NVIDIA VFlash: ரோபோ (robot) பார்வை 12 மடங்கு வேகம்; நான்கு open Cosmos 3 மாதிரிகள்
NVIDIA Research, Physical AI-க்கான System-1 vision-language model-களை செயல்படுத்தும் VFlash-ஐ அறிமுகப்படுத்தியது. visual plan-களின் primitives-ஐ இணையாக (internet) decode செய்வதன் மூலம் robot மற்றும் driving inference 12 மடங்கு வரை வேகமாகிறது; points, bounding boxes, trajectories போன்ற visual plan-கள் இடைநிலை இலக்குகளையும் இயக்கத்தின் முன்னறிவிப்பையும் வழங்குகின்றன.
அதேவேளை, Cosmos world model மேம்பாட்டுத் தளத்தில் நான்கு புதிய open-weight Cosmos 3 checkpoints நவம்பர் 5-இல் வெளியிடப்பட்டன; interactive world simulation உருவாக்கத்திற்கானவை.
இது ஏன் முக்கியம்: ரோபோக்கள் (robot) மற்றும் தன்னியக்க வாகனங்களில் real-time முடிவெடுப்பதற்கு வேகமான visual planning அவசியம்; open model-கள் ஆராய்ச்சியாளர்களுக்கு பரந்த அணுகலைத் தருகின்றன.
