TechWeb 全站精华
·
辅助驾驶，如何从「猴子」进化到「人类」
💡
原文中文，约7600字，阅读约需18分钟。
📝
内容提要
理想汽车的自动驾驶技术从“端到端+ VLM视觉语言模型”演变为“VLA视觉语言动作模型”，后者具备更强的思考、沟通和学习能力，能更好地处理复杂场景。通过大量数据和仿真测试，理想汽车旨在提升安全性和驾驶舒适度，实现更高效的自动驾驶体验。
🎯
关键要点
- 理想汽车的自动驾驶技术从VLM视觉语言模型演变为VLA视觉语言动作模型，具备更强的思考和学习能力。
- VLA模型能够更好地处理复杂场景，提升安全性和驾驶舒适度。
- 辅助驾驶技术经历了从机械时期到猴子时期，再到人类时期的演变。
- VLM模型依赖大量人类驾驶数据进行训练，但在复杂场景中无法直接控车。
- VLA模型具备思考、沟通、记忆和自我提升的能力，推理速度比VLM快3倍。
- 理想汽车通过仿真测试提升研发效率，减少实车测试的成本和时间。
- VLA模型的训练需要数据、算法、算力和工程能力的支持。
- 理想汽车的目标是将辅助驾驶的安全性提升到人类驾驶的10倍。
- VLA模型的成功落地依赖于丰富的数据基础和强大的算力支持。
- VLA模型在推理效率和模型容量之间进行了平衡优化，采用了混合专家模型架构。
❓
延伸问答
理想汽车的VLA模型与VLM模型有什么主要区别？
VLA模型具备思考、沟通、记忆和自我提升能力，推理速度比VLM快3倍，能够更好地处理复杂场景。
理想汽车如何提升自动驾驶的安全性？
理想汽车的目标是将辅助驾驶的安全性提升到人类驾驶的10倍，通过VLA模型的优化和大量数据训练实现。
VLA模型的训练需要哪些支持？
VLA模型的训练需要数据、算法、算力和工程能力的支持，尤其是丰富的数据基础和强大的算力。
理想汽车是如何进行仿真测试的？
理想汽车通过仿真测试进行场景重建，能够在低成本下进行大量测试，提升研发效率。
VLA模型在推理效率和模型容量之间是如何平衡的？
VLA模型采用混合专家模型架构，在推理速度和模型容量之间进行了优化平衡。
理想汽车的自动驾驶技术经历了哪些发展阶段？
理想汽车的自动驾驶技术经历了机械时期、猴子时期（VLM模型）和人类时期（VLA模型）的演变。
➡️
