Published on:
Архитектура VLA набирает обороты в интеллектуальном вождении, по мере того как отраслевые дискуссии смещаются от «войн архитектур» к конвергенции возможностей
Стремительные темпы развития индустрии интеллектуальных автомобилей в Китае меняют представление о ключевых технологиях. Архитектура, которую еще недавно называли «звездой следующего поколения», менее чем за год получила от некоторых критиков клеймо «упрощенной архитектуры». Речь идет о VLA (Vision-Language-Action) — одном из самых обсуждаемых подходов в области вспомогательного и автоматизированного вождения.
От робототехники к автомобилям
Концепция VLA стала предметом публичных дискуссий в июле 2023 года после выпуска компанией DeepMind модели RT-2 для управления роботами. Всего за несколько месяцев разработчики систем автономного вождения адаптировали концепцию VLA, изначально созданную для воплощенного интеллекта, к автомобильной сфере, привлеченные ее потенциалом напрямую связывать необработанные данные восприятия с действиями водителя.
К 2025 году несколько систем вспомогательного вождения, основанных на принципах VLA, начали эксплуатироваться в реальных условиях. С тех пор VLA стала одним из основных технических направлений, хотя и не единственным.
Мировые модели и VLA: меньше различий, чем кажется
На первый взгляд, два подхода — мировые модели (World Models) и VLA — кажутся принципиально противоположными. Мировые модели делают акцент на реконструкции цифровой копии физической среды, в то время как VLA выделяет сквозное обучение «от восприятия к действию».
Однако при более детальном рассмотрении оказывается, что оба подхода по своей сути являются инженерными реализациями одной и той же парадигмы: нейронных сетей в сочетании с обучением с подкреплением.
Разница заключается скорее в акцентах: мировые модели фокусируются на явной реконструкции среды, тогда как VLA делает упор на генерацию действий — но лежащая в их основе механика удивительно схожа.
Практическое внедрение: модель водителя VLA от Li Auto
Среди автопроизводителей компания Li Auto широко признана первой, кто масштабно внедрил модель водителя на базе VLA. С момента первоначального запуска система уже прошла через несколько итераций, а последние обновления были доставлены через OTA 8.1.
Согласно данным о вождении в реальных условиях, модель водителя VLA демонстрирует более плавное управление движением и логику вождения, более похожую на человеческую. Это улучшение обусловлено несколькими техническими скачками:
- Масштабируемость: почти двукратное увеличение количества активированных параметров модели — примерно до 4 миллиардов.
- Производительность: увеличение частоты вывода траектории до 10 Гц, что значительно снижает задержку.
- Рассуждение: более развитое 3D-пространственное мышление в сценариях «согласования» движения в потоке.
Больше, чем вспомогательное вождение: на пути к ИИ-агентам
Более продвинутые приложения подчеркивают долгосрочный потенциал VLA. В полузакрытых пространствах, таких как промышленные парки, система может предугадывать намерения пользователя без явного ввода данных навигации, полагаясь на семантические рассуждения и долгосрочную память.
Эти возможности указывают на эволюцию VLA в сторону ИИ-агента, а не просто узкоспециализированной функции вождения — агента, способного обучаться, запоминать и адаптировать стратегии в зависимости от меняющихся условий.
Конвергенция, а не замена
Отраслевые наблюдатели все чаще утверждают, что будущее вспомогательного вождения может зависеть не от замены одной архитектуры другой, а от глубокой оптимизации существующих фреймворков.
VLA и мировые модели, похоже, сближаются на пути к общей цели: масштабируемому, обобщаемому интеллекту для вождения. Дискуссия постепенно смещается от вопроса «какая архитектура победит» к тому, как быстро можно улучшить реальные показатели производительности в рамках практических ограничений.
