小米发布 Xiaomi OneVL 一步式潜空间推理框架并全面开源

小米发布 Xiaomi OneVL 一步式潜空间推理框架并全面开源

小米发布 Xiaomi OneVL 一步式潜空间语言视觉推理框架，首次在自动驾驶领域将 VLA 与世界模型统一到同一套框架内。该框架基于潜空间 CoT，用视觉 latent token 编码物理因果结构、语言 latent token 编码驾驶意图，并通过双辅助解码器在训练中预测未来画面与可读思维链，推理时全部移除，实现一步并行生成。

在 ROADWork、Impromptu、Alpamayo-R1 三项基准上达到 SOTA，NAVSIM 的 PDM-score 达 88.84，首次在潜空间推理中超越显式 CoT（88.29），且是目前唯一在所有基准上超越显式自回归 CoT 的隐式推理方法。挂载 MLP 回归头变体后延迟可压至 0.24s，仅为 VLA 自回归推理的 5.4%。模型权重、训练与推理代码已全部开源。

小米技术