2026年5月，香港中文大学MMLab、理想汽车和清华大学联合团队发布论文《MindVLA-U1: VLA Beats VA with Unified Streaming Architecture for Autonomous Driving》，提出统一视觉语言动作架构MindVLA-U1。该模型通过Intent-CFG、流式记忆模块和快/慢推理路径等设计，使语言真正进入自动驾驶决策过程，在WOD-E2E基准测试中表现优异，验证集RFS达8.20，超越人类驾驶参考轨迹。研究证明VLA可兼顾语义理解与连续控制，为自动驾驶提供新方向。通讯作者李鸿升为香港中文大学副教授，朱本金为理想汽车研究科学家，二人在多模态学习和自动驾驶领域成果显著。