Все новости

NVIDIA VFlash ускорила построение визуальных планов роботов и снизила ошибки траекторий

Материал подготовлен Sintelligent с помощью ИИ. Опубликовано в SI: . Обновлено: .

Роботы смогут чаще обновлять пространственные планы без потери точности: параллельная генерация координат убирает часть задержки между наблюдением и действием.

Метод Flash Primitive Decoding использует известную структуру точек, рамок и траекторий: компактный драфтер за один параллельный проход предлагает весь набор координат вместо последовательной генерации токенов. На трёх наборах робототехнических данных и трёх вариантах целевой модели средняя ошибка 3D-перемещения снизилась на 42,6% относительно авторегрессионного декодирования. В четырёх наборах MolmoSpaces модель действий с планами VFlash выполнила в среднем 70,2% заданий против 62,6% у базовой конфигурации. На Jetson Thor и DGX Spark исследователи измерили 12-кратное ускорение декодирования при планировании робота; для разных задач вождения ускорение составило 11–49 раз в зависимости от платформы. Результаты опубликованы как препринт, а измерения скорости выполнены на специализированных TensorRT-конвейерах NVIDIA.

Источники 2