IT之家 3 月 17 日消息，今日，理想汽車(chē)基座模型負(fù)責(zé)人詹錕出席 NVIDIA GTC 2026，發(fā)表主題演講《MindVLA-o1：開(kāi)啟全能范式 —— 下一代統(tǒng)一視覺(jué)-語(yǔ)言-動(dòng)作自動(dòng)駕駛大模型探索》，發(fā)布了理想汽車(chē)的下一代自動(dòng)駕駛基礎(chǔ)模型 MindVLA-o1。

　　據(jù)介紹，MindVLA-o1 通過(guò)五大技術(shù)創(chuàng)新 ——3D 空間理解、多模態(tài)思考、統(tǒng)一行為生成、閉環(huán)強(qiáng)化學(xué)習(xí)和軟硬件協(xié)同設(shè)計(jì)，構(gòu)建面向物理世界智能的自動(dòng)駕駛基礎(chǔ)模型。

　　據(jù)IT之家了解，該模型的核心突破可以概括為以下五個(gè)維度：

　　看得更準(zhǔn)（3D 空間理解）：以前的系統(tǒng)更多是在處理平面圖像，而 MindVLA-o1 結(jié)合了攝像頭和激光雷達(dá)，通過(guò) 3D 編碼器讓車(chē)能夠像人類(lèi)一樣感知物體的深淺、距離和運(yùn)動(dòng)狀態(tài)，真正理解三維物理空間。

　　想得更深（多模態(tài)思考）：它是首個(gè)能“腦補(bǔ)”未來(lái)的模型。通過(guò)隱世界模型，它不僅看現(xiàn)在，還能在隱形空間里提前“預(yù)演”未來(lái)幾秒可能發(fā)生的場(chǎng)景，從而做出更有預(yù)見(jiàn)性的決策。

　　行得更穩(wěn)（統(tǒng)一行為生成）：系統(tǒng)采用 VLA-MoE 架構(gòu)，專(zhuān)門(mén)配備了“動(dòng)作專(zhuān)家”。它能同時(shí)生成所有行駛軌跡點(diǎn)，并通過(guò)類(lèi)似“去噪”的優(yōu)化過(guò)程，確保車(chē)開(kāi)得既絲滑又符合物理規(guī)律。

　　進(jìn)化更快（閉環(huán)強(qiáng)化學(xué)習(xí)）：理想構(gòu)建了一個(gè)強(qiáng)大的世界模擬器。模型不僅在馬路上學(xué)，還能在虛擬世界里進(jìn)行大規(guī)模、高效率的自我練習(xí)和策略優(yōu)化，大大降低了訓(xùn)練成本。

　　部署更高效（軟硬件協(xié)同）：通過(guò)研究模型精度與硬件延遲的平衡，理想將架構(gòu)設(shè)計(jì)的時(shí)間從幾個(gè)月縮短到幾天，讓復(fù)雜的大模型能更流暢地跑在車(chē)端芯片上。