小鹏智驾频刷屏?秘密全在二代VLA
近期,小鹏汽车最新的辅助驾驶表现引发关注,其在人车混杂路段的反应速度与空间把控能力显著提升。这背后的核心动力来自于小鹏推出的第二代VLA技术。该技术试图打破传统规则驱动与端到端自动驾驶的瓶颈,通过去语言化的直连模式,让车辆从“机械模仿”转向“物理思考”。
01技术演进:从规则驱动到端到端的痛点
自动驾驶技术的发展经历了从规则驱动到端到端模型的演变,但两者均存在明显局限。规则驱动的模块化架构依赖代码写定规则,本质是让车“死记硬背”说明书,无法穷尽现实路况中的未知场景。端到端架构虽然通过海量视频学习实现了感知到控制的直接输出,具备了举一反三的能力,但也被视作“黑盒”,存在不可解释、不可控的安全隐患。
智驾技术流派痛点分析
规则驱动架构
- 核心机制:将开车拆解为感知、预测、规划、控制四大模块,用代码写定规则。
- 主要缺陷:面对路边窜出小狗、临时水马等未知场景时,规则无法覆盖,车辆会导致宕机。
端到端架构
- 核心机制:通过统一神经网络,实现感知信号直接到控制输出,模仿人类驾驶。
- 主要缺陷:决策过程像“黑盒”难以追溯验证;只模仿动作不懂因果,可能将红灯广告牌误认为交通信号;需要规则代码兜底,被称为“缝合怪”。
02核心概念:VLA与世界模型的引入
为解决上述问题,行业引入了VLA(视觉-语言-动作)和世界模型。VLA通过给车装上“翻译官”,将视觉信息转译为自然语言,再利用大语言模型推理生成动作,解决了不可解释的痛点。世界模型则让车从底层学习重力、速度、摩擦力等物理规律,通过脑内推演预判场景发展趋势。
03技术突破:小鹏二代VLA的“去语言化”创新
传统VLA的语言转译过程会增加反应时间,且容易丢失大量视觉细节,缺乏空间认知。小鹏推出的第二代VLA核心在于砍掉了“语言(L)”作为中介的翻译功能,实现从看见到决策的直连模式。
| 维度 | 一代VLA(传统) | 二代VLA(小鹏) |
|---|---|---|
| 架构路径 | V→L→A(三段式) | V→隐式Token→A(二段式) |
| 理解方式 | 语言符号理解世界 | 图像理解世界,潜在表征直接建模 |
| 学习范式 | 多模态对齐(需语言标注、翻译) | 世界建模(无监督学习物理规律) |
| 知识储备 | 语言语义(如“前方有行人”) | 物理规律(质量、速度、轨迹、因果关系) |
小鹏一代VLA与二代VLA技术对比
小鹏汽车通用智能中心负责人刘先明指出,第二代VLA本质上是构建一个原生的多模态模型体系,它既是动作生成模型,也是能够理解推演的世界模型。这种融合使得车辆既能像世界模型一样掌握物理规律进行推演,又能直接生成驾驶动作,反应速度大幅提升,实测中表现出“见缝插针”的极限空间把控能力。
04行业前景:物理AI体系与跨载体应用
小鹏第二代VLA的野心不仅限于升级智驾,更在于打造一套通用的物理AI体系。该技术不仅应用于量产车型,未来还将落地于机器人、飞行器以及L4级无人驾驶出租车。目前,基于该技术的物理世界模型仍处于雏形阶段,跨载体训练和能力复用尚在摸索中。但可以确定的是,物理AI已成为智驾行业新风口,预计2026年将成为车企高频热词。
当前文章无评论,是时候发表评论了