自动驾驶车辆要在复杂多变的道路环境中安全行驶，不仅需要“看见”前方的车辆、行人和路面标志，还需要“读懂”交通标识上的文字提示、施工告示牌和乘客的语言指令。之前和大家讨论过VLA（相关阅读：自动驾驶中常提的VLA是个啥？），了解到视觉-语言 ...

导语：“理想的端到端架构不乏先进性，首次将VLM部署到Orin-X芯片，那么VLM是加速端到端上车的妙招吗？” 7月15日，理想汽车正式向AD Max用户全量推送无图NOA，成为继华为系之后第二家完成全量推送的车企。这次推送将覆盖理想的5个车型、超过24万用户。

VLM，即视觉语言模型，简单理解下，其就是把“看见的东西”和“说出来的话”放在同一个脑子里理解的模型。我们平时把相机拍到的画面交给视觉模型去做检测、分割、深度估计这些任务，语音或文本交给语言模型去处理。 VLM在自动驾驶里能真正解决的几类 ...

智驾圈为“世界模型”打起来了。 都是“世界模型”（World Model）惹的祸。比如，作为读者的你，WM、WEWA、VLM、VLA你能分清吗？ 确实，在“端到端”大模型火了之后，“世界模型”的出现，让高端智驾的概念变得丰富和复杂起来。然而，问题也就出现了。