VLA-Pruner

VLA-Pruner通过优化视觉令牌剪枝来增强具身AI的效率

研究人员开发了VLA-Pruner，一种使视觉-语言-动作（VLA）模型在具身AI任务中更高效的新方法。现有的视觉令牌剪枝技术，专为视觉-语言模型设计，在VLA系统中会降低性能，因为它们没有考虑到语言预填充和动作解码阶段之间不同的注意力模式。VLA-Pruner通过同时考虑语义显著性和时间动作相关性来解决这个问题，在各种VLA架构上实现了高达1.99倍的速度提升，且操纵质量相当。