NVIDIA VFlash: ரோபோ பார்வை 12 மடங்கு வேகம்; நான்கு open Cosmos 3 மாதிரிகள்
NVIDIA நிறுவனம் VFlash என்ற புதிய vision மாதிரியை அறிமுகப்படுத்தியுள்ளது. robot trajectories மற்றும் 3D இயக்கம் போன்ற வடிவியல் கணிப்புகளை token-token-ஆக அல்லாமல் இணையாக உருவாக்குவதால், trajectory decoding 12 மடங்கு வரை வேகமடைகிறது; 3D கணிப்புப் பிழைகள் 61% வரை குறைகின்றன; Jetson Thor மற்றும் DGX Spark-இல் inference latency சுமார் 80% குறைகிறது.
robot benchmark-இல் manipulation வெற்றி விகிதம் 62.6%-இலிருந்து 70.2%-ஆக உயர்ந்துள்ளது. lightweight diffusion drafter மூலம் முழு வடிவியல் கணிப்புகளையும் ஒரே forward pass-இல் வெளியிடுவதே இதன் கட்டமைப்புச் சிறப்பு; நேரடிக் கட்டுப்பாட்டுக்கு vision-language மாதிரிகளை வேகப்படுத்தும் முன்மாதிரியாக இது அமைகிறது.
இதனுடன், interactive world simulation மற்றும் ஓட்டுநர் காட்சிகளுக்கான நான்கு open-weight Cosmos 3 மாதிரிகளையும் (தலா 16 பில்லியன் trainable parameter-கள்) NVIDIA வெளியிட்டுள்ளது; robotics குழுக்கள் இவற்றைப் பதிவிறக்கி fine-tune செய்யலாம்.
