#英伟达 (45)

瀑布流分页

SoL-Pi：高效智能体执行框架的递归自主研究

SoL-Pi 将智能体执行框架改进转化为规模化自主研究，筛选出四项可复用效率机制，在性能接近基线时将令牌流量降低 44.7% 至 49.0%。

Haozhe Liu, Tian Ye, Sensen Gao2026年9月17日

智能体框架递归自我提升Token Efficiency2026年9月17日

0:14

Fast-FoundationStereo：实时零样本立体匹配

NVIDIA 用分而治之的加速策略把 FoundationStereo 拆成特征提取、代价滤波、视差精化三段各自提速：知识蒸馏压缩混合骨干、块级神经架构搜索在延迟预算内自动配出代价滤波网络、结构化剪枝精简迭代精化模块，再用 140 万对自动伪标注的真实立体图像补训。模型比 FoundationStereo 快 10 倍以上，零样本精度几乎追平，在 Middlebury/ETH3D/KITTI 上是实时立体匹配的新 SOTA。

Bowen Wen, Shaurya Dewan, Stan Birchfield2025年12月11日

Stereo MatchingDepth Estimation英伟达2025年12月11日

0:57

Nurabot协作护理机器人

@ZappyZappy7 · 577次播放 · 2026-09-05

Nurabot护理机器人服务机器人

2:06

RoboTok：人类演示数据引擎

@xiynfi1520580 · 395次播放 · 2026-09-04

RoboTokRICE英伟达

0:09

LeRobot与NVIDIA、Hugging Face深化开放机器人合作

@LeRobotHF · 894次播放 · 2026-09-03

LeRobotHugging Face英伟达

1:14

Figure联手Nscale部署10万张GPU

@adcock_brett · 716次播放 · 2026-09-03

人形机器人Figure AINscale

0:08

NVIDIA Kimodo整合进UE5.8：文本生成3D角色动画

@ymt3d · 388次播放 · 2026-09-03

英伟达Kimodo运动生成

0:05

DLSS 5神经视频增强WebUI开源

@SD_Tutorial · 375次播放 · 2026-09-03

英伟达DLSS 5神经渲染

0:28

NVIDIA Cosmos 3 Edge：Jetson端侧机器人策略

@NVIDIARobotics · 312次播放 · 2026-09-02

Jetson AGX ThorThor T5000NVIDIA Cosmos 3 Edge

0:05

Hydra-0多形态世界模型：动作流统一控制

@techniahqrobot · 337次播放 · 2026-09-02

Hydra-0英伟达视觉语言动作模型

在 NVIDIA Jetson 上微调、转换并部署语言模型：Unsloth + llama.cpp 实战教程

Jetson AI Lab 官方教程：用 Unsloth + JetPack 7.2 直接在 Jetson 上以内存高效的 QLoRA 微调模型，导出 GGUF 并用 llama.cpp 本地运行。两个实战案例：Jetson Orin Nano 上的 Qwen3.5-4B 视觉语言模型（LaTeX OCR 微调），以及 Jetson AGX Thor 上的 NVIDIA Nemotron 3.5 Lightning 30B-A3B（44.8 秒完成 3 步训练、Q4_K_M 量化后跑出 66.1 tokens/秒）。全程无需云端。

博客

英伟达Jetson边缘 AIUnslothQLoRA

Jetson AI Lab 教程：在 Jetson 上用 QLoRA 微调与量化模型

@NVIDIARobotics · 250次播放 · 2026-08-31

英伟达Jetson边缘 AI

FlashVLA：流式动作解码实现快速异步 VLA 推理

视觉-语言-动作（VLA）模型在机器人操作领域前景广阔，但实际部署受制于高推理延迟与不稳定的异步执行——在基于流匹配（flow-matching）的 VLA 模型中尤为突出：动作解码需要在 VLM 上下文条件下进行多步迭代。高效推理方法能提升控制频率，异步方法能减少执行空等，但现有方案往往无法同时兼顾低延迟推理与精确、时序一致的异步执行。FlashVLA 提出一个统一的流式动作解码框架：维护一个包含多个不同噪声水平动作块的流式缓冲区，并用块级因果注意力（chunk-wise causal attention）解码，每个推理步即可产出一个可执行动作块；块级自回归结构隐式保持动作连续性，无需额外的未来状态条件即可平滑异步执行。大量仿真与真机实验表明，FlashVLA 在保持强任务性能的同时大幅提升推理速度，单 GPU 即可达到 ≥30Hz 控制频率并实现平滑异步真机部署。

Zekai Li, Jiaming Tang, Zhijian Liu2026年8月27日

视觉语言动作模型流匹配英伟达2026年8月27日