--- format: "aidr-story-markdown/v1" id: "a03f5c527c8e11b112e8f27a8532c69738a6aed9037275f64d527651e878a3c2" canonical_url: "https://aidr.today/a03f5c52?lang=vi" title: "VFlash: Lập kế hoạch hình ảnh nhanh và chính xác qua giải mã nguyên thủy Flash" lang: "vi" requested_lang: "vi" available_langs: ["en","vi"] translation_fallback: null fallback_fields: [] published_at: "2026-11-06T00:00:00.000Z" category: "Research" topics: ["inference"] source_urls: ["https://huggingface.co/papers/2611.08449"] summary: "Các mô hình cho các nhiệm vụ AI vật lý, như robot và lái xe tự hành, không cần phải lập luận chỉ trong ngôn ngữ. Chúng có thể sử dụng kế hoạch hình ảnh — các điểm, hộp giới hạn và quỹ đạo — để biểu diễn mục tiêu không gian và dự đoán chuyển động. Tuy nhiên, các mô hình ngôn ngữ-thị giác tự động sinh tạo những kế hoạch này một token tọa số tại một thời điểm, khiến những dự báo phong phú hơn ngày càng tốn kém. Chúng tôi giới thiệu VFlash, một phương pháp để lập kế hoạch hình ảnh nhanh và chính xác thông qua giải mã nguyên thủy Flash. VFlash khai thác cấu trúc đã biết của các nguyên thủy hình ảnh để dự đoán tọa số của chúng đồng thời, sử dụng một bản nháp nhẹ nhàng sinh ra toàn bộ nguyên thủy trong một lượt truyền tiếp. Bố cục thích ứng với loại nguyên thủy, số chiều và độ dài, hỗ trợ các hộp nhỏ gọn và các quỹ đạo có độ dài thay đổi dài. Quan trọng là, độ chính xác không gian không cần thiết phải tái tạo chính xác chuỗi token của một mô hình tự động sinh. VFlash vì vậy được huấn luyện trên các nguyên thủy được chú thích và chấp nhận trực tiếp những dự báo có cấu trúc hợp lệ mà không cần đồng thuận token mục tiêu. Trong các nhiệm vụ quỹ đạo robot 2D và 3D được đánh giá, VFlash giảm t…" --- # VFlash: Lập kế hoạch hình ảnh nhanh và chính xác qua giải mã nguyên thủy Flash > [Open the canonical story]() **Published:** 2026-11-06T00:00:00.000Z **Category:** Research **Topics:** inference ## Summary Các mô hình cho các nhiệm vụ AI vật lý, như robot và lái xe tự hành, không cần phải lập luận chỉ trong ngôn ngữ\. Chúng có thể sử dụng kế hoạch hình ảnh — các điểm, hộp giới hạn và quỹ đạo — để biểu diễn mục tiêu không gian và dự đoán chuyển động\. Tuy nhiên, các mô hình ngôn ngữ\-thị giác tự động sinh tạo những kế hoạch này một token tọa số tại một thời điểm, khiến những dự báo phong phú hơn ngày càng tốn kém\. Chúng tôi giới thiệu VFlash, một phương pháp để lập kế hoạch hình ảnh nhanh và chính xác thông qua giải mã nguyên thủy Flash\. VFlash khai thác cấu trúc đã biết của các nguyên thủy hình ảnh để dự đoán tọa số của chúng đồng thời, sử dụng một bản nháp nhẹ nhàng sinh ra toàn bộ nguyên thủy trong một lượt truyền tiếp\. Bố cục thích ứng với loại nguyên thủy, số chiều và độ dài, hỗ trợ các hộp nhỏ gọn và các quỹ đạo có độ dài thay đổi dài\. Quan trọng là, độ chính xác không gian không cần thiết phải tái tạo chính xác chuỗi token của một mô hình tự động sinh\. VFlash vì vậy được huấn luyện trên các nguyên thủy được chú thích và chấp nhận trực tiếp những dự báo có cấu trúc hợp lệ mà không cần đồng thuận token mục tiêu\. Trong các nhiệm vụ quỹ đạo robot 2D và 3D được đánh giá, VFlash giảm t… ## Sources - [Story source]()