3月18日，理想汽车自动驾驶技术研发负责人贾鹏在NVIDIA GTC 2025大会上正式发布新一代自动驾驶系统架构MindVLA，并首次公开其技术实现路径。该架构基于视觉-语言-行为融合模型（VLA），整合了3D空间理解、逻辑推理与行为生成能力，计划在7月与i8同步首发。

核心技术创新

多模态融合架构

MindVLA采用三维空间编码器与语言模型融合设计，通过自研的混合专家（MoE）模型基座实现多任务处理。系统包含三大模块：

（1）3D高斯表征建模：提升自动驾驶场景建模效率，训练速度较传统方法加快7倍。

（2）行为决策优化：利用扩散模型（Diffusion）生成驾驶轨迹，结合常微分方程采样器实现2-3步完成高质量轨迹生成。

（3）云端统一世界模型：融合三维场景重建与生成能力，支持大规模强化学习训练。

用户交互能力升级

（1）“听得懂”：用户可通过自然语言指令调整车辆行为，例如在行驶中提出“开太快了”“应走左侧道路”等需求，系统可实时响应。

（2）“看得见”：基于视觉语言模型（VLM），系统可识别非标准化交通标志（如手写标语），并通过用户拍摄的环境照片定位车辆位置。

（3）“找得到”：在无导航信息场景下，车辆可自主漫游寻找车位或目的地，例如用户指令“带我去找超市”触发自主路径探索。

技术验证与行业影响

（1）测试数据：系统已完成超10亿公里仿真测试，并引入人类偏好数据集优化长尾场景处理能力。

（2）专利布局：理想汽车已申请127项优化算法等领域，计划于2025年第三季度开放部分技术文档专利，涵盖三维场景重建、轨迹。

部署规划

MindVLA已完成工程化适配，计划在7月与i8同步首发。理想汽车表示，该架构未来或拓展至室内环境等非驾驶场景，探索物理与数字世界结合的通用人工智能路径。