Ideal Auto нь VLA нь 3D болон 2D алсын харааг хослуулах зорилгод хүрч чадна гэж үзэж байна.

Хамгийн тохиромжтой нь VLA нь зөвхөн 2 хэмжээст дүрсийг тайлбарлаж чаддаг VLM-ээс ялгаатай нь 3D болон 2D харааны хослолоор физик ертөнцийг бүхэлд нь харах боломжтой болно. Үүний зэрэгцээ, VLA нь хэл яриа болон CoT (бодлын гинж) сэтгэх чадвартай тархины бүрэн системтэй байдаг. Энэ нь хүний ​​үйл ажиллагааны арга барилд нийцсэн үйлдлүүдийг харж, ойлгож, бодитоор хийж чаддаг.