Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: 小米OneVL开源:0.24秒延迟!具身智能团队发布SOTA级自动驾驶VLA世界模型
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
小米OneVL开源:0.24秒延迟!具身智能团队发布SOTA级自动驾驶VLA世界模型
Prompt 语宙 > AI 工具 > 小米OneVL开源:0.24秒延迟!具身智能团队发布SOTA级自动驾驶VLA世界模型
AI 工具AIGC 资讯

小米OneVL开源:0.24秒延迟!具身智能团队发布SOTA级自动驾驶VLA世界模型

Prompt 语宙研究院
最近更新: 2026年5月24日 上午2:28
VLA 世界模型 小米具身智能 潜空间推理 自动驾驶大模型
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • 首次把 VLA、世界模型和潜空间推理统一进单一自动驾驶框架,兼顾理解、预测与动作输出。
  • 推理阶段仅需单次并行预填,车端延迟 0.24 秒,速度接近直接预测,精度却优于显式 CoT。
  • 在 NAVSIM、ROADWork、Impromptu、Alpamayo-R1 四项基准上达 SOTA,模型与代码均已 Apache 2.0 开源。

💡 站外导读:自动驾驶领域长期面临感知、决策、规划多模块割裂与‘黑盒’决策难题。随着端到端大模型兴起,如何统一视觉理解、物理推理与动作生成,并实现实车部署所需的低延迟,成为核心挑战。传统显式思维链(CoT)推理虽能提升可解释性,但其自回归生成方式带来巨大延迟,难以满足实时性要求。行业亟需一种既能深度推理,又能‘瞬间’决策的统一大模型方案。

Xiaomi OneVL是什么

Xiaomi OneVL是小米具身智能团队推出的开源自动驾驶大模型,在业内首次将VLA视觉-语言-动作、世界模型与潜空间推理三大技术路线统一于单一框架。模型通过双辅助解码器监督紧凑潜变量,实现思考速度与不思考一样快,效果比思考更好的突破,车端推理延迟仅0.24秒,在NAVSIM等四项基准上达到SOTA,模型权重与代码以Apache 2.0协议全面开源。

阅读目录
  • Xiaomi OneVL是什么
  • Xiaomi OneVL的主要功能
  • Xiaomi OneVL的技术原理
  • Xiaomi OneVL的核心优势
  • Xiaomi OneVL的项目地址
  • Xiaomi OneVL的同类竞品对比
  • Xiaomi OneVL的应用场景
      • 📝 站长洞察 (Editor’s Insight)

Xiaomi OneVL

Xiaomi OneVL的主要功能

  • 视觉-语言-动作(VLA)统一推理:将场景理解、语言推理与驾驶动作输出集成到单一框架,实现从感知到决策到执行的一步式端到端闭环。
  • 世界模型未来预测:内置视觉世界模型解码器,可预测未来0.5秒和1.0秒的场景帧,强迫模型内化道路几何、车辆运动与环境变化的因果动力学。
  • 潜空间思维链(Latent CoT)推理:在紧凑潜变量中完成深度推理,推理时丢弃辅助解码器,所有潜变量token通过单次并行预填完成,延迟仅0.24秒,与”直接预测”速度相当但精度更高。
  • 双辅助解码器监督训练:训练阶段通过语言解码器重建文本思维链、视觉解码器预测未来帧,双维度监督确保潜变量同时编码语义推理与物理世界因果规律。
  • 高精度轨迹预测:基于Qwen3-VL-4B-Instruct主干网络,顶部附加MLP头输出轨迹,在NAVSIM基准PDM-score达88.84,超越8B竞品。

