A felvétel középpontjában az Nvidia Alpamayo-R1 modellje áll, amelyet a videó készítője lokálisan telepít és mutat be. Kiemelt témaként jelenik meg, hogy ez az önvezető mesterséges intelligencia nem csupán a vezetési feladatokat látja el – képes részletesen, természetes nyelven megmagyarázni minden döntését.
Az Alpamayo-R1 a látás-nyelvi modelleket ötvözi egy diffúziós alapú pályapredikcióval, ahol az architektúra számos kamera bemenetét, múltbeli adatokat és navigációs utasításokat egyesít, majd mindehhez indoklást és előrejelzett pályát ad. Érdekes kérdésként merül fel, hogy milyen szituációkban mutatkozik meg a modell előnye, például ritka vagy veszélyes közlekedési helyzetekben, amelyeket a hagyományos rendszerek nem tudnak jól kezelni.
A videó betekintést enged a modell működésének hátterébe, bemutatja a speciális, több százezer videórészletből álló adatbázist, és rávilágít arra, hogyan képezték a rendszert emberi közreműködéssel és automatikus címkézéssel. Az is felmerül, hogy a diffúziós alapú predikció mennyiben képes lefedni a valós közlekedési döntéseket. További kérdéseket vet fel a rendszer használata, VRAM igénye, valamint hogy hogyan lehet saját adatokon is tesztelni a modellt.
