NVIDIA 解析 VFlash：面向 Physical AI 的通用结构化并行解码器
ZhidingYu · x · 2026-11-06
NVIDIA 研究者 Zhiding Yu 的系列推文第 3 篇，讲解 Physical AI 任务对解码器的要求与 VFlash 的设计思路。
Physical AI 任务的特点：
1) 解码类型丰富：输出同时涵盖文本（思考、子任务规划）与多种视觉基元；
2) 解码输出结构化：点、框、轨迹等输出具有确定性结构；
3) 解码需求多样：如 NAVSIM 要求预测 4 秒内 2Hz 的 8 个未来航点，Waymo E2E 要求 5 秒 20 个，Alpamayo 预测 6.4 秒 64 个——通用解码器需按需支持可变长度输出。
VFlash 将 LocateAnything 的框对齐解码思路扩展到更丰富的 Physical AI 输出类型，通过结构化工具调用声明变长基元的长度并系统性地做并行解码。
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