APS-VLA

新的APS-VLA框架通过修剪视觉令牌加速机器人控制

研究人员开发了APS-VLA，一个旨在提高机器人操作中使用的视觉-语言-动作（VLA）模型效率的新框架。该方法通过使用轻量级的决策影响估计器来修剪视觉令牌，而视觉令牌通常是推理延迟的瓶颈。该估计器学习根据当前观察、语言指令和机器人本体感觉来选择关键令牌，而无需更改核心VLA模型。实验表明，APS-VLA可以显著减少推理时间，在真实机器人任务上实现1.47倍的加速，同时保持与未修剪模型相当的成功率。