NVIDIA เปิดตัวเทคโนโลยี VFlash เร่งความเร็วการถอดรหัสเส้นทางหุ่นยนต์ได้ถึง 12 เท่า และลดความผิดพลาดในการคาดการณ์ลง 61%

นักวิจัยของ NVIDIA ได้พัฒนาแนวทางการวางแผนเชิงมองเห็นใหม่ที่สามารถเร่งความเร็วการถอดรหัสเส้นทางหุ่นยนต์ได้ถึง 12 เท่า ในขณะที่ลดความผิดพลาดในการคาดการณ์เส้นทางสามมิติลงได้มากถึง 61% ในการทดสอบเฉพาะ วิธีการนี้เรียกว่า VFlash ซึ่งอนุญาตให้โมเดลภาษาเชิงมองเห็น (VLMs) สร้างเส้นทางหุ่นยนต์ทั้งหมดและการคาดการณ์เชิงพื้นที่อื่น ๆ ในกระบวนการเดียว แทนที่จะสร้างพิกัดทีละจุด ในการทดสอบการดำเนินงานของหุ่นยนต์ VFlash ยังลดความล่าช้าในการอนุมานโดยรวมของแพลตฟอร์ม NVIDIA Jetson Thor และ DGX Spark ประมาณ 80% ซึ่งมีศักยภาพช่วยให้หุ่นยนต์ตอบสนองต่อสภาพแวดล้อมที่เปลี่ยนแปลงได้เร็วขึ้น

ข้อดีของเทคโนโลยี VFlash

การวิจัยนี้ได้แก้ไขข้อจำกัดของ VLMs แบบดั้งเดิม ซึ่งมักจะสร้างการคาดการณ์เชิงพื้นที่ทีละพิกัด เมื่อหุ่นยนต์ต้องคาดการณ์เส้นทางที่ยาวขึ้น ติดตามวัตถุจำนวนมากขึ้น และจัดการข้อมูลเชิงพื้นที่ที่ละเอียดมากขึ้น วิธีการประมวลผลแบบลำดับนี้อาจเพิ่มเวลาการประมวลผลได้ VFlash ใช้โครงสร้างการคาดการณ์เชิงมองเห็นที่ทราบแล้วในการสร้างวัตถุเรขาคณิตหรือเส้นทางทั้งหมดในครั้งเดียว

ในการทดสอบการดำเนินงานของหุ่นยนต์ นักวิจัยรายงานว่า VFlash ลดความล่าช้าในการอนุมานบนแพลตฟอร์ม NVIDIA Jetson Thor จาก 3,552.7 มิลลิวินาที เหลือ 703.3 มิลลิวินาที ซึ่งหมายความว่าล่าช้าลดลงประมาณ 80% เมื่อเปรียบเทียบกับการถอดรหัสแบบดั้งเดิม ในฮาร์ดแวร์ DGX Spark ล่าช้าลดลงจาก 3,356.5 มิลลิวินาที เหลือ 649.9 มิลลิวินาที วิธีการทำงานของ VFlash คือการระบุโครงสร้างการคาดการณ์เชิงมองเห็นที่ร้องขอ จากนั้นสร้างพิกัดของมัน

ตัวอย่างเช่น กรอบขอบมีการจัดเรียงพิกัดที่คงที่ ในขณะที่เส้นทางอาจมีจุดสองมิติและสามมิติที่มีจำนวนแตกต่างกัน โมเดลนี้ใช้ตัวร่างเบาแบบกระจายในการคาดการณ์พิกัดเหล่านี้ร่วมกันในครั้งเดียว การถอดรหัสเชิงคาดการณ์แบบดั้งเดิมต้องตรวจสอบการจับคู่ของแท็กที่สร้างขึ้นกับโมเดลเป้าหมายทีละรายการ VFlash สามารถรับการคาดการณ์เชิงมองเห็นที่มีโครงสร้างได้อย่างมีประสิทธิภาพ โดยไม่ต้องตรวจสอบความสอดคล้องของแท็กทีละรายการ

