NVIDIA VFlash 将机器人视觉规划加速最高 12 倍，轨迹误差最高降低 61%
Interesting Engineering 报道 NVIDIA Research 的 VFlash 论文称，并行 flash 原语解码使 Jetson Thor 操作延迟较自回归基线约降 80%。
为何重要
VFlash 是一套解码框架，让视觉语言模型一次并行草绘完整视觉原语（框、2D/3D 轨迹、稠密运动），而非逐 token 坐标。NVIDIA 称部分套件上机器人规划解码最高快 12 倍、3D 航点误差最高降 61%，Jetson Thor 与 DGX Spark 端到端操作延迟约降 80%。Interesting Engineering 报道时间为 11 月 5 日美东 19:13（11 月 6 日 00:13 UTC）。以 VFlash 计划为条件的下游世界动作模型在 MolmoSpaces 平均成功率 70.2%，基线 62.6%。这是研究而非产品 SKU——需关注开放权重、TensorRT-Edge 发布与独立复现。
要点
- Interesting Engineering 时间戳：2026-11-05 美东 19:13（11-06 00:13 UTC）
- 相对自回归，机器人规划解码最高快 12 倍
- 报道套件上 3D 轨迹误差最高降 61%
- Jetson Thor / DGX Spark 操作延迟约降 80%
- MolmoSpaces 平均成功率：VFlash 计划 70.2% vs 基线 62.6%
- 主要技术页：NVIDIA Research VFlash