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

自动驾驶技术正处于发展的转折点。过去十几年间，行业长期依赖模块化的技术路径，即将驾驶任务拆解为感知、预测、规划和控制四个独立环节。这种结构虽然清晰，但在面对突发状况时（长尾场景），会因规则覆盖不足而表

LG('ad_468_2'); 　　来自理想汽车官方微博的消息。理想智能驾驶“端到端+VLM”于今日开启全量推送，适用车型包括理想L9、L8、L7、L6，以及纯电MPV车型理想MEGA。