同上:Alpamayo 2 Edge 在 Thor 上被优化至 45ms 单次规划
Embedl · reddit · 2026-11-13
与上一帖同一内容的发布方转发:Embedl 官方介绍对 NVIDIA Alpamayo 2 Edge(VLA 驾驶模型,6 路摄像头输入、RL 训练、先推理后规划)的优化——Jetson AGX Thor 上从官方 PyTorch 版的 0.6–0.8 秒/规划降至 45ms,实现 20 决策/秒,并提供真实板卡的浏览器内实时演示。
所属事件:NVIDIA Alpamayo 2 Edge 优化后在 Thor 上达 20 决策每秒(2 条相关)→
「具身」频道最新
- OpenClaw ClawCon 大会 12 月落地深圳，多家机器人厂商参演 — vincent_koc · 2026-11-13
- 华硕自研人形机器人 Gallop 进自家工厂,打包主板配件成功率目标 99.5% — CyberRobooo · 2026-11-13
- 富士康展台演示母排装配机器人：视觉定位+扭矩反馈完成精密插装 — lukas_m_ziegler · 2026-11-13
- 清华等团队拆解 GPT-6 机器人 Agent：保留完整历史即可大幅提分 — Zefan Wang · 2026-11-13
- 清华发布具身智能综述：以智能体视角定义 L0-L5 自主性分级 — 新智元 · 2026-11-13
- NVIDIA VLA 模型开车,Embedl 优化后在 Thor 上达 20 决策/秒 — No-Dragonfly6246 · 2026-11-13