CAT$906.34+2.05%

Xiaomi a publicat ca open-source modelul de conducere autonomă OneVL, mizând pe accelerarea dezvoltării și a testării în industrie, potrivit IT Home. Compania spune că OneVL unifică, într-un singur cadru, mai multe direcții tehnice folosite până acum separat în automatizarea condusului, cu efect direct asupra vitezei și preciziei inferenței (rularea modelului pentru a lua decizii).

Ce aduce OneVL și de ce contează operațional

Conform Xiaomi, OneVL este un „cadru de raționament limbaj–viziune în spațiu latent” (adică modelul face pași de raționament într-o reprezentare internă comprimată, nu explicit în text), care reunește:

• VLA (Vision-Language-Action) – abordare care „înțelege” scena și produce acțiuni de condus;
• „world model” (model al lumii) – abordare care anticipează cum va evolua scena în viitor;
• raționament în spațiu latent, folosit pentru a le integra într-un singur sistem.

Xiaomi susține că modelul îmbunătățește semnificativ viteza și acuratețea inferenței și îl descrie drept o soluție „de pionierat” în industrie. În termeni comparativi, compania afirmă că OneVL depășește ca precizie abordări de tip „CoT explicit” (chain-of-thought, adică pași de raționament redați explicit) și aliniază viteza cu predicția de tip „doar răspunsul”, în varianta de „CoT în spațiu latent”.

Unificarea a două rute tehnice folosite separat

Materialul notează că, istoric, VLA și modelele lumii au fost două rute relativ independente în conducerea autonomă: prima orientată pe decizie și acțiune, a doua pe predicția evoluției mediului. Xiaomi afirmă că OneVL le unește „pentru prima dată” în același cadru prin raționament în spațiu latent.

Rezultate raportate pe benchmark-uri și componenta de explicabilitate

Xiaomi spune că OneVL a ridicat plafonul de performanță pentru metodele de raționament latent pe mai multe benchmark-uri uzuale care acoperă percepție, raționament și planificare. Sunt menționate rezultate de tip SOTA (state of the art – cele mai bune rezultate raportate) pe ROADWork, Impromptu și Alpamayo-R1, precum și performanțe „superioare” pe NAVSIM.

Un element operațional important invocat este explicabilitatea deciziilor: modelul ar putea oferi atât explicații în limbaj natural despre „de ce conduce așa”, cât și o componentă vizuală prin predicția a „ce urmează să se întâmple”.

Ce a fost publicat efectiv

Xiaomi a pus la dispoziție public:

• raportul tehnic: https://arxiv.org/abs/2604.18486
• pagina proiectului: https://xiaomi-embodied-intelligence.github.io/OneVL
• codul sursă: https://github.com/xiaomi-research/onevl

Articolul nu oferă detalii despre condițiile de licențiere, cerințele hardware sau un calendar de integrare în produse comerciale; informațiile disponibile se limitează la descrierea tehnică și la publicarea resurselor open-source.