Xiaomi OneVL的技术原理

  • 三大技术路线统一:Xiaomi OneVL 首次将 VLA(视觉-语言-动作)、世界模型与潜空间推理三条独立技术路线融合到单一框架中,使模型在理解当前场景的同时,能基于物理因果规律预测未来环境演变,输出驾驶动作,实现从感知、推理到决策的端到端闭环。
  • 双辅助解码器监督架构:模型在训练阶段引入两个辅助解码器:语言解码器负责重建文本思维链,确保潜变量编码语义推理能力;视觉世界模型解码器负责预测未来帧(T+0.5s、T+1.0s),强迫潜变量内化道路几何、车辆运动等物理动力学规律。推理时两个解码器被丢弃,仅保留紧凑潜变量进行预测。
  • 三阶段渐进式训练:训练分为轨迹对齐、语言推理对齐、视觉世界模型对齐三个阶段,逐步将潜变量与轨迹输出、语言推理目标、视觉预测目标对齐。跳过任一阶段都会导致性能灾难性下降(最高达 21.71 分),证明三阶段联合优化对稳定训练至关重要。
  • 一步式潜空间并行推理:推理阶段所有潜变量 token 通过单次并行预填完成,无需自回归逐 token 生成,车端延迟仅 0.24 秒(4.16Hz),与”直接输出答案”的速度相当,精度显著超越显式思维链方法,成为首个在性能上超过显式 CoT 的潜空间推理方案。
  • 轻量化模型底座:主干网络采用 Qwen3-VL-4B-Instruct,顶部附加紧凑 MLP 头进行轨迹预测,视觉分词器使用 Emu3.5-VisionTokenizer(码本大小 131072)。4B 参数规模在 NAVSIM 基准上 PDM-score 达到 88.84,超越 8B 竞品 AdaThinkDrive 与 LaST-VLA。

Xiaomi OneVL的核心优势

  • 速度与精度兼得:Xiaomi OneVL 是业内首个精度超越显式思维链的潜空间推理方法,车端推理延迟仅 0.24 秒,与直接预测速度相当但效果更优,比显式自回归 CoT 快 32%。
  • 三大技术路线统一:Xiaomi OneVL 首次将 VLA、世界模型与潜空间推理三条独立技术路线融合到单一框架,使模型同时具备场景理解、物理因果推演和未来预测能力。
  • 双维度可解释决策:Xiaomi OneVL 同时提供语言解释和视觉预测两种决策依据,能用文字说明驾驶逻辑,也能用生成画面展示未来场景,解决自动驾驶的”黑盒”不可解释问题。
  • 轻量化与高性能并存:模型基于 4B 参数的 Qwen3-VL-4B-Instruct 主干网络,在 NAVSIM 基准 PDM-score 达 88.84,超越 8B 竞品,用更小模型规模实现更高性能。
  • 全面开源可商用:模型的模型权重、训练与推理代码均以 Apache 2.0 协议全面开源,支持学术界与产业界自由二次开发与商业应用。
  • 四项基准全面 SOTA:Xiaomi OneVL在 NAVSIM、ROADWork、Impromptu、Alpamayo-R1 四项权威基准测试中均达到当前最优水平,其中 Alpamayo-R1 的 ADE 为所有方法中最佳。

Xiaomi OneVL的项目地址

  • 项目官网:https://xiaomi-embodied-intelligence.github.io/OneVL/
  • GitHub仓库:https://github.com/xiaomi-research/onevl
  • arXiv技术论文:https://arxiv.org/pdf/2604.18486

Xiaomi OneVL的同类竞品对比

对比维度 Xiaomi OneVL EMMA (Waymo)
所属机构 小米具身智能 Waymo(Google)
模型定位 端到端 VLA + 世界模型统一框架 端到端多模态通用ist 自动驾驶模型
基础模型 Qwen3-VL-4B-Instruct(4B) Gemini / PaLI-X(大规模,未公开具体参数)
核心架构 潜空间推理 + 双辅助解码器(语言 + 视觉世界模型) 纯文本 VQA 范式,所有输入输出表示为自然语言文本
推理方式 单次并行预填,0.24 秒延迟(4.16Hz) 自回归 CoT 逐 token 生成,延迟高,计算昂贵
世界模型 内置视觉解码器,可预测未来 0.5s/1.0s 帧 无显式世界模型,不具备未来场景生成能力
动作输出 连续轨迹预测(MLP 头直接输出) 文本形式的 BEV 坐标(waypoints),需文本到浮点转换
可解释性 语言 + 视觉双维度(文本解释 + 未来画面预测) 文本 CoT 推理链(rationale)+ 视觉定位(3D/BEV 位置标注)
多任务能力 专注运动规划,四项基准 SOTA 通用ist 模型,联合训练规划、3D 检测、路图估计、场景理解
训练方式 三阶段渐进式对齐(轨迹→语言→视觉) 端到端微调,多任务 co-training,利用 Gemini 预训练世界知识
传感器输入 视觉(相机) 视觉(相机),不支持 LiDAR / radar

