Li Auto ra mắt kiến trúc lái xe tự hành thế hệ mới MindVLA

Bắc Kinh (Gasgoo)- Vào ngày 18 tháng 3 năm 2025, ông Giả Bằng, người đứng đầu bộ phận R&D công nghệ lái xe tự hành của Li Auto, đã có bài phát biểu quan trọng tại NVIDIA GTC 2025, chia sẻ những hiểu biết về những tiến bộ mới nhất của công ty trong công nghệ lái xe tự hành thế hệ tiếp theo, MindVLA.  

MindVLA là một mô hình lái xe tự hành sáng tạo dựa trên kiến trúc hệ thống kép tích hợp học sâu đầu-cuối và Mô hình Ngôn ngữ-Thị giác (VLM). Là một mô hình mới trong các mô hình robot quy mô lớn, MindVLA mang lại cho xe tự hành khả năng hiểu không gian 3D nâng cao, lý luận logic và tạo hành vi, cho phép chúng nhận thức, suy nghĩ và thích nghi với môi trường động.  

Không giống như sự kết hợp đơn giản giữa các mô hình đầu-cuối và VLM, MindVLA có thiết kế hoàn toàn mới. Bộ mã hóa không gian 3D của nó tích hợp các mô hình ngôn ngữ và lý luận logic để tạo ra các quyết định lái xe, xuất ra các token hành động—một biểu diễn của môi trường và hành vi lái xe. Các token này được tối ưu hóa thêm thông qua một mô hình khuếch tán để xác định quỹ đạo lái xe tối ưu trong thời gian thực, tất cả đều được xử lý trên xe.  

Tận dụng mô hình thế giới dựa trên đám mây thống nhất tự phát triển, MindVLA tích hợp tái tạo kịch bản 3D, hoàn thiện góc nhìn sinh động và dự đoán góc nhìn chưa thấy để tạo ra môi trường mô phỏng cực kỳ thực tế. Điều này cho phép học tăng cường vòng kín quy mô lớn, giúp mô hình liên tục cải thiện thông qua kinh nghiệm. Li Auto cho biết họ đã tối ưu hóa đáng kể mô hình thế giới của mình trong năm qua, tăng tốc độ đào tạo 3D GS lên hơn bảy lần.  

MindVLA định nghĩa lại trải nghiệm lái xe tự hành, cho phép xe hiểu và phản hồi các lệnh bằng giọng nói trong thời gian thực. Người dùng có thể đưa ra các chỉ dẫn ngôn ngữ tự nhiên, chẳng hạn như "Tìm cho tôi một siêu thị" ở khu vực không quen thuộc, mà không cần điều hướng định trước. Xe sẽ tự động khám phá và tìm kiếm điểm đến. Ngoài ra, người lái có thể thực hiện các điều chỉnh thời gian thực, chẳng hạn như "Giảm tốc độ" hoặc "Đi vào làn bên trái," với hệ thống hiểu và thực hiện các lệnh một cách liền mạch.