انویدیا@DrJimFan

جیم فن و تیمش تو انویدیا بالاخره فهمیدن که برای تکون دادن دست و پای یه ربات، لازم نیست مثل چت‌بات‌ها کلمه به کلمه و با تأخیر فکر کرد

جیم فن و تیمش تو انویدیا بالاخره فهمیدن که برای تکون دادن دست و پای یه ربات، لازم نیست مثل چت‌بات‌ها کلمه به کلمه و با تأخیر فکر کرد؛ مدلی به اسم VFlash دادن بیرون که ادعا می‌کنه سرعت واکنش رباتیک رو به حد رفلکس عصبی رسونده.

• تا الان مدل‌ها مختصات حرکت رو توکن‌به‌توکن تولید می‌کردن و اگه اولی کج می‌رفت، خطای زنجیره‌ای تا آخر مسیر ربات رو به فنا می‌داد؛ اینجا چون طول بردار مشخصه، کل نقشه حرکت یک‌جا و موازی تحویل موتورها داده می‌شه.

• روی چیپ‌های امبدد نتیجه چشمگیره: دیکود اکشن‌ها تا ۱۲ برابر سریع‌تر، سرعت کلی ۵٫۱ برابر بیشتر روی چیپ‌های لبه، و خطای مسیر حرکتی هم به لطف همین پردازش موازی ||تا ۶۱ درصد کمتر|| شده.

• پروژه هم مقاله و کدش کاملاً بازمتن منتشر شده تا جامعه رباتیک راحت بندازنش تو کار.

منبع

Jim Fan@DrJimFan
The era of System One Vision Model is here! Introducing VFlash: parsing the visual world in parallel at unmatched speeds for Physical AI. Most embodied prediction tasks like object localization, robot trajectory planning, and dense 3D motion are fixed-length float vectors. For example, a bounding box is always 6 tokens, a 10-waypoint robot arm trajectory is 54: we know these beforehand. Instead of decoding one token at a time, we can output the entire geometric shape in one go. VFlash enables up to 12x faster action decoding and a 5.1x overall robot inference speedup on edge GPUs like the Jetson Thor and DGX Spark. What’s surprising is that it ends up even more accurate than the VLM backbone, with up to 61% lower 3D trajectory error. The intuition is that VFlash avoids the cascading errors of autoregressive decoding, where every coordinate is written in ink and every later point loses the chance to backspace. Everything that moves will be autonomous, and everything autonomous will need to think on its own chip. The next inference revolution is physical reasoning at the speed of reflex. And as always, it’s open paper, open source! Link in thread:
۱۴ آبان ۱۴۰۵مشاهده در X

نظرها

    بیشتر بخوانید

    تنظیمات

    پیش‌نمایش

    انویدیا از نسل تازه‌ی تراشه‌هایش رونمایی کرد؛ متن خبرها با همین اندازه و فاصله‌ی خطوط نمایش داده می‌شود. ۱۴۰۵ — 2026

    ظاهر و متن

    پوسته
    اندازه‌ی متن
    فاصله‌ی خطوط

    خواندن و نمایش

    نمای فهرست خبرها

    استوری‌ها

    چه خبرهایی پخش شوند
    ترتیب
    دیده‌شده‌هابدون باز کردن تک‌تک خبرها

    صدا

    اعلان‌ها و موضوع‌ها

    موضوع‌هایی که دنبال می‌کنیدهنوز هیچانتخاب موضوع‌ها

    صدای فارسی

    این دستگاه صدای فارسی ندارد. نمونه‌ی صداها را بشنوید و یکی را یک بار دانلود کنید تا خبرها و خلاصه‌ی روز را بشنوید.

    راه‌های دیگر

    ویدیوی خبر

    گفتگو

    … نفر آنلاین

      خواندن کامل