在NVIDIA GTC2025大會(huì)上，理想汽車自動(dòng)駕駛技術(shù)研發(fā)負(fù)責(zé)人賈鵬發(fā)表了演講，介紹了理想汽車全棧自研的下一代自動(dòng)駕駛技術(shù)MindVLA的最新進(jìn)展。

　　MindVLA是一個(gè)整合了空間智能、語(yǔ)言智能和行為智能的機(jī)器人大模型，旨在將汽車從單純的運(yùn)輸工具轉(zhuǎn)變?yōu)橘N心的專職司機(jī)。該技術(shù)基于端到端和VLM雙系統(tǒng)架構(gòu)，通過(guò)3D空間編碼器和邏輯推理來(lái)生成合理的駕駛決策，并利用擴(kuò)散模型優(yōu)化駕駛軌跡，整個(gè)過(guò)程在車端實(shí)時(shí)運(yùn)行。

　　在技術(shù)實(shí)現(xiàn)上，MindVLA采用3D高斯作為中間表征，利用海量數(shù)據(jù)進(jìn)行自監(jiān)督訓(xùn)練，顯著提升下游任務(wù)性能。其LLM基座模型則采用MoE混合專家架構(gòu)和稀疏注意力技術(shù)，確保模型規(guī)模增長(zhǎng)的同時(shí)不降低推理效率。

　　此外，MindVLA還通過(guò)Diffusion模型將動(dòng)作詞元解碼為優(yōu)化軌跡，并結(jié)合自車行為生成和他車軌跡預(yù)測(cè)，提升復(fù)雜交通環(huán)境中的博弈能力。同時(shí)，該技術(shù)還基于自研的重建生成云端統(tǒng)一世界模型，實(shí)現(xiàn)大規(guī)模閉環(huán)強(qiáng)化學(xué)習(xí)，優(yōu)化場(chǎng)景重建與生成效率。

　　MindVLA賦能的汽車不僅可以通過(guò)語(yǔ)音指令改變車輛路線和行為，還能通過(guò)照片識(shí)別用戶位置并自主尋找車位。這一技術(shù)不僅將重塑用戶體驗(yàn)，還將重新定義自動(dòng)駕駛，為汽車行業(yè)和人工智能領(lǐng)域帶來(lái)深遠(yuǎn)影響。

　　理想汽車表示，MindVLA的推出標(biāo)志著理想汽車在自動(dòng)駕駛技術(shù)領(lǐng)域的又一重大突破，未來(lái)將繼續(xù)加大研發(fā)投入，推動(dòng)自動(dòng)駕駛技術(shù)的不斷創(chuàng)新和應(yīng)用。