创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

英伟达推出VFlash视觉规划框架

AI 总结

据DoNews报道,英伟达推出VFlash并行解码框架,用于机器人和自动驾驶中的高速精准视觉规划。该框架通过闪速原语解码将轨迹、包围框等完整几何对象作为独立解码块生成;据称在H100且批大小为1时,机器人动作解码最高加速12倍,端到端推理最高加速5.1倍。VFlash可通过TensorRT-Edge-LLM部署于H100、DGX Spark和Jetson Thor,但相关结果均来自基准测试,真实环境表现仍待验证。

深度见解

VFlash聚焦物理AI中几何规划输出的延迟问题,并报告了动作解码加速、误差降低和边缘硬件支持,对机器人与自动驾驶的实时推理具有直接相关性。

11月6日消息,英伟达于近日正式推出面向高速精准视觉规划的通用解码框架VFlash,通过革新视觉空间信息生成逻辑,为机器人、自动驾驶系统带来推理速度与任务性能双重提升。

传统大模型普遍采用自回归逐 Token 生成模式,该模式适配文本生成,但并不完全适配机器人场景。机器人执行抓取、移动等动作时,需要输出大量空间坐标、运动航点、三维轨迹等具备强几何属性的数据;逐一生成坐标不仅耗时漫长,还容易产生级联误差,制约机器人实时响应能力。

VFlash 核心创新为闪速原语解码(Flash Primitive Decoding),不再逐个输出坐标点位,而是把轨迹、包围框等完整几何对象视作独立解码块。系统先通过工具调用声明输出长度,明确视觉基元类型,在冻结视觉语言模型(VLM)上下文条件下,依靠轻量化草稿模型一次性并行预测完整空间信息,再交由目标 VLM 完成特征提取,供给下游动作模型使用。

#NVIDIA#VFlash#TensorRT-Edge-LLM#Jetson Thor#DGX Spark

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。