NVIDIA发布VFlash视觉模型，称机器人推理提速5.1倍

事件综述根据 2 篇报道整理，11月8日更新

NVIDIA 发布面向 Physical AI 的视觉模型 VFlash，把物体定位、机器人轨迹规划、密集 3D 运动等任务从逐 token 解码改为一次性输出整个几何形状。NVIDIA 的 Jim Fan 称，VFlash 在 Jetson Thor、DGX Spark 等边缘 GPU 上可实现最高 12 倍的动作解码加速和 5.1 倍的机器人整体推理提速；论文和代码均已开源。这些提速数据来自发布方自述，尚未见第三方复现。 后续论文介绍称，VFlash 用轻量扩散模型并行预测整条轨迹、边界框和 3D 运动，使机器人规划延迟降低约 80%，并提升空间精度；在 MolmoSpaces 上，动作模型使用 VFlash 生成的规划后，任务成功率从 62.6% 提升到 70.2%。

综述由模型根据报道生成，细节以各篇原文为准。