NVIDIA 发布 VFlash:视觉规划并行解码,专为物理 AI 提速
ZhidingYu · x · 2026-11-06
NVIDIA 研究团队(LPR Team 与 Jim Fan 的 GEAR Lab 等)推出 VFlash,一个面向物理 AI 的 System-1 VLM 通用解码框架。核心观点:具身模型不只靠文本思考,还能以「视觉规划」思考——预测在哪抓取、如何移动、场景如何演化。
- 痛点:自回归生成坐标 token 使精细视觉规划越来越慢,而机器人/自动驾驶需持续更新规划
- 方法:围绕「视觉原语有已知几何结构」的洞察改造 VLM 投机解码,轻量 drafter 基于标注几何训练,可并行一次性生成完整视觉原语(框、点、深度、2D/3D 轨迹)
- 效果:比自回归目标更快,且机器人轨迹精度反而更高
- 支持文本(思考/子任务规划)与视觉原语混合输出,长度可按需指定
技术报告与代码见 NVIDIA Research 页面。
所属事件:英伟达发布 VFlash，物理 AI 推理提速 5.1 倍(4 条相关)→
「具身」频道最新
- RL 后训练让通用机器人策略在未见任务上也能持续改进 — arkrause · 2026-11-06
- Nemotron 3.5 Bolt E4B 在 Jetson 上跑到 27.7 tok/s,快 1.8 倍 — Any_Frame9721 · 2026-11-06
- GPT-6-Astra 花 72 小时零文档调通协议，造出可用卫星电视接收器 — appenz · 2026-11-06
- OpenTac 推出 HDR 触觉感知，兼顾轻触灵敏度与量程 — _krishna_murthy · 2026-11-06
- 无人机配送 Zipline 融资 15 亿美元，估值达 215 亿 — lukas_m_ziegler · 2026-11-06
- 开发者发布 Drivr 车载语音 Bot:Grok 玻璃屏卡片版上线 — bfrench · 2026-11-06