两项研究提出异步推理框架加速视觉策略执行
热点事件持续更新
两项研究提出异步推理框架加速视觉策略执行
2 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Takayuki Osa 和 Kazuki Ota 提出无需修改底层学习过程的异步推理与控制框架,将连续目标位置生成建模为跟踪控制问题,利用预测位置方差实现自适应动作跳过。该方法在双臂机器人上应用的 Action Chunking Transformer 和 OpenVLA-OFT 模型表明,能在保持运动平滑与稳定性的同时大幅提升任务执行速度。 随后,Yuhan Chen 等人提出 RAVEL 异步滚动推理框架,针对流式视觉语言动作模型的延迟瓶颈,通过滚动缓冲区将部分去噪的未来动作前向传递以加速执行。该框架将 VLM 编码与动作生成解耦,利用轻量级快速观测路径直接驱动动作专家,旨在保持任务能力的同时显著降低响应延迟并实现高频闭环控制。
AI 根据报道生成 · 47 分钟前更新
最新进展11月20日 13:00
RAVEL:面向流式视觉语言动作模型的异步滚动推理框架事件进展
2 个进展
- 11月20日 13:00 · 1 篇报道RAVEL:基于异步滚动推理的流式 VLA 模型框架arXiv · 机器人与计算机视觉:RAVEL:面向流式视觉语言动作模型的异步滚动推理框架
- 11月10日 13:00 · 1 篇报道异步推理与控制框架提升视觉策略执行速度arXiv · 机器人与计算机视觉:面向快速执行的基于视觉策略的异步控制与动作推断:一种感知感知的指令生成方法
报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · 机器人与计算机视觉RAVEL:面向流式视觉语言动作模型的异步滚动推理框架
针对基于流的视觉语言动作模型(VLA)在推理时因 VLM 编码和迭代生成长延迟的问题,本文提出 RAVEL 异步推理框架。该方法通过滚动缓冲区将部分去噪的未来动作前向传递以加速执行,并将 VLM 编码与动作生成解耦,利用轻量级快速观测路径直接驱动动作专家,从而在保持任务能力的同时显著降低响应延迟,实现高频闭环控制。
11月10日
- arXiv · 机器人与计算机视觉面向快速执行的基于视觉策略的异步控制与动作推断:一种感知感知的指令生成方法
针对基于视觉的控制策略(含视觉语言动作模型)因动作推断计算成本高导致执行速度慢的问题,本文提出了一种无需修改底层策略学习过程的异步推理与控制框架。该方法将连续目标位置的生成建模为跟踪控制问题,利用预测位置方差实现自适应动作跳过,从而在保持平滑稳定运动的同时大幅提升任务执行速度。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。