3月18日，理想汽車自動駕駛技術(shù)研發(fā)負責人賈鵬在NVIDIA GTC 2025進行主題演講《VLA：邁向自動駕駛物理智能體的關(guān)鍵一步》，分享理想汽車對下一代自動駕駛技術(shù)MindVLA的最新思考和進展。

賈鵬說：“MindVLA是機器人大模型，它成功整合了空間智能、語言智能和行為智能。MindVLA將把汽車從單純的運輸工具轉(zhuǎn)變?yōu)橘N心的專職司機，它能聽得懂、看得見、找得到。我們希望MindVLA能為汽車賦予類似人類的認知和適應(yīng)能力，將其轉(zhuǎn)變?yōu)槟軌蛩伎嫉闹悄荏w?！?/p>

據(jù)介紹，MindVLA打破自動駕駛技術(shù)框架設(shè)計的傳統(tǒng)模式，使用能夠承載豐富語義，且具備出色多粒度、多尺度3D幾何表達能力的3D高斯（3D Gaussian）這一優(yōu)良的中間表征，充分利用海量數(shù)據(jù)進行自監(jiān)督訓練，極大提升了下游任務(wù)性能。

MindVLA利用Diffusion將Action Token解碼成優(yōu)化的軌跡，并通過自車行為生成和他車軌跡預(yù)測的聯(lián)合建模，提升在復(fù)雜交通環(huán)境中的博弈能力。同時，Diffusion可根據(jù)外部條件，例如風格指令、動態(tài)調(diào)整生成結(jié)果。為解決Diffusion模型效率低的問題，MindVLA采用Ordinary Differential Equation（常微分方程）采樣器，實現(xiàn)2-3步就能完成高質(zhì)量軌跡的生成。面對部分長尾場景，理想建立起人類偏好數(shù)據(jù)集，并且應(yīng)用RLHF（基于人類反饋的強化學習）微調(diào)模型的采樣過程，最終使MindVLA能夠?qū)W習和對齊人類駕駛行為，顯著提升安全下限。