Yuanrong Qixing开发了VLA模型，并在无人驾驶的土地上发起了“疯狂的冒险”。从概念到实施，他们都会以永久性来解释自己的技术信念，这使智能驾驶从“执行”转向思考。 “突破：从街头信号的混乱到“了解” 2024年6月炎热下午的世界，周围的赛道已经使用试用车通过公司附近的交通信号灯。谨慎的交通信号导致车辆左转，不受灯光的旋转，而不是由灯光控制，而测试车仍然停下来，他在那个驾驶员中持续了绿色的镜子，这是一个驾驶员，这是一定的，这是一定的，这是在驾驶的范围。特殊的场景，但即使是极端的模型，他当时更接近人类的驾驶技巧，因为我无法理解这个问题的迹象内部会议，他和研发团队多次提出了这个问题。同时，Yuanrong Qixing探索了各种共同人工智能的方式。 VLA原型出生于Roadagi实验室。它具有理解环境语义的能力，并可以完成简单的任务，例如收集和发布文章以及避免障碍。在演示中，周光发现，该模型允许基于环境信息和语言指示独立创建动作，与需要解释复杂道路条件的智能驾驶模型具有令人难以置信的相似之处。不同之处在于您可以了解语义信息。这淹没了密码块的最后一紧，给它带来了很多灵感，好像迷宫的思想使Opento带来了爆炸。随着大型语言模型的出现，例如Chatgpt，Zhou guang和他的团队，在此阶段，结束了 - 末端模型被困在Quagmire角的情况下，整合对语言的理解可以打开新渠道的VLA。 2024年9月，Yuanrong Qixing将VLA模型更新为公司级别的研发项目。在技术发展浪潮中，在许多情况下，时间非常重要，这是一个领先于行业的“技术游戏”。领导者并不期望“风”，而是朝风向前进。作为一家人工智能公司，Yuanrong Qixing始终认为IA技术将重建生产力关系并带领第四次工业革命的到来。在源自A的许多应用中，Yuanrong Qixing选择了智能驾驶作为进步，因为它可能打破了数字和物理世界的障碍。凭借辅助驾驶技术的巨大应用，由Yuanrong Qixing创建的基本模型使用驾驶行为与物理世界深入互动并获取有关其歌剧的信息国际规则。无论是“无图形”解决方案，端到 - 端模型还是VLA模型，Yuanrong Qixing始终解决了AI技术的问题。但是，最困难的部分不是在诺曼土地上找到正确的道路，而不是技术本身。随着VLA模型的出现，智能驾驶使他从“执行者”转向“思想家”。我不仅开始理解“如何开车”，而且还了解“为什么要以这种方式开车”。这是VLA型号和研发路的开始的优势。突破性：确定新技术方向时，尖峰之间的“安全性”极限的定义非常兴奋，并且作为行业技术领导者，我们希望我们开发Mejores智能驾驶解决方案。但是，当我启动它时，我注意到很多困难。一方面，VLA在智能驾驶领域几乎没有研究和应用，并且缺乏参考的经验，而研发人员需要阅读和探索E逐渐。同时，该公司面临生产客户的压力，主要资源往往是由大规模制作的项目，新技术的影响不确定，VLA研发只能保守地进行，进度较慢。起初，我被VLA语言的才华所吸引。 Shijie产品经理回忆起。 VLA模型对OCR的文本和识别能力有着深刻的了解，团队投入了大量精力来克服文本理解场景，例如潮汐车道，可变车道和等待转移的区域。当审判车继续“将车辆向左转到左而不受光线的控制”时，担心每个人并给出文字来解释驾驶决策过程，解决了此阶段的“黑匣子”的问题，当时在此阶段，当时端到的末端系统的“黑匣子”的问题在显着改善了用户信心的链条（COT）时实现了透明的理由。同时，VLA模型可以学到更多。震惊埃德（Edthey）读到，如果旧驾驶员正在开车，肯定会在桥梁隧道的盲点较慢，以避免风险。这使所有人都提醒所有安全是辅助驾驶生命线。用户需要的是一个真正肯定的辅助驾驶系统，使他们能够积极预测并避免比“语音互动”更重要的风险。舞台上的高级语义推断目前在末端到端系统中缺少，但VLA非常出色。在这一点上，防御驾驶是VLA模型的核心进化方向。技术可以不断打破限制，但安全始终是我们的收入。凭借安全性，效率和舒适性，我们努力找到驾驶的平衡和援助，以便用户在日常旅行中使用它们。 VLA R＆D Xiao Yi型号探索了研发的道路也充满了进步。 VLA模型的研究和开发涉及诸如建筑设计之类的过程评估和数据量表，模型验证，显示和连续迭代。它需要经历。在建筑设计期间，Xiao yi首先在云中注入，在云中显示了大型语言模型，并计划将真实车辆过多延迟到从车辆速度到车辆边缘的云到云。假设延迟需要2秒钟，则车辆已经前方33米，结果云结果。在此期间，道路的实际条件发生了变化。在需要及时响应的情况下，驾驶安全是一个很大的威胁。一个月后，研发团队从Cloud的推论中辞职，并在当地实施了该模型。在车辆边缘的计算机功率有限的情况下，模型车辆边缘的实施将在模型设计，模型加速和实施优化方面提出新的挑战。研发设备压缩词汇，循环并加速模型，而在同一Ti我，功能强大的Yuanrong Qixing推理设备具有许多操作员的优化，内存优化和新的硬件适应VLA型号，因此它最终将在车辆侧面轻轻地工作。当然，还有另一个巨大的挑战。数据是所有AI模型的基础。高质量的大型数据是VLA模型的主要优先事项。它基于手动注释，非常效率低下。然后，小Yi通过大型迭代模型自动标记了数据，从而解决了标记数据量表的问题。如今，Yuanrong Qixing达到了数千万夹的数据量表。目前，Andit的行业正在遵循出色的模型，但真正稀缺的是了解驾驶的性质。 Shukawashita强调了团队。当该行业忙于在其系统中携带更多的语料库时，Yuanrong Qixing正在深入学习如何在人类传导不完美的环境中做出最安全的决定：这是AI驱动程序的灵魂s。先驱：今年，已经在Mass生产了五辆配备Yuanrong Qixing VLA车型的汽车，第一辆汽车是在八月的道路上。 “对于VLA，我希望将其应用于Robotaxi，成为真正的AI控制器，并允许用户直接沟通到安静的环境中。只需响应说明。在变化中，您也可以主动保护安全性。” Shuchuan说。我们希望迭代并应用VLA模型不仅成为用户的“ AI驱动程序”，而且还会鼓励该行业朝着萨弗，透明和智能管理时代发展。最安全的智能驾驶年龄。使所有旅行更安全，更舒适。工业发展，Yuan Rong Qixing知道VLA是这次旅行的临时锚点。他实现了Roadagi（通用人工智能），并最终朝着通用人工智能迈进，点燃了人类生产力的定性特质。