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进行主题演讲《VLA：迈向自动驾驶物理智能体的关键一步》，分享理想汽车对下一代自动驾驶技术MindVLA的最新思考和进展。
贾鹏说：“MindVLA是机器人大模型，它成功整合了空间智能、语言智能和行为智能。MindVLA将把汽车从单纯的运输工具转变为贴心的专职司机，它能听得懂、看得见、找得到。我们希望MindVLA能为汽车赋予类似人类的认知和适应能力，将其转变为能够思考的智能体。”
据介绍，MindVLA打破自动驾驶技术框架设计的传统模式，使用能够承载丰富语义，且具备出色多粒度、多尺度3D几何表达能力的3D高斯（3D Gaussian）这一优良的中间表征，充分利用海量数据进行自监督训练，极大提升了下游任务性能。
MindVLA利用Diffusion将Action Token解码成优化的轨迹，并通过自车行为生成和他车轨迹预测的联合建模，提升在复杂交通环境中的博弈能力。同时，Diffusion可根据外部条件，例如风格指令、动态调整生成结果。为解决Diffusion模型效率低的问题，MindVLA采用Ordinary Differential Equation（常微分方程）采样器，实现2-3步就能完成高质量轨迹的生成。面对部分长尾场景，理想建立起人类偏好数据集，并且应用RLHF（基于人类反馈的强化学习）微调模型的采样过程，最终使MindVLA能够学习和对齐人类驾驶行为，显著提升安全下限。
