理想汽車認為VLA能透過3D和2D視覺的組合

理想認為，VLA能透過3D和2D視覺的組合，完整地看到物理世界，而不像VLM只能解析2D影像。同時，VLA擁有完整的腦系統，具備語言、CoT（思維鏈）推理能力，既能看，也能理解並真正執行動作，符合人類的運作方式。