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大会上正式发布新一代自动驾驶系统架构MindVLA，并公开其技术实现路径。该架构基于视觉-语言-行为融合模型（VLA），整合了3D空间理解、逻辑推理与行为生成能力，计划于7月与理想汽车新款车型i8同步首发。

MindVLA在用户交互方面进行了多项升级。系统能够通过自然语言指令调整车辆行为，例如用户在行驶中提出“开太快了”或“应走左侧道路”等需求时，系统可实时响应。此外，基于视觉语言模型（VLM），系统还能识别非标准化交通标志（如手写标语），并通过用户拍摄的环境照片定位车辆位置。在无导航信息的场景下，车辆可自主漫游寻找车位或目的地，例如用户指令“带我去找超市”即可触发自主路径探索。

MindVLA采用多模态融合架构，通过三维空间编码器与语言模型的融合设计，结合自研的混合专家（MoE）模型基座，实现了多任务处理能力。系统包含三大模块：3D高斯表征建模，提升了自动驾驶场景建模效率，训练速度较传统方法加快7倍；行为决策优化，利用扩散模型（Diffusion）生成驾驶轨迹，结合常微分方程采样器，2-3步即可完成高质量轨迹生成；云端统一世界模型，融合三维场景重建与生成能力，支持大规模强化学习训练。

目前，MindVLA已完成工程化适配，计划在7月与i8同步上线。理想汽车表示，未来该架构可能拓展至室内环境等非驾驶场景，探索物理与数字世界结合的通用人工智能路径。这一技术的推出或将为自动驾驶领域带来新的突破。