机器人前瞻 · 微信公众号· 刘俐杉·· 3 天前精选AI 评分80
英伟达发布VFlash视觉规划解码框架,机器人动作解码最高提速12倍
英伟达重磅发布VFlash,Jim Fan直呼新时代来了!机器人动作解码提速12倍
AI 导读
英伟达发布面向快速视觉规划的通用解码框架VFlash,用并行解码完整视觉基元替代逐token生成坐标,可一次预测机器人抓取位置和运动轨迹。在H100批量大小为1条件下单次生成速度约提升25倍,四组MolmoSpaces任务中世界动作模型平均成功率70.2%,基线为62.6%。Jim Fan转发称最高实现12倍动作解码加速、5.1倍整体机器人推理加速,3D轨迹误差最多降低61%。
推荐理由
英伟达新解码框架把视觉规划从逐 token 生成改为并行预测,并给出机器人与自动驾驶多组基准的加速与成功率对比。
来源:机器人前瞻 · 微信公众号 · mp.weixin.qq.com