arXiv · 机器人与计算机视觉· Di Wu, Rongtian Shen, Ping Liu, Yan Shen, Zhenhan Yin, Shun Zuo, Xuhua Chen, He Zheng, Lingfeng Zhang, Jianglin Zhang, Tao Zhang·· 2026-10-06AI 评分72
面向实时的视觉语言动作模型:阶段感知双步流去噪与系统级评估
Toward Real-Time VLAs: Stage-Aware Two-Step Flow Denoising and System-Level Evaluation
AI 导读
针对视觉语言动作(VLA)模型推理速率低与机器人执行速率高之间的时间差距,作者通过端到端延迟测量发现重复流匹配去噪贡献了主要成本。基于速度场分析,提出两阶段非均匀去噪策略,将去噪步数从 10 减至 2,推理耗时从 61.557ms 降至 21.956ms。
来源:arXiv · 机器人与计算机视觉 · arxiv.org