NVIDIA VFlash beschleunigt robotische visuelle Planung bis 12× und senkt Trajektorienfehler bis 61%
Interesting Engineering zum VFlash-Paper von NVIDIA Research: paralleles Flash-Primitive-Decoding senkte die Manipulationslatenz auf Jetson Thor um etwa 80 % gegenüber autoregressiven Baselines.
Warum es wichtig ist
VFlash ist ein Decoding-Framework, mit dem VLMs ganze visuelle Primitive—Boxen, 2D/3D-Trajektorien, dichte Bewegung—in einem parallelen Entwurf statt tokenweise ausgeben. NVIDIA meldet bis 12× schnellere Roboterplanung und bis 61 % geringeren 3D-Fehler gegenüber dem autoregressiven Ziel in manchen Suites sowie ~80 % weniger Manipulationslatenz auf Jetson Thor und DGX Spark. Interesting Engineering datierte den Text auf 19:13 EST am 5. November (00:13 UTC am 6.). Downstream-Action-Modelle mit VFlash-Plänen erreichten 70,2 % mittleren Erfolg auf MolmoSpaces gegen 62,6 % Baseline. Forschung, kein Produkt-SKU — offene Gewichte, TensorRT-Edge und unabhängige Replikationen beobachten.
Die wichtigsten Fakten
- Interesting Engineering: 5. Nov. 2026, 19:13 EST (00:13 UTC 6. Nov.)
- Bis 12× schnellere Roboterplanung vs. autoregressiv
- Bis 61 % geringerer 3D-Trajektorienfehler in berichteten Suites
- ~80 % weniger Manipulationslatenz auf Jetson Thor / DGX Spark
- MolmoSpaces-Mittel 70,2 % Erfolg mit VFlash-Plänen vs. 62,6 % Baseline
- Primäre Technikseite: NVIDIA Research VFlash