7月5日消息，理想在今晚的智能驾驶夏季发布会上宣布，正式启动端到端 VLM的早鸟计划。

据介绍，端到端最大的特点就是取掉了NPN，不依赖于先验信息，可以真正实现全国都能开，有导航就能开。

端到端模型则更进一步，通过传感器将数据输入模型，就能直接输出行驶轨迹。

通过车内的端到端和大模型部署，可以让自动驾驶快速处理，延迟更低、上限更高，用户所能感受到整套系统的动作、决策更加拟人。

VLM则是视觉语言模型，整体算法架构是由一个统一的Transformer模型组成，将Prompt（提示词）文本进行Tokenizer（分词器）编码，然后将前视120度和30度相机的图像以及导航地图信息进行视觉信息编码，通过图文对齐模块进行模态对齐，统一交给VLM模型进行自回归推理。

VLM输出的信息包括对环境的理解、驾驶决策和驾驶轨迹，并传递给系统1控制车辆。

VLM会时时刻刻思考当前的驾驶环境，给系统1合理的驾驶建议，同时系统1也可以在不同场景下调用不同的Prompt问题，主动向系统2进行求助，帮助系统1解决部分场景。

简单来说，VLM可以让车辆具有思考能力，让自动驾驶的操作更像人类老司机的处理方式。