近期，理想汽車隆重揭曉了其下一代自動駕駛技術的核心架構——MindVLA。MindVLA不僅是一個能夠與用戶進行互動交流、深刻洞悉用戶需求的智能實體，更可以形象地比喻為一位精通“傾聽”并響應駕駛者指令的專業級機器人駕駛伴侶。作為視覺-語言-行為綜合大模型的杰出代表，MindVLA開創了機器人大模型的新紀元，它巧妙地將空間感知智能、語言理解智能以及行為決策智能三大能力融合于單一模型之中，展現了前所未有的集成創新。

　　據官方消息透露，MindVLA將于今年7月攜手理想汽車旗艦車型i8震撼上市，同時，當前已配備英偉達雙Orin X芯片的現有車型也將全面兼容并升級支持這一前沿技術，為用戶帶來前所未有的智能出行體驗。

　　MindVLA將為用戶帶來全新的產品形態和產品體驗，有MindVLA賦能的汽車是聽得懂、看得見、找得到的專職司機。“聽得懂”是用戶可以通過語音指令改變車輛的路線和行為，例如用戶在陌生園區尋找超市，只需要通過理想同學對車輛說：“帶我去找超市”，車輛將在沒有導航信息的情況下，自主漫游找到目的地；車輛行駛過程中，用戶還可以跟理想同學說：“開太快了”“應該走左邊這條路”等，MindVLA能夠理解并執行這些指令。

　　“看得見”是指MindVLA具備強大的通識能力，不僅能夠認識星巴克、肯德基等不同的商店招牌，當用戶在陌生地點找不到車輛時，可以拍一張附近環境的照片發送給車輛，擁有MindVLA賦能的車輛能夠搜尋照片中的位置，并自動找到用戶。

　　“找得到”意味著車輛可以自主地在地庫、園區和公共道路上漫游，其中典型應用場景是用戶在商場地庫找不到車位時，可以跟車輛說：“去找個車位停好”，車輛就會自主尋找車位，即便遇到死胡同，車輛也會自如地倒車，重新尋找合適的車位停下，整個過程不依賴地圖或導航信息，完全依賴MindVLA的空間理解和邏輯推理能力。

　　MindVLA利用Diffusion將Action Token解碼成優化的軌跡，并通過自車行為生成和他車軌跡預測的聯合建模，提升了在復雜交通環境中的通行能力。面對部分長尾場景，理想建立起人類偏好數據集，并且創新性地應用RLHF（基于人類反饋的強化學習）微調模型的采樣過程，最終使MindVLA能夠學習和對齊人類駕駛行為，顯著提升自動駕駛系統的安全下限。