为更好地支撑三维空间交互的整体设计，首先需要领先的工程架构和算力，以支撑更强大算法的落地。目前“理想同学”已经进化到全新一代的端云一体架构，并已经在L系列的全部车型上线，其集成了自研的面向车载场景的AI端侧推理引擎LisaRT，能有效提升高通8155等座舱芯片的AI运算效率及能力边界，支持更强、更复杂的AI算法在车内的部署。自研的空间交互算法可以更加高效地进行运算和推理，让面向全家人的语音及手势交互响应更快、识别更准、智能化水平更高。
理想汽车在具备了领先的工程架构和算力之后，持续强化算法能力，自研算法在语音和视觉交互方面均取得了突出成绩。
在语音方面，理想汽车创新的MIMO-NET算法，基于深度神经网络实现了多音区人声的准确分离，能够针对特定人和特定音区实现语音的精准分离，在实车多人讲话的复杂场景下，准确率相较于半年前提升42%以上；再结合自研的语音识别算法MSE-NET，“理想同学”在实车场景下唤醒率及识别准确率均提升至98%。其中，理想汽车针对孩子们的使用体验进行了大量的优化，儿童使用“理想同学”的唤醒率及识别准确率相较于半年前提升了40%以上。
面对行业里更具挑战的“高噪音”、“小声说”和“儿童说”三个重点场景，无论是车速超过120公里/小时、导航和媒体音量超过80%、车内多人交谈等嘈杂状况，或是家里老人的轻声慢语还是小朋友的表达方式，“理想同学”的唤醒率和识别准确率都提升到了90%以上。
自研的离线语音交互算法，能够带来全车快至毫秒级的疾速响应，在无网和弱网的情况下达到了媲美云端的交互体验，在更多的场景下，“理想同学”都可以立刻响应、随叫随到。
在视觉方面，手势交互完成了自研技术的重大升级，相较于半年前，整体手势交互成功率提升50%以上，车内手势交互的舒适区域扩大一倍。其中，基于自研MVS-NET算法提供的空间视觉感知信息，实现了全车乘客手势动作的精准识别，再结合创新的手势唤醒技术，手势交互误检率降低了50%以上，做到了使用更自由，交互更自然，让全家人一起享受隔空触控。