视觉语言模型VLM_视觉语言模型VLM是什么意思

自动驾驶中常提的VLM是个啥？与VLA有什么区别？

自动驾驶车辆要在复杂多变的道路环境中安全行驶，不仅需要“看见”前方的车辆、行人和路面标志，还需要“读懂”交通标识上的文字提示、施工告示牌和乘客的语言指令。之前和大家讨论过VLA，了解到视觉-语言-动作模型，但在很多场景中，大家还会提到VLM，看起来与VLA非常类似，那VLM又是个啥？与VLA（Vision-Language-Action，视觉-语言-动作）又有什么区别？

智驾最前沿

1183

2025/08/07

自动驾驶 VLA

智驾SoC研究：智驾SoC换代周期到来，重点适配VLA/VLM大模型

2024年，中国本土乘用车销量合计约2284万辆，同比增长了8.6%，与2023年5.8%的增长率提高了约3个百分点。其中搭载L2级及以上智驾SoC的乘用车超1456万辆，装配率达到63.8%，比2023年的智驾SoC装配率高了约6个百分点。

佐思产研

4080

2025/07/09

智能驾驶 SoC

在英伟达Thor-X上测试VLM自动驾驶大模型运行，延迟会是多少毫秒？

英伟达结合自己开发的VLM模型，并基于Thor-X平台做了延迟测试，并于2025年6月9日公开发表了测试结果，详情可见论文《LiteVLM: A Low-Latency Vision-Language Model Inference Pipeline for Resource-Constrained Environments》。英伟达LiteVLM管线图片来源：英伟达 &nbsp

佐思产研

1099

2025/06/26

自动驾驶英伟达

如何训练并评价VLM/VLA模型，13大开源数据集一览

典型VLM包含四个组件：视觉编码器vision encoder、驾驶视觉适配器driving adapter、文本编码器text encoder和大型语言模型（LLM），VLA与VLM相比则多了一个轨迹规划器，一般是基于扩散模式。有时adapter也称为Input Projector：将不同模态的输入数据映射到共享的语义空间。无论是VLM还是VLA，LLM都是核心。

佐思产研

2862

2025/06/23

VLA 视觉语言模型VLM