Xiaomi OneVL的应用场景

  • 高阶智驾量产部署:解决传统CoT推理延迟过高、无法实时部署的瓶颈。
  • 复杂路况决策:预判行人意图、车辆并道等动态场景,规避”黑盒”风险。
  • 模型决策可视化:为自动驾驶系统提供可审计、可解释的语言与视觉决策依据。
  • 学术研究二次开发:开源代码与权重支持学术界与产业界基于Apache 2.0协议商用。

📝 站长洞察 (Editor’s Insight)

Xiaomi OneVL的发布,标志着自动驾驶大模型从‘技术拼凑’迈向‘范式统一’的关键一步。它首次将VLA的端到端能力、世界模型的物理推演能力与潜空间推理的高效性融为一体,这并非简单叠加,而是通过双解码器监督训练,迫使潜变量同时编码语义逻辑与物理因果,实现了‘深度思考’与‘快速反应’的兼得。0.24秒的推理延迟,意味着潜空间推理从学术概念真正进入了可量产的工程范畴。更值得关注的是,小米以4B轻量模型实现SOTA性能,挑战了‘更大即更好’的行业迷思,为车端高效部署提供了新思路。全面开源背后,是小米从消费电子向具身智能核心平台延伸的战略野心,旨在通过开放生态加速技术收敛,抢占下一代智能出行的技术制高点。这不仅是技术突破,更是一场关于自动驾驶技术路线的宣言。

❓ 常见问题解答(FAQ)
小米OneVL是什么模型?

OneVL 是小米具身智能团队发布的开源自动驾驶大模型,核心特点是把 VLA、世界模型和潜空间推理统一到一个框架中,用于实现从感知、推理到动作输出的端到端驾驶决策。

OneVL为什么能做到0.24秒延迟?

它在推理阶段不采用显式自回归思维链,而是将潜变量 token 通过单次并行预填完成,并丢弃辅助解码器,因此车端推理延迟仅 0.24 秒,接近直接预测速度。

OneVL开源后能用于商用吗?

可以。文中明确说明 OneVL 的模型权重、训练代码和推理代码均以 Apache 2.0 协议开源,支持学术研究与产业二次开发,也包含商业应用的使用空间。

🔬 语宙深潜追问 · 进阶实操拆解
VLA 世界模型怎么兼顾实时性?

通常要把感知、规划和控制做轻量化分层,并尽量减少跨模块通信开销。再配合蒸馏、量化和异步执行,才能把延迟压到车端可用范围。

开源到自动驾驶,最该验证什么?

