VFlash 一次性输出几何向量，机器人推理提速 5.1 倍且误差降 61%
DrJimFan · x · 2026-11-06
Jim Fan 介绍 VFlash：面向 Physical AI 的「System One 视觉模型」，核心思路是利用具身预测任务输出为定长浮点向量的特性（如边界框恒为 6 token、10 路点机械臂轨迹为 54 token），一次性并行输出整个几何形状，而非逐 token 自回归解码。
关键结果：
- 动作解码最高提速 12 倍，机器人整体推理提速 5.1 倍（在 Jetson Thor、DGX Spark 等边缘 GPU 上）
- 3D 轨迹误差最高降低 61%，比 VLM 骨干还准
- 原因：避免了自回归解码的级联误差——每个坐标「落笔即定」，后续点无法回退修正
论文与代码均已开源。Jim Fan 的判断：凡会动的东西都将自主，凡自主的都需在自己的芯片上思考，下一次推理革命是「反射速度的物理推理」。
所属事件:NVIDIA 发布 VFlash：面向物理 AI 的 System-1 视觉规划 VLM(8 条相关)→
「具身」频道最新
- 2026 AI 硬件市场全景图：139 家公司、14 个层级，估值之王在腕上 — FinanceYF5 · 2026-11-06
- 前 Luma 工程师复盘：让 Gaussian Splatting 跑在手机上 — gkopanas · 2026-11-06
- VFlash 并行解码设计要点:基元边界对齐与位置对齐是关键 — ZhidingYu · 2026-11-06
- VFlash 团队发现:轻量 drafter 解码精度可反超自回归目标模型 — ZhidingYu · 2026-11-06
- 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