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:并行视觉规划解码,机器人推理提速 5.1 倍(12 条相关)→
「具身」频道最新
- Berkeley 传奇学者 Patterson 预言:两年内超级智能管家将走进日常 — davidpattersonx · 2026-11-15
- 旧金山街头机器狗牵真狗遛弯名场面刷屏 — Polymarket · 2026-11-15
- NVIDIA 盘点四家 AI 初创:用视觉识别与机器人从垃圾中捞回上千吨材料 — nvidia · 2026-11-15
- Google 机器人团队回应「解散」传闻:并入 Astra,路线图与目标不变 — carlosdponx · 2026-11-15
- 英伟达 GR00T 2 演示:两台 Unitree G1 协作装爆米花并递送 — CyberRobooo · 2026-11-15
- Polymarket 开出特斯拉加州 Robotaxi 盘口:年内落地概率仅 6% — Polymarket · 2026-11-15