Xiaomi ha reso open source OneVL, un nuovo framework di intelligenza artificiale pensato per l’auto a guida autonoma. L’obiettivo è migliorare comprensione, ragionamento e previsione delle situazioni stradali mettendo insieme più approcci finora trattati separatamente.
Il punto interessante è l’integrazione di Vision-Language-Action, world model e ragionamento nello spazio latente in un unico sistema, con l’idea di alzare insieme precisione, velocità di inferenza e capacità di spiegare le decisioni del modello.
Xiaomi OneVL unisce tre approcci chiave per la guida autonoma
OneVL è il nuovo framework di Xiaomi dedicato alla guida autonoma e arriva come progetto open source. L’idea di base è combinare in un solo sistema tre componenti importanti: Vision-Language-Action, world model e inferenza nello spazio latente.
Nella visione di Xiaomi, VLA e world model non devono più restare due filoni separati. I primi servono a capire la scena del traffico e a generare le azioni di guida, i secondi a prevedere come potrebbe evolvere l’ambiente stradale. OneVL prova a unificarli con il ragionamento nello spazio latente.
Più accuratezza e inferenza rapida rispetto ai modelli CoT espliciti
Xiaomi afferma che OneVL offre risultati forti su diversi benchmark diffusi per percezione, ragionamento e pianificazione. Il framework punta anche a spingere oltre i limiti dei metodi di inferenza latente.
Il dato più rilevante è il confronto con il ragionamento esplicito di tipo Chain-of-Thought: Xiaomi sostiene che OneVL ottenga maggiore accuratezza mantenendo velocità simili ai sistemi CoT nello spazio latente, che si concentrano soprattutto sulla previsione della risposta finale.
Il framework spiega le decisioni sia in testo sia in forma visiva
Un altro elemento centrale è l’interoperabilità, ma soprattutto l’interpretabilità. OneVL può spiegare perché il veicolo dovrebbe compiere una certa manovra e, allo stesso tempo, mostrare cosa potrebbe accadere subito dopo sulla strada.
In pratica, il sistema non si limita a indicare l’azione da eseguire: prova anche a renderla leggibile, sia con una descrizione linguistica sia con una rappresentazione visiva delle previsioni.
