arXiv · 机器人与计算机视觉· Jaemin Kim, Jiahn Kim, Taesik Gong·· 2026-10-06精选AI 评分78
VLA-ZO:面向视觉语言动作模型的快速零阶自适应框架
VLA-ZO: Fast Zeroth-Order Adaptation for Vision-Language-Action Models
AI 导读
论文 VLA-ZO 针对大模型部署时的显存限制,提出一种仅作用于动作侧的零阶优化框架,在保持视觉语言前缀冻结的同时大幅降低适应时间并提升任务成功率。实验显示,该方法将端到端适应时间减少了约 25.6 倍至 32.5 倍,同时将 LIBERO 基准上的平均任务成功率从 48.27% 提升至 63.58%,为资源受限环境下的 VLA 模型自适应提供了新路径。
推荐理由
针对大模型部署时的显存限制,提出一种仅作用于动作侧的零阶优化框架,在保持视觉语言前缀冻结的同时大幅降低适应时间并提升任务成功率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org