MindVLA-U1：通过统一流式架构实现 VLA 在自动驾驶中超越 VA

针对现有视觉 - 语言 - 动作（VLA）模型在自动驾驶规划质量上不及视觉 - 动作（VA）模型的问题，本文提出 MindVLA-U1，首个用于自动驾驶的统一流式 VLA 架构。该架构在单一前向传播中同时生成自回归语言令牌和连续动作轨迹，利用学习到的记忆通道跨帧传递时序上下文，确保规划轨迹平滑演进。通过语言预测的驾驶意图引导动作扩散，实现了从语义推理到连续控制的无缝衔接。实验表明，该方法在长尾基准上首次超越人类驾驶员，并在规划精度上大幅领先现有方法。