NVIDIA تطلق تقنية VFlash، تسريع سرعة فك تشفير مسارات الروبوتات حتى 12 مرة، وتقليل خطأ التنبؤ بنسبة 61%

طور باحثو NVIDIA طريقة جديدة للتخطيط البصري، قادرة على تسريع فك تشفير مسارات الروبوتات حتى 12 مرة، بينما تقلل خطأ التنبؤ بالمسارات ثلاثية الأبعاد بنسبة تصل إلى 61% في اختبارات معينة. تُعرف هذه الطريقة باسم VFlash، وتسمح لنماذج اللغة البصرية (VLMs) بتوليد مسارات الروبوت الكاملة وتنبؤات مكانية أخرى في عملية واحدة، بدلاً من إنتاج الإحداثيات بشكل تدريجي. في اختبارات تشغيل الروبوت، قللت VFlash أيضًا من إجمالي تأخير الاستدلال على منصات NVIDIA Jetson Thor وDGX Spark بنحو 80%، مما يتيح للروبوتات الاستجابة بشكل أسرع للبيئات المتغيرة.

مزايا تقنية VFlash

تعالج هذه الدراسة أحد القيود التقليدية لنماذج اللغة البصرية (VLMs)، التي عادةً ما تنتج التنبؤات المكانية واحدة تلو الأخرى. مع حاجة الروبوتات لتوقع مسارات أطول، وتتبع المزيد من الأجسام، ومعالجة معلومات مكانية أكثر تفصيلاً، قد تزيد هذه الطريقة التتابعية من وقت المعالجة. بينما تستفيد VFlash من الهيكل المعروف للتنبؤ البصري، لتوليد الجسم الهندسي أو المسار بالكامل في عملية تمرير أمامية واحدة.

في اختبارات تشغيل الروبوت، أفاد الباحثون بأن تأخير الاستدلال لـ VFlash على منصة NVIDIA Jetson Thor انخفض من 3,552.7 مللي ثانية إلى 703.3 مللي ثانية. وهذا يمثل تقليلاً بنحو 80% مقارنةً بفك التشفير التقليدي القائم على التكرار الذاتي. على أجهزة DGX Spark، انخفض التأخير من 3,356.5 مللي ثانية إلى 649.9 مللي ثانية. تعمل VFlash من خلال التعرف أولاً على هيكل التنبؤ البصري المطلوب، ثم توليد إحداثياته.

على سبيل المثال، تحتوي الإطارات الحدودية على تخطيط إحداثيات ثابت، بينما يمكن أن تحتوي المسارات على عدد متغير من النقاط ثنائية وثلاثية الأبعاد. يستخدم النموذج مُسَودًّا خفيف الوزن قائمًا على الانتشار لتنبؤ هذه الإحداثيات بشكل مشترك في عملية تمرير أمامية واحدة. على عكس فك التشفير الاستدلالي التقليدي، الذي يتطلب التحقق من تطابق العلامات المُنتَجة مع النموذج المستهدف واحدًا تلو الآخر، يمكن لـ VFlash قبول التنبؤات البصرية الهيكلية الفعالة دون الحاجة إلى توافق العلامات واحدًا تلو الآخر.

قيم الباحثون VFlash في مهام متعددة لتنبؤ مسارات الروبوتات ثنائية وثلاثية الأبعاد. مقارنةً بالطرق الأساسية القائمة على التكرار الذاتي، قللت هذه الطريقة من خطأ التنبؤ في عدة اختبارات. في اختبارات المسارات ثلاثية الأبعاد، انخفض متوسط خطأ الإزاحة بنسبة تصل إلى 61% بناءً على مجموعة البيانات وتكوين التدريب. كما اختبر الباحثون VFlash في تنبؤ حركة النقاط ثلاثية الأبعاد، حيث تنبأت الطريقة بحركة الأجسام في إطارات الفيديو. أظهرت القياسات الأولية لمرور واحد أن سرعة التوليد كانت أسرع بحوالي 25 مرة من فك التشفير القائم على التكرار الذاتي.

تطبيق VFlash في القيادة الذاتية

استكشف الباحثون أيضًا ما إذا كان التنبؤ البصري الأسرع يمكن أن يحسن أداء أنظمة التحكم في الروبوتات في الأسفل. ربطوا المسارات التي تم توليدها بواسطة VFlash بنموذج العمل العالمي المُقيم على MolmoSpaces، الذي حقق معدل نجاح متوسط بلغ 70.2% عبر أربع مجموعات مهام، بينما كان معدل نجاح النظام الأساسي 62.6%. كانت أكبر التحسينات في مهام الالتقاط والإفراج ومهام إغلاق الأجسام، حيث ارتفعت معدلات النجاح بمقدار 11.6 و12.8 نقطة مئوية على التوالي. بالإضافة إلى تقنيات الروبوت، استخدم الباحثون مجموعات بيانات NAVSIM وWaymo لاختبار تطبيق VFlash في القيادة الذاتية.

تتمتع المسارات التي تم توليدها بواسطة النموذج بأداء تنافسي في الأداء المرجعي، بينما حسنت التعلم المعزز نتائج التخطيط. تشير هذه الاكتشافات إلى أن توليد خطط بصرية تفصيلية بشكل أكثر كفاءة قد يساعد أنظمة الذكاء الاصطناعي المادية على الاستجابة بشكل أسرع للبيئات المتغيرة مع الحفاظ على الدقة المكانية. تم نشر هذه الدراسة بعنوان "VFlash: Fast, Accurate Visual Planning via Flash Primitive Decoding" في نوفمبر 2026 من قبل باحثي NVIDIA وزملائهم.

أثر VFlash على تقنيات الروبوتات

تشير إطلاق تقنية VFlash إلى تقدم مهم في التخطيط البصري للروبوتات، مما يعزز بشكل كبير قدرة الروبوتات على الاستجابة للبيئات. مع تزايد الطلب على تطبيقات الروبوتات، فإن القدرة على توليد المسارات بسرعة ودقة أمر بالغ الأهمية لتحسين أداء الروبوتات. تُظهر VFlash أداءً ممتازًا ليس فقط في تشغيل الروبوتات، ولكن أيضًا في مجال القيادة الذاتية، مما يبرز القيمة المحتملة للتطبيق، وقد تغير تصميم وتنفيذ أنظمة القيادة الذاتية في المستقبل.