NVIDIA VFlash acelera hasta 12× la planificación visual de robots y reduce el error de trayectoria hasta un 61%
Interesting Engineering, sobre el paper VFlash de NVIDIA Research, dice que la decodificación paralela de primitivas redujo ~80% la latencia de manipulación en Jetson Thor frente a baselines autoregresivos.
Por qué importa
VFlash es un marco de decodificación que permite a los VLM emitir primitivas visuales completas—cajas, trayectorias 2D/3D, movimiento denso—en un borrador paralelo en lugar de coordenadas token a token. NVIDIA reporta hasta 12× más velocidad en planificación robótica y hasta 61% menos error 3D frente al objetivo autoregresivo en algunas suites, con ~80% menos latencia de manipulación en Jetson Thor y DGX Spark. Interesting Engineering fechó su nota a las 19:13 EST del 5 de noviembre (00:13 UTC del 6). Modelos de acción condicionados a planes VFlash alcanzaron 70,2% de éxito medio en MolmoSpaces frente a 62,6% basal. Es investigación, no un SKU—hay que ver pesos abiertos, TensorRT-Edge y réplicas independientes.
Datos clave
- Interesting Engineering: 5 nov 2026, 19:13 EST (00:13 UTC 6 nov)
- Hasta 12× más rápida la planificación robótica frente a autoregresivo
- Hasta 61% menos error de trayectoria 3D en suites reportadas
- ~80% menos latencia de manipulación en Jetson Thor / DGX Spark
- Éxito medio MolmoSpaces 70,2% con planes VFlash vs 62,6% basal
- Página técnica principal: NVIDIA Research VFlash