arXiv cs.AI· Ye Li, Jiahe Feng, Yuan Meng, Kangye Ji, Chen Tang, Jiajun Fan, Xinwan Wen, Jiawei Li, Wenwu Zhu, Shu-Tao Xia, Xin Wang, Zhi Wang·· 2 天前AI 评分34
TS-DP：面向时序自适应扩散策略加速的强化投机解码框架
TS-DP: Reinforcement Speculative Decoding For Temporal Adaptive Diffusion Policy Acceleration
AI 导读
研究团队提出 TS-DP，首个将投机解码用于 Diffusion Policy 的框架，通过蒸馏 Transformer drafter 替代高成本去噪调用，并用 RL 调度器按时序任务难度动态调整投机参数。仿真中实现最高 4.17x NFE 降低、3.2x 实际耗时加速，草稿接受率超 85%；真实实验 NFE 降低 3.8x，传送带任务成功率提升 23%，推理频率达 26 Hz。代码已开源。
正文 · AI 翻译
作者：Ye Li、Jiahe Feng、Yuan Meng、Kangye Ji、Chen Tang、Jiajun Fan、Xinwan Wen、Jiawei Li、Wenwu Zhu、Shu-Tao Xia、Xin Wang、Zhi Wang
摘要：Diffusion Policy（DP）在具身控制中表现出色，但由于需要多次迭代去噪步骤，其推理延迟和计算成本较高。现有的扩散模型（DM）加速方法通过降低计算开销来提升推理速度，因为用于图像生成的 DM 是计算受限的。在本工作中，我们揭示 DP 是 I/O 受限的，并因此首次提出使用推测解码这一并行计算框架来加速 DP。然而，解决以下挑战并非易事：（1）在具身环境中任务难度随时间变化的情况下，如何在降低计算成本的同时保持基础模型的去噪质量；（2）在此类环境中如何根据任务难度动态分配计算。因此，我们提出 Temporal-aware Reinforcement-based Speculative Diffusion Policy（TS-DP），这是首个为 DP 实现具有时间自适应性的推测解码的框架。首先，为处理任务难度随时间变化的动态环境，我们蒸馏一个基于 Transformer 的草稿模型来模仿基础模型，并替代其昂贵的去噪调用。其次，基于 RL 的调度器通过调整推测参数进一步适应随时间变化的任务难度，在保持准确性的同时提升效率。大量实验表明，TS-DP 在仿真中实现了最高 4.17 倍的 NFE 降低和 3.2 倍的挂钟时间加速，草稿接受率超过 85%。真实世界实验进一步证明，NFE 降低 3.8 倍，同时提升了实时任务的成功率（例如在传送带任务上提升 23%），达到 26 Hz 的推理频率，并在保持相当任务性能的同时实现实时控制。代码可在 this https URL 获取。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2512.15773 [cs.LG] |
| （或 arXiv:2512.15773v2 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2512.15773 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Ye Li [查看邮箱]
[v1]
2025年12月13日 星期六 07:53:14 UTC（8,742 KB）
[v2]
2026年10月27日 星期二 02:37:43 UTC（28,808 KB）
来源：arXiv cs.AI · arxiv.org