Hugging Face · 每日论文· 媒体 / 作者来源·精选
VLA-Rolling：复用动作尾部，减少去噪步数并提升控制成功率
原文标题
VLA-Rolling: Fewer Denoising Steps, Better Control via Adaptive Action Reuse
AI 导读
研究发现，流匹配VLA模型在滚动时域中丢弃的未执行动作尾部仍保留可迁移的去噪进度，但最优去噪预算因样本而异。VLA-Rolling通过动作尾部继承、逐动作置信度估计和置信度引导的重去噪与预算分配三阶段，在冻结原VLA的情况下复用尾部。在π₀.₅、SmolVLA、X-VLA和MolmoAct2于LIBERO、MetaWorld、LIBERO-Plus和RoboTwin 2.0的16组模型—基准对中，动作块推理成本全部下降，最高提速1.48倍，14组成功率提升最多15.08个百分点。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
提出一种不改动原模型权重的推理框架，在16组模型—基准对中同时降低动作块推理成本并多数提升成功率，实验范围覆盖4个VLA模型和4个机器人基准。
导读由模型辅助整理，非独立核验。完整信息见原文。