Ideal Auto uskoo, että VLA voi saavuttaa tavoitteen yhdistää 3D- ja 2D-näön.

Ihannetapauksessa VLA pystyisi näkemään fyysisen maailman kokonaisuudessaan 3D- ja 2D-näön yhdistelmällä, toisin kuin VLM, joka pystyy tulkitsemaan vain 2D-kuvia. Samaan aikaan VLA:lla on täydellinen aivojärjestelmä, jossa on kieli- ja ajatusketjupäättelykyky. Se voi nähdä, ymmärtää ja itse asiassa suorittaa toimia, mikä on linjassa ihmisten toimintatapojen kanssa.