NVIDIA发布VFlash视觉模型：并行生成机器人轨迹与3D运动，告别逐token推理
talkingdev • 2026-11-06
1413 views
NVIDIA Research推出了VFlash，一种新型视觉模型，能够并行生成机器人运动轨迹、三维运动等几何预测，而不像传统自回归模型那样逐token串行输出。该技术通过将视觉感知与结构化空间预测相结合，有望显著降低推理延迟，这对机器人操控、自动驾驶和动态场景理解等实时性要求较高的任务尤为重要。官方介绍显示，VFlash的核心创新在于直接输出几何预测，使模型不再受限于文本式序列生成流程。这一思路若持续发展，可能为具身智能和空间智能提供更高效的技术路线，并推动视觉模型从图像理解走向可执行的动作与三维世界建模。
核心要点
- NVIDIA推出VFlash视觉模型，可并行生成机器人轨迹和3D运动等几何预测。
- 该模型改变了逐token串行生成方式，有望降低推理延迟、提升实时性。
- 技术面向机器人操控、自动驾驶和空间智能等对效率要求较高的应用场景。