跳到正文
arXiv · 机器人与计算机视觉· Abhinav Gupta, Nissan Pow·· 2 天前AI 评分63

残差复用:流匹配世界动作模型中的缓存或去噪更少?

Cache or Denoise Less? Residual Reuse in a Flow-Matching World Action Model

AI 导读

论文研究在 Fast-WAM 6B 参数世界动作模型上,比较跨周期缓存(C$^3$ache)与减少去噪步数的策略。实验显示,保留两个未缓存步骤可在所有初始状态下保持不低于十步的成功率,且将重规划调用时间从 202ms 降至 92ms。研究指出缓存策略脆弱,覆盖路径比例过高会导致成功率下降,并建议测试复用时应基于部署时的采样器和噪声设置。作者开源了评估工具、日志和检查清单。

来源:arXiv · 机器人与计算机视觉 · arxiv.org