|
在昨日舉行的NVIDIA GTC 2025大會上，理想汽車自動駕駛技術(shù)研發(fā)負(fù)責(zé)人賈鵬正式發(fā)布了公司的下一代自動駕駛架構(gòu)——MindVLA。這一架構(gòu)融合了空間智能、語言智能和行為智能，旨在將汽車從單純的運(yùn)輸工具轉(zhuǎn)變?yōu)槟軌蚶斫狻⑺伎疾⑦m應(yīng)環(huán)境的智能體。 MindVLA是理想汽車自研的視覺-語言-行為融合模型（VLA），它成功整合了3D空間理解、邏輯推理與行為生成能力，為自動駕駛技術(shù)注入了新的活力。據(jù)理想汽車自動駕駛技術(shù)研發(fā)負(fù)責(zé)人賈鵬介紹，MindVLA不僅具備強(qiáng)大的感知和決策能力，還能夠像人類一樣理解并執(zhí)行自然語言指令，實(shí)現(xiàn)更加智能化的駕駛體驗(yàn)。 在發(fā)布會上，賈鵬詳細(xì)闡述了MindVLA的技術(shù)亮點(diǎn)。該架構(gòu)采用三維空間編碼器與語言模型融合設(shè)計(jì)，通過自研的混合專家（MoE）模型基座實(shí)現(xiàn)多任務(wù)處理。其3D高斯表征建模技術(shù)提升了自動駕駛場景建模效率，訓(xùn)練速度較傳統(tǒng)方法加快7倍。同時，MindVLA還利用擴(kuò)散模型（Diffusion）生成駕駛軌跡，結(jié)合常微分方程采樣器實(shí)現(xiàn)高質(zhì)量軌跡的快速生成。 除了技術(shù)上的創(chuàng)新，MindVLA還為用戶帶來了前所未有的智能駕駛體驗(yàn)。它“聽得懂”用戶的語音指令，能夠?qū)崟r調(diào)整車輛路線和行為；它“看得見”非標(biāo)準(zhǔn)化交通標(biāo)志和復(fù)雜環(huán)境，確保駕駛安全；它“找得到”目的地和車位，即使在沒有導(dǎo)航信息的情況下也能自主漫游尋找。 為了驗(yàn)證MindVLA的實(shí)際效果，理想汽車還分享了實(shí)車自動駕駛實(shí)測視頻。視頻中，搭載MindVLA架構(gòu)的理想汽車能夠準(zhǔn)確理解并執(zhí)行駕駛員的語音指令，如尋找星巴克門店、調(diào)整行駛速度、自動泊車等。這些場景充分展示了MindVLA如何讓車輛像人類一樣理解物理世界，實(shí)現(xiàn)更加智能化的駕駛。 據(jù)悉，MindVLA已完成工程化適配，計(jì)劃于2026年搭載于量產(chǎn)車型中。這一消息無疑讓廣大消費(fèi)者對未來智能駕駛充滿了期待。同時，理想汽車還表示，該架構(gòu)未來或拓展至室內(nèi)環(huán)境等非駕駛場景，探索物理與數(shù)字世界結(jié)合的通用人工智能路徑。 賈鵬在發(fā)布會上表示：“MindVLA是理想汽車在智能駕駛領(lǐng)域的重要突破，它將為汽車賦予類似人類的認(rèn)知和適應(yīng)能力，將其轉(zhuǎn)變?yōu)槟軌蛩伎嫉闹悄荏w。我們相信，MindVLA的發(fā)布將引領(lǐng)智能駕駛新紀(jì)元，為用戶帶來更加智能、便捷的出行體驗(yàn)。” 核心特性 3D高斯建模：通過多尺度幾何表達(dá)與自監(jiān)督學(xué)習(xí)，實(shí)現(xiàn)復(fù)雜環(huán)境的實(shí)時解析，提升下游任務(wù)性能超30%。 MoE架構(gòu)+稀疏注意力：采用混合專家架構(gòu)與稀疏注意力技術(shù)，保持毫秒級推理速度的同時，模型規(guī)模增長。 人類式思考：引入“快思考”與“慢思考”雙模式，車輛能在常規(guī)場景中快速響應(yīng)，在復(fù)雜博弈中深度分析。 擴(kuò)散模型優(yōu)化：基于擴(kuò)散模型與ODE采樣器，僅需2-3步即可生成高精度軌跡，優(yōu)化安全底線。 云端世界模型：自研“重建+生成”云端模型，通過3D高斯技術(shù)將場景重建速度提升7倍，支持大規(guī)模閉環(huán)強(qiáng)化學(xué)習(xí)。 跨領(lǐng)域泛化：模型在訓(xùn)練中融入多模態(tài)數(shù)據(jù)，展現(xiàn)出室內(nèi)導(dǎo)航、物流調(diào)度等跨場景潛力。 行業(yè)影響 理想汽車CEO李想表示：“MindVLA將像iPhone 4重新定義手機(jī)一樣，顛覆自動駕駛。”這一技術(shù)的發(fā)布不僅對汽車行業(yè)產(chǎn)生深遠(yuǎn)影響，還將為物流、安防等領(lǐng)域帶來新的發(fā)展機(jī)遇，打開萬億級AGI市場。 |
