arXiv cs.AI· Hojin Jeon, Jimin Lee, Taekwan Kim, Nayoung Oh, Taeyoung Kim, Myungkyu Koo, Jinmo Koo, Joonwoo Ahn, Jinwoo Shin·· 12 小时前AI 评分31
PaceVLA：视觉-语言-动作模型中的自适应时间动作量化
PaceVLA: Adaptive Temporal Action Quantization in Vision-Language-Action Models
AI 导读
PaceVLA 提出一种面向视觉-语言-动作（VLA）模型的自适应时间执行框架，通过共享动作专家上的多粒度动作解码器与可量化性引导的模式选择，在每个推理步决定是否采用粗粒度执行。该框架在三个多任务仿真基准和六个真实世界任务上提升了执行效率，同时在多种机器人本体（含长程与灵巧操作）上保持任务成功率。
正文 · AI 翻译
摘要：快速可靠的操作对于机器人的实际部署至关重要。尽管视觉-语言-动作（VLA）模型作为通用机器人策略近来取得了显著进展，但其执行往往在时间上效率不高。这种低效率的一个关键来源是，策略从遥操作演示中学习细粒度的时间模式，需要许多低层动作步骤。时间动作量化提供了一种简单的方法，通过将连续的底层动作聚合为时间上更粗粒度的动作来加速执行。然而，在不考虑何时需要细粒度控制的情况下应用动作量化会引入速度与精度之间的权衡：加速后的动作在某些阶段可以高效地减少冗余步骤，但在精度敏感的交互中会丢弃关键的运动细节。为解决这一问题，我们提出 PaceVLA，一个用于 VLA 自适应时间执行的统一框架，它集成了两个相互耦合的组件：(1) 基于共享动作专家的模式特定动作解码器，支持多种时间粒度和预测时域；(2) 一个量化可行性引导的模式选择方案，用于判断粗粒度执行是否合适，以及一个上下文条件路由器，在每个推理步骤选择执行模式。在三个多任务仿真基准和六个真实世界任务上的实验表明，PaceVLA 在提高执行效率的同时，在多种具身形态（包括长时域和灵巧操作）上保持了任务成功率。
| 评论： | 25 页，7 幅图，10 张表。项目页面：this https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.25961 [cs.RO] |
| （或 arXiv:2610.25961v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.25961 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Hojin Jeon [查看邮箱]
[v1]
2026 年 10 月 19 日星期一 07:54:13 UTC（3,535 KB）
[v2]
2026 年 10 月 21 日星期三 05:55:50 UTC（3,535 KB）
来源：arXiv cs.AI · arxiv.org