跳到正文
arXiv · 机器人与计算机视觉· Feiyang Hong, Yujie Wei, Bo Zhao, Xiu Su, Hongxun Yao, Shuo Yang·· 2026-10-20精选AI 评分84

CondenseVLA:用于高效多帧 VLA 的可学习历史压缩

CondenseVLA: Learnable History Condensation for Efficient Multi-Frame VLA

AI 导读

论文提出 CondenseVLA,一种具备可学习解码端历史压缩模块的多帧 VLA 策略,旨在解决单纯扩大时间窗口带来的计算冗余与采样僵化问题。该方法利用 VLM 骨干网络缓存的每帧特征,通过可学习查询和多头交叉注意力将观测历史蒸馏为固定数量的 slot token,并辅以正则化项抑制槽位重叠与相关性。

推荐理由

该工作提出可学习的历史压缩模块,在保持计算效率的同时提升多帧视觉上下文对动作解码的利用效果。

来源:arXiv · 机器人与计算机视觉 · arxiv.org