XPENG et l’université de Pékin dévoilent FastDriveVLA, une avancée dans l’IA pour véhicules autonomes
XPENG, en collaboration avec des chercheurs de l’université de Pékin, a mis au point FastDriveVLA, une architecture visant à optimiser la gestion des ‘tokens’ visuels pour l’intelligence artificielle des véhicules autonomes. Ce projet a été retenu pour présentation à la conférence AAAI 2026.
FastDriveVLA propose une approche innovante pour les systèmes embarqués : au lieu d’analyser chaque élément d’une image ou d’un flux vidéo, le modèle se concentre uniquement sur les éléments visuels essentiels à la prise de décision. Cette méthode permettrait de réduire le coût computationnel par un facteur de 7,5, selon les auteurs.
En allégeant la charge de calcul, FastDriveVLA vise à améliorer le déploiement d’inférences en temps réel sur des plateformes embarquées, où la puissance de calcul, la consommation énergétique et la latence sont des contraintes critiques.
L’acceptation à la conférence AAAI, un événement majeur dans le domaine de l’intelligence artificielle, place ce travail à la pointe de la recherche. Cette reconnaissance académique renforce l’intérêt industriel pour les approches de sélection d’information visuelle dans le domaine de l’autonomie.
La réduction du coût computationnel par FastDriveVLA pourrait transformer l’équation coût/performance des véhicules autonomes, diminuer la consommation énergétique des calculateurs et influencer les choix technologiques en matière de logiciels et de matériel.
- Nom du projet : FastDriveVLA — cadre de ‘visual token pruning’ pour conduite autonome.
- Partenaires : XPENG et université de Pékin.
- Reconnaissance : article accepté pour AAAI 2026.
- Performance annoncée : réduction du coût computationnel par un facteur 7,5.
- Objectif technique : concentrer le traitement sur les informations visuelles essentielles pour alléger l’inférence en temps réel.