滚越大，直到不可收拾

这就是自动驾驶文献里反复出现的误差累积（compounding errors）
而英伟达，刚刚把解决这个问题的工具箱，开源了

▲ NVIDIA亚太官方账号指出：开环训练抓不住误差如何滚雪球，AlpaGym把策略训练接到闭环仿真

"考场满分，上路翻车"：一个价值万亿的bug

先把这个问题讲透。

想象你训练了一个端到端自动驾驶模型
你给它看了几千小时的真人驾驶录像，每一帧都标注了"此刻该加速还是刹车、方向盘转几度"
模型学得很好，在测试集上的误差小到几乎可以忽略

但问题来了：录像不会因为模型的动作而改变
这叫开环，环境是死的，模型的输出不会反馈回来
而真实世界是闭环的：你每踩一脚油门、每打一把方向，都会改写下一秒的传感器画面、周围车辆的反应、甚至红绿灯前排队的格局

NVIDIA研究组在综述论文《Beyond Behavior Cloning》中系统梳理了这个差距：行为克隆在时间上独立的样本上开环训练，却必须在动作影响未来观测的闭环中运行
结果就是协变量偏移，训练时见过的状态分布，和部署时模型自己制造出来的状态分布，根本对不上

▲ Alpamayo项目负责人Marco Pavone发布AlpaGym架构图：上半是仿真rollout生成，下半是策略训练，中间用gRPC、NCCL和Redis串联

用一位中文社区网友的话说，

"轻微错误滚雪球这点太真实了。"

AlpaGym：一块连接仿真与训练的"接线板"

2026年6月，NVIDIA研究负责人Marco Pavone在X上宣布：AlpaGym正式开源，Apache-2.0许可证，GitHub仓库NVlabs/alpagym

▲ AlpaGym GitHub仓库首页，README开篇即点明：让策略从闭环动作后果中学习

AlpaGym是一块精心设计的接线板，站在两个系统之上：

• AlpaSim
  （NVlabs/alpasim）：闭环自动驾驶仿真环境，负责场景渲染、传感器模拟、车辆动力学与交通流，它用神经重建（NuRec）技术，把真实行程数据变成可交互的3D场景，逼真度远超传统游戏引擎；
• Cosmos-RL
  （nvidia-cosmos/cosmos-rl）：面向Physical AI的分布式强化学习基础设施，负责训练编排与权重同步。

AlpaGym做的事情，用最朴素的话说就是：让模型在仿真里"试驾"，撞了墙扣分、顺利开过去加分，然后把这些经验写回训练，更新模型权重
如此反复，模型不再只是模仿人类司机，它开始从自己的错误中学习

技术上，默认算法是GRPO（Group Relative Policy Optimization），和大语言模型后训练里的RLHF一脉相承：同一个场景跑多次，用奖励差决定"往哪次开法靠拢"
入门级奖励函数progress_safety简单粗暴，沿路线前进 +1.0，碰撞 −10.0，冲出路面 −5.0，偏离参考轨迹 −0.01

鼓励往前开，重罚撞东西，次罚上路肩，轻微贴近老司机

从CES到GTC：Alpamayo帝国的版图

AlpaGym接续了NVIDIA更大的Alpamayo开放平台体系

▲ GTC Taipei上，NVIDIA正式介绍Alpamayo 2 Super，320亿参数的开放驾驶基础模型

时间线拉起来看：

CES 2026，Alpamayo作为开放推理驾驶栈首次亮相，推理VLA模型、Physical AI大规模数据集、AlpaSim闭环评测，三块积木搭起骨架
那时的定位还是"评测"：模型在仿真里跑一跑，看看闭环表现怎么样

2026年5月底至6月初，GTC Taipei与Computex节点，平台迎来爆发式扩展：

• Alpamayo 2 Super
  ：从~10B跳到~32B参数的多任务驾驶基础模型，360°环视、思维链推理、自动标注一应俱全；
• AlpaGym
  ：把仿真从"考场"升级为"健身房"，评分随即成为训练信号；
• OmniDreams
  ：照片级场景生成，制造长尾corner case。

▲ NVIDIA DRIVE一次性公布四大组件：2 Super、AlpaGym、OmniDreams与开放数据工具

Hugging Face上的社区文章称，Alpamayo推理模型累计下载已超过40万次
这个数字说明：开放生态的飞轮已经转起来了

有人真跑通了吗？日本工程师的"云端账单"

理论再漂亮，不如看看有没有人在实验室外跑通

日本Classmethod旗下技术博客DevelopersIO给出了一份详尽的实操报告：他们在AWS的g6e.12xlarge实例上（4张L40S 48GB显卡，实际占用2张），从头跑通了AlpaGym的完整闭环

▲ 日本工程师在AWS上实测AlpaGym：烟雾测试10分钟跑通，10步短训半小时

关键数据：

• 烟雾测试
  约10分钟跑通"试驾→奖励→一步GRPO→权重同步"全链路；
• 10步短训练
  约半小时量级；
• 两张卡显存各吃到约45GB；
• 单次10步运行磁盘消耗约百GB（含四路相机rollout录像与检查点）；
• 无碰撞时奖励约0.6，碰撞时约−9，完美对应那个−10碰撞惩罚的设定。

作者非常诚实地写道：场景单一、步数过短，不能据此断言"模型已经开得更好"，只能证明闭环RL信号链路是通的
但光是这一点，已经意味着：闭环强化学习不再是只有大厂基建组才能玩的游戏

当然，代价也很真实：Alpamayo 1.5的约11B参数模型需要**≥40GB显存的双卡，完整NuRec场景数据集约1.5TB**，CUDA/cuDNN版本冲突、首次拉镜像超时、磁盘被检查点迅速吃满……这些踩坑细节，才是"开源"和"实验室外可触达"之间的真实距离

闭环训练走进工程流水线

闭环训练早已存在。
学术界讨论误差累积和协变量偏移已经很多年，CARLA仿真器里的闭环实验更是发了无数篇论文

AlpaGym的核心差异在于工程集成度：

• 与开放推理VLA（Alpamayo）同平台发货；
• 与可扩展仿真微服务（AlpaSim）和分布式RL（Cosmos-RL）预先焊好；
• 提供可运行的Hydra实验配置、奖励样例、检查点转换脚本与上手教程；
• 用挑战赛（AlpaSim闭环挑战赛、Physical AI推理挑战赛）把"开源"从代码可见推到结果可比。

▲ NVIDIA Developer Blog教程：从安装到定义奖励、启动训练、导出检查点的分步配方

一位中文社区用户看到开源消息后的反应，或许代表了更多人的心声：

"开源出来挺好，终于能少点纸上谈兵了。"

雪球还在滚，但方向变了

把视野拉远。
NVIDIA把LLM时代验证过的"SFT → RL后训练 → 压缩部署"流水线，整个搬到了自动驾驶基础模型上
AlpaGym负责其中"闭环RL"那一段的胶水和环境接口，Alpamayo Recipes仓库则提供从监督微调到量化的全套配方

当然，仿真再高保真，仍与真实道路有距离
Sim-to-real的鸿沟不会因为一个框架的开源而消失
AlpaGym的诚实定位是：在部署前把更多失败模式前置到可重复环境，并让奖励把安全与进度写进梯度
它不宣称取代百万公里真实路测，但它让"从错误中学习"这件事，第一次变成了一条可扩展、可复现、可共享的流水线

误差的雪球仍然在滚。
但现在，它终于滚在了一个可以被观察、被打分、被写进梯度的仿真世界里，更多失败有机会在驶上真实道路前被发现