理想汽車發布MindVLA，重塑自動駕駛新格局

理想汽車重磅發布MindVLA，強勢重塑自動駕駛全新格局

2025 年 3 月 18 日，理想汽車自動駕駛技術研發負責人賈鵬在 NVIDIA GTC 2025 上，分享了理想汽車下一代自動駕駛技術 MindVLA 的最新進展。賈鵬稱，MindVLA 作為機器人大模型，成功融合空間智能、語言智能和行為智能，一旦打通物理與數字世界結合的范式，將有望為眾多行業賦能。它將把汽車從單純的運輸工具，轉變為貼心且智能的專職司機，使其能聽得懂指令、看得見環境、找得到目的地，賦予汽車類似人類的認知與適應能力。

理想全棧自研的 MindVLA，基于端到端 + VLM 雙系統架構的實踐及對前沿技術的洞察而誕生。VLA 作為機器人大模型的新范式，賦予自動駕駛強大的 3D 空間理解、邏輯推理及行為生成能力，讓自動駕駛可感知、思考并適應環境。MindVLA 并非簡單組合端到端模型和 VLM 模型，而是全新設計所有模塊。3D 空間編碼器借助語言模型與邏輯推理結合，輸出合理駕駛決策及 Action Token，再通過 Diffusion 優化出最佳駕駛軌跡，且整個推理過程在車端實時運行。

MindVLA 具備六大關鍵技術，打破傳統自動駕駛技術框架。它采用能承載豐富語義、具有優良 3D 幾何表達能力的 3D 高斯作為中間表征，通過海量數據自監督訓練提升下游任務性能。理想從零設計并訓練適合 MindVLA 的 LLM 基座模型，采用 MoE 混合專家架構和 Sparse Attention 實現模型稀疏化，在保證模型規模增長的同時，不降低端側推理效率，訓練中加入大量 3D 數據以賦予模型 3D 空間理解與推理能力，并通過加入未來幀預測生成和稠密深度預測等任務，激發模型空間智能。為提升邏輯推理能力，訓練 LLM 基座模型學習人類思考過程，實現快慢思考自主切換，通過小詞表結合投機推理及并行解碼技術，提升實時推理速度，平衡模型參數規模與推理性能。MindVLA 利用 Diffusion 解碼 Action Token 為優化軌跡，通過自車行為生成和他車軌跡預測聯合建模提升復雜交通環境博弈能力，采用 Ordinary Differential Equation 采樣器解決 Diffusion 效率低問題，還通過建立人類偏好數據集及應用 RLHF 微調模型采樣過程，提升安全下限?；谧匝兄亟?+ 生成云端統一世界模型，MindVLA 融合重建與生成模型能力構建仿真環境，實現基于仿真的大規模閉環強化學習，通過工程優化顯著提升場景重建與生成的質量和效率。此外，通過創新預訓練和后訓練方法，MindVLA 具備卓越泛化能力和涌現特性，在室內環境也展現出適應性。

MindVLA 將為用戶帶來全新體驗?！奥牭枚?體現在用戶能通過語音指令改變車輛路線和行為，如在陌生園區找超市，對理想同學說指令，車輛就能自主找到目的地;“看得見” 指其具備強大通識能力，可識別商店招牌，還能依據用戶發送的照片找到用戶;“找得到” 意味著車輛能在地庫、園區和公共道路自主漫游找車位，不依賴地圖或導航?？傊?，MindVLA 賦能的汽車不再只是駕駛工具，而是能與用戶溝通、理解用戶意圖的智能體，它將重新定義自動駕駛，為汽車行業及人工智能領域開拓新方向，有望推動多行業協同發展。