NVIDIA Jetson AGX Thor
PulseAugur coverage of NVIDIA Jetson AGX Thor — every cluster mentioning NVIDIA Jetson AGX Thor across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新基准测试揭示边缘VLA模型的延迟瓶颈
一项新的基准测试VLA-HWBench已被开发出来，用于分析视觉-语言-动作（VLA）模型在边缘硬件上的性能。研究发现，动作生成策略对延迟的影响比模型大小更大，某些策略会导致延迟变化超过150倍。使用4位权重进行内核融合可以显著提速，但尚未广泛应用，并且优化工作可能会将瓶颈转移到CPU预处理等其他阶段。最终，要实现低延迟的边缘VLA性能，需要高效的动作生成、更广泛地采用推理优化以及具有高内存带宽和快速主机CPU的硬件。
-
新的多模态模型和研究推动了人工智能在边缘、推理和生成方面的能力
几篇研究论文和一个新模型发布，专注于推进多模态人工智能能力。Liquid Foundation Models 发布了开源的 d1-3B 模型，该模型针对边缘设备进行了优化，能够处理文本和图像，并具有快速的推理时间。同时，新的研究探索了在嘈杂监督下改进多模态学习（REFINE）、对直观视觉推理进行基准测试（Humanity's Sixth Sense）、全模态嵌入的结构化专业化（Syn-Omni）、通过张量建模学习多模态协同作用（HRI…
-
新型无人机导航模型利用预测视频实现高效飞行
研究人员开发了两种新的世界动作模型，DiffWAM 和 DroneWAM，旨在提高无人机视觉导航的效率。DiffWAM 直接将预测视频特征转换为连续的相机轨迹，在其基准测试中实现了 0.3492 米的轨迹 RMSE，并展示了复杂的飞行行为。DroneWAM 利用基于 JEPA 的架构和 Resampler，在表示空间中对未来状态进行建模，以避免昂贵的未来图像生成，并结合自适应展开以优化预测深度，在其 DroneNav-6D 数据集上显…
-
研究发现：边缘RAG系统可通过自适应压缩节省能源
一项新的研究论文探讨了面向边缘设备的检索增强生成（RAG）系统的自适应压缩技术。该研究在NVIDIA Jetson AGX Thor上进行，证明了根据工作负载和设备遥测数据动态调整压缩率，可以在不影响输出质量的情况下显著降低能耗。研究结果表明，中间压缩级别可以将GPU和SoC的能源使用量降低50%以上，比静态或离线压缩方法提供了更有效的方法。
-
NVIDIA Jetson AGX Thor 评测；MSI Claw 8 EX AI+ 被认为价格过高
128GB AI 计算机 NVIDIA Jetson AGX Thor 已完成评测，发现其与 NVIDIA 的 DGX Spark 不同，提供不同的功能和价格点。另外，MSI Claw 8 EX AI+ 手持游戏设备也已评测，突出了其 Arc B390 性能和 1800 美元的高价，因此不建议购买。
-
新的激光雷达框架PRISA增强了交叉口安全评估
研究人员开发了PRISA，一个旨在利用激光雷达技术提高城市交叉口安全性的框架。该系统采用隐私保护传感器实时监控交通并检测潜在冲突。PRISA包含一个感知层和一个风险评估模块，该模块无需手动标注即可自动训练轨迹预测模型，并利用碰撞时间（TTC）和预测越线时间（PPET）等指标来预测未来运动并评估风险。