Li Auto presenta la arquitectura de conducción autónoma de próxima generación MindVLA

Beijing (Gasgoo)- El 18 de marzo de 2025, el jefe de I+D en tecnología de conducción autónoma de Li Auto, el Sr. Jia Peng, pronunció un discurso principal en NVIDIA GTC 2025, compartiendo perspectivas sobre los últimos avances de la compañía en su tecnología de conducción autónoma de próxima generación, MindVLA.  

MindVLA es un modelo innovador de conducción autónoma basado en una arquitectura de doble sistema que integra aprendizaje de extremo a extremo y Modelos de Visión-Lenguaje (VLM). Como un nuevo paradigma en modelos robóticos a gran escala, MindVLA dota a los vehículos autónomos de capacidades mejoradas de comprensión espacial 3D, razonamiento lógico y generación de comportamientos, permitiéndoles percibir, pensar y adaptarse a entornos dinámicos.  

A diferencia de una simple combinación de modelos de extremo a extremo y VLM, MindVLA presenta un diseño completamente nuevo. Su codificador espacial 3D integra modelos de lenguaje y razonamiento lógico para generar decisiones de conducción, emitiendo tokens de acción—una representación de comportamientos ambientales y de conducción. Estos tokens se optimizan aún más mediante un modelo de difusión para determinar la trayectoria de conducción óptima en tiempo real, todo procesado a bordo del vehículo.  

Aprovechando un modelo mundial unificado basado en la nube desarrollado internamente, MindVLA integra reconstrucción de escenarios 3D, finalización generativa de vistas y predicción de perspectivas no vistas para crear un entorno de simulación altamente realista. Esto permite un aprendizaje por refuerzo en bucle cerrado a gran escala, permitiendo que el modelo mejore continuamente a través de la experiencia. Li Auto afirmó que ha optimizado significativamente su modelo mundial en el último año, aumentando las velocidades de entrenamiento 3D GS más de siete veces.  

MindVLA redefine la experiencia de conducción autónoma, permitiendo que los vehículos comprendan y respondan a comandos de voz en tiempo real. Los usuarios pueden emitir instrucciones en lenguaje natural, como "Encuéntrame un supermercado" en un área desconocida, sin necesidad de navegación predefinida. El vehículo explorará y localizará el destino de forma autónoma. Además, los conductores pueden realizar ajustes en tiempo real, como "Reduce la velocidad" o "Toma el carril izquierdo," con el sistema entendiendo y ejecutando los comandos sin problemas.