当前，辅助驾驶已达到“可以推动全国推动”的基本范围，但是用户之间的差距可以使用“可以使用”到“爱使用”。该疾病的重点在于“内心安心不足” - 缺乏解释决策制度，思想弱小的人们的猜测能力以及人力计算机接触的机械化过多，从而导致对智能驾驶系统不信任的用户。 VLA模型（视觉语言 - 行动）和Yuanrong Qixing Bet同时肯定是针对这一疾病的，并通过改进技术来解决智能驾驶体验的“最后一英里”。 VLA模型的本质是通过使用W模型来增强系统的推理能力，以便系统对共同感知有更广泛的了解，从而解决了更长的情况。 Zhihua面孔的挑战和怀疑主要在以下问题类别中分类：首先，该模型无法解释。用户不知道为什么系统要超速，放慢速度，甚至无缘无故地出来。信息不透明度会导致用户失去对智能驾驶系统的安全感和信心，并且将无法使用辅助驾驶系统。第二个是缺乏防御性驾驶能力。防守驾驶能力的水平是新驾驶员和旧驾驶员之间的最大区别。最常见的例子是盲高架桥区域。当坡道加入主要的路径时，一侧的码头桥将覆盖驾驶员的大部分田地，新手驾驶员没有注意到它，但是老驾驶员很早就放慢了速度，以避免车辆突然出现。交通管理部门的数据表明，在许多交通人员伤亡中，内部轮胎差异引起的事故和盲区的成本超过70％。到目前为止，大多数明智的驾驶只能是刹车，并在遇到幽灵调查，但驾驶防守必须事先将现场结合在一起，以预测幽灵调查会尽早减慢的风险。最后，人机接触过于机械化。目前，大多数车辆进入驾驶的贡献状态，用户的舞者仅限于收购而不进行。没有针对独家用户的自定义驾驶方式，可以与个人声音进行互动。这也是为什么系统决策容易偏离用户期望的原因。聪明的驾驶行业尚未完全解决“内心安心”的问题。在此背景下，由II和Yuanrong代表的玩家坚定地押注VLA技术路线，并利用语言模型解决上述问题的能力。首先，Yuanrong和Perfect VLA模型正在全面升级Vodic Interactive Controlive车辆 - 用户可以控制车辆的运动，速度，线路选择等，同时帮助驾驶员的VEHILE，甚至释放汽车识别函数。如果您是一辆昂贵的汽车，Zhihua将更加小心，这表明VLA系统能够准确，准确地理解场景的能力。此外，语音控制的命令还发布了三个功能：空间语义理解，独特的障碍识别和对基于文本的指导的理解。理解空间的语义，也就是说，VLA可以解决场景盲区的问题。这相当于在系统上安装一个观点，以预测驾驶过程中盲人流量。例如，当通过没有交通信号灯的交叉路口，VLA模型可能会识别出“注意交叉，放慢速度”的签名。尽管公交车通过，但VLA将根据公共汽车的机芯做出准确的决策。当公共汽车放慢时，认为可能会有行人尽早行走，然后“立即将其减少，注意风险，并谨慎地通过”“决策。总线动态盲点阻止了特殊形状的屏障的识别是一种算法，该算法具有长期怀孕的问题，用于智能驾驶。过去，它通常被归类为1％的极端道路条件。但是，依靠VLA模型，甚至“甚至”变形的指南。下半年Vlain的第一个梯队。