Революция в автопилотировании: новый подход Ли Авто | Li Auto

На недавней конференции NVIDIA GTC 2026 компания Ли Авто | Li Auto представила революционную разработку – основу автопилота следующего поколения под названием MindVLA-o1. Этот прорыв, по словам основателя компании Ли Сяна, заключается в нативном 3D ViT¹, трехмерном визуальном кодировщике, который кардинально меняет подход к обучению искусственного интеллекта для вождения.

Ли Сян подчеркнул парадокс: люди учатся водить интуитивно, опираясь на раннее освоение пространственного мышления. В отличие от этого, современные системы автопилота, обучаясь на 2D-видео, имитируют человека, смотрящего записи, но не получившего реального опыта. Это приводит к ограничениям в понимании трехмерного пространства, что ранее было неразрешимой проблемой из-за колоссальных вычислительных требований.


Новый 3D ViT¹ решает эту задачу, изначально работая в трехмерном домене, а не «восстанавливая» его из 2D. Модель обеспечивает унифицированное понимание 3D-геометрии и семантики, позволяя ИИ не просто видеть, но и осознавать мир вокруг. Роль лидара при этом трансформируется: из основного сенсора он становится инструментом калибровки.


Ключевую роль сыграл чип собственной разработки Mach, обеспечивающий необходимую вычислительную мощность. MindVLA-o1, основанная на 3D ViT¹, объединяет пространственное понимание, мышление и манеру вождения в единой нейросети. Она способна не только анализировать текущую ситуацию, но и прогнозировать изменения сцены, демонстрируя «мультимодальное мышление».


Более того, эта универсальная база VLA² может применяться не только для автопилота, но и для управления роботами, открывая двери для создания универсальных физических ИИ-агентов. Автопилот становится лишь первым шагом в этом направлении.