นักวิจัยได้ประเมิน VFlash ในหลายภารกิจการคาดการณ์เส้นทางหุ่นยนต์สองมิติและสามมิติ เมื่อเปรียบเทียบกับวิธีการพื้นฐานที่ใช้การถอดรหัสแบบอัตโนมัติ วิธีการนี้ลดความผิดพลาดในการคาดการณ์ในหลายการทดสอบ ในการทดสอบเส้นทางสามมิติ ขึ้นอยู่กับชุดข้อมูลและการตั้งค่าการฝึกอบรม มันลดความผิดพลาดในการเคลื่อนที่เฉลี่ยลงได้มากถึง 61% นักวิจัยยังได้ทดสอบ VFlash ในการคาดการณ์การเคลื่อนไหวของจุด 3D ซึ่งวิธีการนี้คาดการณ์การเคลื่อนที่ในอนาคตของวัตถุในเฟรมภาพ การวัดการกลิ้งแบบครั้งเดียวเบื้องต้นแสดงให้เห็นว่าความเร็วในการสร้างสูงกว่าการถอดรหัสแบบอัตโนมัติประมาณ 25 เท่า

การประยุกต์ใช้ VFlash ในการขับขี่อัตโนมัติ

นักวิจัยยังได้สำรวจว่า การคาดการณ์เชิงมองเห็นที่รวดเร็วขึ้นสามารถปรับปรุงประสิทธิภาพของระบบควบคุมหุ่นยนต์ในระดับล่างได้หรือไม่ พวกเขาเชื่อมโยงเส้นทางที่สร้างโดย VFlash กับโมเดลการดำเนินการในโลกที่ประเมินใน MolmoSpaces ซึ่งโมเดลนี้มีอัตราความสำเร็จเฉลี่ย 70.2% ในชุดภารกิจสี่ชุด ขณะที่ระบบพื้นฐานมีอัตราความสำเร็จที่ 62.6% การปรับปรุงที่ใหญ่ที่สุดเกิดขึ้นในภารกิจการหยิบและวาง รวมถึงการปิดวัตถุ โดยมีอัตราความสำเร็จเพิ่มขึ้น 11.6 และ 12.8 เปอร์เซ็นต์ตามลำดับ นอกเหนือจากเทคโนโลยีหุ่นยนต์ นักวิจัยยังได้ทดสอบการประยุกต์ใช้ VFlash ในการขับขี่อัตโนมัติด้วยชุดข้อมูล NAVSIM และ Waymo

เส้นทางการขับขี่ที่สร้างโดยโมเดลมีประสิทธิภาพในการเปรียบเทียบกับมาตรฐาน และการเรียนรู้ที่เพิ่มขึ้นช่วยปรับปรุงผลลัพธ์การวางแผนต่อไป ผลการวิจัยเหล่านี้ชี้ให้เห็นว่าการสร้างแผนการเชิงมองเห็นที่ละเอียดอย่างมีประสิทธิภาพอาจช่วยให้ระบบ AI ที่เป็นรูปธรรมตอบสนองต่อสภาพแวดล้อมที่เปลี่ยนแปลงได้เร็วขึ้น ในขณะที่ยังคงความแม่นยำเชิงพื้นที่ การวิจัยนี้มีชื่อว่า “VFlash: Fast, Accurate Visual Planning via Flash Primitive Decoding” ซึ่งจะเผยแพร่โดยนักวิจัยของ NVIDIA และผู้ร่วมงานในเดือนพฤศจิกายน 2026

ผลกระทบของ VFlash ต่อเทคโนโลยีหุ่นยนต์

การเปิดตัวเทคโนโลยี VFlash ถือเป็นความก้าวหน้าที่สำคัญในด้านการวางแผนเชิงมองเห็นของหุ่นยนต์ ซึ่งสามารถเพิ่มความสามารถในการตอบสนองของหุ่นยนต์ต่อสภาพแวดล้อมได้อย่างมีนัยสำคัญ เมื่อความต้องการในการใช้งานหุ่นยนต์เพิ่มขึ้น ความสามารถในการสร้างเส้นทางอย่างรวดเร็วและแม่นยำจึงมีความสำคัญต่อการปรับปรุงประสิทธิภาพของหุ่นยนต์ VFlash ไม่เพียงแค่แสดงให้เห็นถึงประสิทธิภาพที่ยอดเยี่ยมในการดำเนินงานของหุ่นยนต์ แต่ยังแสดงถึงคุณค่าที่อาจเกิดขึ้นในด้านการขับขี่อัตโนมัติ ซึ่งอาจเปลี่ยนแปลงการออกแบบและการดำเนินการของระบบขับขี่อัตโนมัติในอนาคต