[汽車(chē)之家 資訊] 日前，理想汽車(chē)發(fā)布下一代自動(dòng)駕駛架構(gòu)MindVLA。MindVLA是一個(gè)能與用戶溝通、理解用戶意圖的智能體，可以理解為是一名能聽(tīng)懂用戶說(shuō)話的專(zhuān)職機(jī)器人司機(jī)。MindVLA是一種視覺(jué)-語(yǔ)言-行為大模型，是機(jī)器人大模型的新范式，它將空間智能、語(yǔ)言智能和行為智能統(tǒng)一在一個(gè)模型里。據(jù)悉，MindVLA將在7月份與理想i8同步推出，現(xiàn)款搭載英偉達(dá)雙Orin X芯片的車(chē)型也同樣能支持MindVLA。
MindVLA將為用戶帶來(lái)全新的產(chǎn)品形態(tài)和產(chǎn)品體驗(yàn)，有MindVLA賦能的汽車(chē)是聽(tīng)得懂、看得見(jiàn)、找得到的專(zhuān)職司機(jī)。“聽(tīng)得懂”是用戶可以通過(guò)語(yǔ)音指令改變車(chē)輛的路線和行為，例如用戶在陌生園區(qū)尋找超市，只需要通過(guò)理想同學(xué)對(duì)車(chē)輛說(shuō)：“帶我去找超市”，車(chē)輛將在沒(méi)有導(dǎo)航信息的情況下，自主漫游找到目的地；車(chē)輛行駛過(guò)程中，用戶還可以跟理想同學(xué)說(shuō)：“開(kāi)太快了”“應(yīng)該走左邊這條路”等，MindVLA能夠理解并執(zhí)行這些指令。
“看得見(jiàn)”是指MindVLA具備強(qiáng)大的通識(shí)能力，不僅能夠認(rèn)識(shí)星巴克、肯德基等不同的商店招牌，當(dāng)用戶在陌生地點(diǎn)找不到車(chē)輛時(shí)，可以拍一張附近環(huán)境的照片發(fā)送給車(chē)輛，擁有MindVLA賦能的車(chē)輛能夠搜尋照片中的位置，并自動(dòng)找到用戶。
“找得到”意味著車(chē)輛可以自主地在地庫(kù)、園區(qū)和公共道路上漫游，其中典型應(yīng)用場(chǎng)景是用戶在商場(chǎng)地庫(kù)找不到車(chē)位時(shí)，可以跟車(chē)輛說(shuō)：“去找個(gè)車(chē)位停好”，車(chē)輛就會(huì)自主尋找車(chē)位，即便遇到死胡同，車(chē)輛也會(huì)自如地倒車(chē)，重新尋找合適的車(chē)位停下，整個(gè)過(guò)程不依賴地圖或?qū)Ш叫畔ⅲ耆蕾嘙indVLA的空間理解和邏輯推理能力。
MindVLA利用Diffusion將Action Token解碼成優(yōu)化的軌跡，并通過(guò)自車(chē)行為生成和他車(chē)軌跡預(yù)測(cè)的聯(lián)合建模，提升了在復(fù)雜交通環(huán)境中的通行能力。面對(duì)部分長(zhǎng)尾場(chǎng)景，理想建立起人類(lèi)偏好數(shù)據(jù)集，并且創(chuàng)新性地應(yīng)用RLHF（基于人類(lèi)反饋的強(qiáng)化學(xué)習(xí)）微調(diào)模型的采樣過(guò)程，最終使MindVLA能夠?qū)W習(xí)和對(duì)齊人類(lèi)駕駛行為，顯著提升自動(dòng)駕駛系統(tǒng)的安全下限。（編譯/汽車(chē)之家 顏歡）