VLA-Rolling通过自适应动作复用减少去噪步骤并提升控制效果
VLA-Rolling是一种面向机器人视觉-语言-动作模型的轻量级推理方法。传统方法会丢弃动作块中尚未执行的部分，并从新的噪声重新生成下一组动作。VLA-Rolling则将这部分动作尾部复用为下一次生成的初始化状态，同时结合逐动作置信度估计，以及基于置信度的重新加噪、去噪和预算分配。在LIBERO、MetaWorld、LIBERO-Plus和RoboTwin 2.0上对π0.5、SmolVLA、X-VLA和MolmoAct2进行评估后，16组模型与基准测试组合的推理成本均有所下降，最高实现1.48倍加速。14组组合的成功率也得到提升，最高增加15.08个百分点。底层VLA模型保持冻结，无需重新训练。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。