理想发布自动驾驶架构MindVLA 深度融合空间、语言及行为智能

易车讯 3月18日，理想汽车自动驾驶研发负责人贾鹏，发布了下一代自动驾驶架构MindVLA。MindVLA是视觉-语言-行为大模型，它将空间智能、语言智能和行为智能统一在一个模型里。

理想自研VLA模型MindVLA将把汽车从单纯的运输工具转变为贴心的专职司机，它能听得懂、看得见、找得到。贾鹏表示，“我们希望MindVLA能为汽车赋予类似人类的认知和适应能力，将其转变为能够思考的智能体。”

官方透露，MindVLA打破自动驾驶技术框架设计的传统模式，使用能够承载丰富语义，且具备出色多粒度、多尺度3D几何表达能力的3D高斯（3D Gaussian）这一优良的中间表征，充分利用海量数据进行自监督训练，极大提升了下游任务性能。

在去年二季度财报的电话会议上，理想汽车表示已经启动了端到端VLA模型的研究。VLA能够将端到端、VLM两个模型合二为一。也就是说，在新的模型中，多模态大模型不再作为辅助，而是内化为了端到端智驾大模型的一种能力。

责任编辑: 关雪涛