优先验证长尾场景、闭环稳定性和安全边界,而不是只看离线指标。真正上车前,还要做传感器退化、极端天气和异常交互的系统级测试。

🗳️ 读者观点微投票 · 您的实战立场是?
0.24 秒车端推理,先要速度还是可解释?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
🌐 所属权威专题:Gemini 全模态与空间智能 →
  • 小米开源首代机器人VLA大模型Xiaomi-Robotics-0:47亿参数MoT架构,实现实时流畅控制
  • 理想汽车发布MindVLA-o1:原生多模态VLA架构,定义自动驾驶与具身智能新范式
  • 英伟达Alpamayo-R1开源!因果推理VLA模型如何重塑自动驾驶决策?
  • 小米全球首个开源跨领域具身大模型MiMo-Embodied发布:重塑自动驾驶与机器人智能
🏛️ Prompt 语宙研究院 · Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
小米OmniVoice震撼开源:600+语种、40倍实时,定义下一代多语言TTS新标杆
GPT-5.4 nano – OpenAI推出的轻量、快速级 AI 模型
Brandmark
AI 伪造防线从云端下沉至操作系统!苹果 iOS 27.2 深度接入谷歌 SynthID:像素级隐形水印机制、图乐园与智能修图全场景溯源全景拆解
130亿美元收购悬而未决与Nemotron命悬一线!黄仁勋辞职引发全球开源AI生态大地震:白宫出口管制审查、CFO临时接管与算力寡头多角博弈全景深度拆解
TAGGED:VLA世界模型小米具身智能潜空间推理自动驾驶大模型
分享
Email 复制链接 打印
Share
Prompt 语宙研究院 头像
ByPrompt 语宙研究院
Follow:
Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
上一篇 Kimi WebBridge深度解析:月之暗面如何用浏览器插件让AI Agent真正接管网页操作 Kimi WebBridge深度解析:月之暗面如何用浏览器插件让AI Agent真正接管网页操作
下一篇 高德与阿里重磅开源AGenUI:三端原生A2UI框架,让AI Agent输出直接变为可交互界面 高德与阿里重磅开源AGenUI:三端原生A2UI框架,让AI Agent输出直接变为可交互界面
Ad image
Ad image

最近更新

Latent Space 对话 Black Forest Labs 核心创始人 Andreas Blattmann 与 Dustin Podell:从 FLUX 到视觉智能与世界动作模型
视觉智能为什么不能只靠静态图片?对话Black Forest Labs创始人:FLUX 3音画联合训练、扩散与自回归之争及世界动作模型全拆解
强化 AI 学习
Google 官方详解网站迁移至 CDN 如何避免爬虫流量激增打崩源站与误封 Googlebot 导致搜索掉收录
刚切上CDN源站反被爬虫打崩?Google官方拆解迁移翻车悖论:冷缓存雪崩、验证码误杀与预热止血指南
AI 工具
GitHub 正式上线 Repository insights 页面,集中展示 Copilot 代码审查采纳率与评论分类统计结果
AI代码审查到底有没有被采纳?GitHub上线Repository insights与repos-1-day API:四维信号、力度趋势及统计陷阱全拆解
AI 工具
Forrester AI 颠覆评估模型 17 大技术与服务品类分布图:呈现受颠覆、中立、争夺与加速四类市场象限及细分赛道数量
80%技术市场面临AI重塑冲击!Forrester拆解200+细分赛道颠覆矩阵:四大象限与Top 20合同采购谈判实战
最新趋势

相关推荐

单季狂揽 75 亿!SpaceX 第三季度 AI 业务占比超 52% 助推净利 44 亿美元扭亏为盈:Cursor、Grok 与 1.7GW 算力基础设施全景拆解
AI 工具最新趋势

单季狂揽 75 亿!SpaceX 第三季度 AI 业务占比超 52% 助推净利 44 亿美元扭亏为盈:Cursor、Grok 与 1.7GW 算力基础设施全景拆解

Prompt 语宙研究院
AI算力 Cursor Grok SpaceX 数据中心 超级智能 马斯克
TxGemma – 谷歌推出的通用医学治疗大模型
AIGC 资讯

TxGemma – 谷歌推出的通用医学治疗大模型

Prompt 语宙研究院
Gemini HuggingFace 大模型微调 开源大模型
screenpipe – 搭建个性化AI助手的软件,捕捉屏幕和音频录音
AIGC 资讯

screenpipe – 搭建个性化AI助手的软件,捕捉屏幕和音频录音

Prompt 语宙研究院
AI办公效率 AI智能体 AI音频与语音 Ollama 大模型微调
阶跃AI发布StepClaw:一键部署云端AI助手,自主进化能力颠覆办公自动化
AI 工具

阶跃AI发布StepClaw:一键部署云端AI助手,自主进化能力颠覆办公自动化

Prompt 语宙研究院
OpenClaw Step 3.5 Flash StepClaw 云端AI助手 阶跃AI
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • 语宙 AI 工具导航
  • EVA 视觉抠图工坊Hot
  • 出海数字营销宝典
  • AI 生图咒语灵感库
  • 24H 硅谷 AI 情报流

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.