Jim Fan 推出 VFlash:并行解析视觉世界
中文摘要
Jim Fan发布VFlash模型,利用并行几何解析加速Physical AI动作解码与机器人推理,并降低3D轨迹误差。论文与代码已开源。
English Summary
Jim Fan released VFlash, using parallel geometric parsing to accelerate Physical AI action decoding and robot reasoning, reducing 3D trajectory errors. Code and paper are open-sourced.
Original Excerpt
Jim Fan 发布 VFlash 视觉模型,面向 Physical AI 并行解析视觉世界,在 Jetson Thor、DGX Spark 等边缘 GPU 上实现最高 12 倍更快的动作解码和 5.1 倍整体机器人推理加速。它一次性输出完整几何形状而非逐 token 解码,3D 轨迹误差最多降低 61%,精度甚至超过 VLM 主干。论文与代码均已开源。