NVIDIA 发布 VFlash：让具身模型用“视觉计划”快速思考的 System-1 VLM
ZhidingYu · x · 2026-11-06
NVIDIA 研究团队（LPR Team 与 GEAR Lab 等）发布 VFlash，一个面向 Physical AI 的通用解码框架，定位为 System-1 VLM。
核心观点：具身模型不必只用文本思考，也可以用“视觉计划”思考——预测在哪里抓取、如何移动、场景将如何演化，以此桥接感知与动作。但机器人与自动驾驶需要持续更新计划，自回归生成坐标 token 会让精细视觉规划的代价越来越高。
- 关键洞察：视觉原语（点、框、深度、2D/3D 轨迹）有已知的几何结构，无需逐 token 复现自回归目标
- 做法：基于标注几何数据训练轻量 drafter，并行解码完整视觉原语
- 效果：比自回归目标更快，且机器人轨迹更准确
技术报告与代码已公开。
所属事件:NVIDIA 发布 VFlash：物理 AI 的 System-1 视觉规划并行解码框架(10 条相关)→
「具身」频道最新
- GPT-6 Astra 登顶机器人榜单,实机插插头却 0/11 — AIFlow_ML · 2026-11-06
- Hugging Face 发布 RoboColosseum：5699 场盲测，前沿 Agent 没完成任何 humanoid 任务 — DJiafei · 2026-11-06
- RoboColosseum 机器人基准：140+ 真实场景全量开源，学术机构可申 1 万小时免费评测 — DJiafei · 2026-11-06
- moonlake：机器人学习进入 RL 时代，仿真是规模化关键 — du_yilun · 2026-11-06
- 百人实测赞临场感，开发者把整屋变成体素玩 MR — Scobleizer · 2026-11-06
- Spectral Skills 落地真机：机器人可用能量函数组合运动技能 — daibond_alpha · 2026-11-06