开发自动驾驶策略需要在训练与部署之间架起桥梁。视觉-语言-行动模型主要在开环中训练，但实际部署中驾驶策略运行在闭环环境，每个决策都会影响环境。NVIDIA Alpamayo 通过 AlpaSim 仿真平台和 AlpaGym 闭环训练框架解决了这一挑战。

AlpaGym 将仿真反馈直接连接到策略训练循环，使模型从自身行为在仿真中的后果中学习。通过强化学习，模型不仅针对记录的专家轨迹进行优化，更能从仿真环境中的实时反馈中改进。这对自动驾驶开发至关重要——小的预测或规划误差会随时间累积。

AlpaGym 支持大规模并行闭环训练，协调模型推理、仿真运行、训练更新和跨实例通信，在多样化仿真场景中高效利用计算资源。