据我所知，虽然之前有中间“L”的那种“VLA”也吹了很久，但其实都没有真正上车，实际用法可以理解为是用一个小的VLM/语音模型，给传统的端到端VA模型加了一路输入。就好像导航信息是模型的一路输入一样，文本信息也可以作为一路输入，仅此而已。传说中的“V-L-A”可能从来都没有真正落过地，真正在控车的都是传统的端到端模型。。。