TacitVLA：消除推理延迟的推理型视觉-语言-动作模型

预印本摘要称，研究者提出视觉语言动作模型 TacitVLA，使动作专家无需等待或关注当前生成的推理文本，仅凭推理监督对主干表征的改善即可获益。在机械臂操作与自动驾驶四个基准测试中，该模型匹配显式推理基准表现且延迟降低最高达 3.4 倍，相比无推理版本成功率提升最高达 17.1%。在长程任务中，作为情景记忆的推理文本改为在动作执行期间异步生成。