特拉斯结合大模型实现自动驾驶，Grok-1.5V能将“像素->动作”映射提升为“像素->语言->动作”。Grok-1.5V解决自动驾驶中边缘情况的潜力，使用语言进行“思维链”将有助于汽车分解复杂的场景，用规则和反事实进行推理，并解释其决定。