理想汽车于3月18日在NVIDIA GTC 2025大会上发布了其新一代自动驾驶系统架构——MindVLA。该架构基于视觉-语言-行为融合模型（VLA），具备强大的3D空间理解、逻辑推理和行为生成能力，并计划于7月与理想L8车型同步推出。

MindVLA核心技术突破：

多模态融合： MindVLA采用创新的三维空间编码器与语言模型融合设计，并利用自研的混合专家（MoE）模型，高效地实现多任务处理。 其核心模块包括：

1. 高效3D建模： 基于高斯表征建模，显著提升了自动驾驶场景建模效率，训练速度较传统方法提升7倍。
2. 智能行为决策： 采用扩散模型（Diffusion）生成驾驶轨迹，并结合常微分方程采样器，快速生成高质量轨迹。
3. 云端统一世界模型： 整合三维场景重建和生成能力，支持大规模强化学习训练，持续提升系统性能。

升级的用户交互体验：

1. 自然语言理解： 支持用户通过自然语言指令（如“开太快了”、“应走左侧道路”）控制车辆行为。
2. 视觉识别增强： 基于视觉语言模型（VLM），能够识别非标准化交通标志（例如手写标语），并通过用户提供的照片辅助定位。
3. 自主路径规划： 即使在缺乏导航信息的情况下，也能自主寻找车位或目的地（例如，响应“带我去找超市”的指令）。

技术验证与未来规划：

MindVLA已完成超过10亿公里的仿真测试，并通过引入人类偏好数据集优化了对长尾场景的处理能力。理想汽车已申请127项相关专利，并计划于2025年第三季度公开部分技术文档和专利，内容涵盖三维场景重建和轨迹规划等领域。 MindVLA已完成工程化适配，即将搭载于理想L8车型。未来，该架构还可能拓展至室内环境等非驾驶场景，探索通用人工智能的可能性。