DeepRoute.ai présente la plateforme DeepRoute IO 2.0 et le modèle VLA à l'IAA Mobility 2025.

Pékin (Gasgoo)- Le 8 septembre, la société chinoise de conduite autonome DeepRoute.ai a dévoilé sa dernière plateforme d'aide à la conduite, DeepRoute IO 2.0, ainsi que son modèle Vision-Language-Action (VLA) développé en interne, lors du salon IAA Mobility 2025 à Munich, en Allemagne.

À ce jour, l'entreprise a sécurisé plus de 10 programmes de modèles de véhicules désignés et livré plus de 100 000 véhicules de série équipés de son système urbain NOA (Navigation sur pilote automatique). DeepRoute.ai prévoit également de développer des services de Robotaxi basés sur des plateformes de production de masse.

Dans le cadre de sa stratégie de mondialisation, DeepRoute.ai étend activement ses activités en Europe, au Japon et en Corée du Sud. L'entreprise adopte une approche à double voie : soutenir les clients nationaux comme Smart dans leurs projets à l'étranger, tout en collaborant étroitement avec les constructeurs automobiles internationaux et les coentreprises pour fournir des solutions d'aide à la conduite hautement localisées et adaptatives.

DeepRoute IO 2.0 se distingue par sa grande flexibilité avec une architecture « multi-modale, multi-puces, multi-véhicules ». Elle prend en charge les configurations basées sur LiDAR et celles reposant uniquement sur la vision, et peut être adaptée aux SUV, MPV, berlines et véhicules tout-terrain pour répondre aux divers besoins de déploiement des clients.

Au cœur du modèle VLA se trouve un raisonnement en chaîne de pensée qui améliore la logique temporelle et la compréhension des scénarios routiers complexes. Comparé aux modèles traditionnels de bout en bout, le VLA offre une interprétabilité élevée et des trajectoires de décision traçables, résolvant ainsi le défi de la « boîte noire » dans la conduite autonome. Enrichi par l'intégration de grands modèles de langage, le VLA intègre des bases de connaissances étendues, permettant une compréhension sémantique robuste et une généralisation à travers différents systèmes routiers, langues et cultures de conduite.