arXiv · 工业智能研究摘要· Jiuyi Xu·· 16 小时前
FastVLA：用于高效视觉-语言-动作模型的任务条件与时间自适应视觉Token压缩
FastVLA: Task-Conditioned and Temporally Adaptive Visual Token Compression for Efficient Vision-Language-Action Models
AI 导读
预印本摘要称，研究者提出了无需训练、任务感知且时间自适应的视觉token压缩框架FastVLA，用于提升视觉-语言-动作（VLA）模型的推理效率。在LIBERO与SIMPLER仿真评测中，该方法将LLM骨干网络FLOPs降低35%至59%，动作延迟降低9%至32%（加速1.09倍至1.46倍）且保持任务成功率。
来源：arXiv · 工业智能研究摘要 · arxiv.org