arXiv · AI· Sicheng He, Yi Pan, Qiuting Yu, Jiaming Huang, Qi Lu, Shuyan Wu, Hongyan Feng, Xuanyu Liu, Jun Zhang, Jie Zhang, Wenqi Zhang, Xuhong Zhang, Jianwei Yin·· 10 小时前AI 评分38
VLA-Rolling 提出自适应动作尾部复用框架,实现 VLA 模型更快更准的推理
VLA-Rolling: Fewer Denoising Steps, Better Control via Adaptive Action Reuse
AI 导读
VLA-Rolling 框架通过复用动作尾部减少 Flow-matching VLA 模型的去噪步数,同时在 16 个模型基准对降低推理成本。 在 $\pi_{0.5}$、SmolVLA 等模型上,该方法最高实现 1.48 倍加速,成功率提升 15.08 个百分点。 行动画尾部是可复用的中间状态,能支持更高效准确的 VLA 推理。
来源:arXiv · AI · arxiv.org