arXiv cs.CL· Jingya Wang, Dehao Zhang, Shuai Wang, Malu Zhang, Yang Yang, Haizhou Li·· 10 天前AI 评分27
SpikingVLA：异步脉冲视觉-语言-动作模型
SpikingVLA: Asynchronous Spiking Vision-Language-Action Models
AI 导读
SpikingVLA 是一个 ANN-to-SNN 转换框架，通过提出 Dendritic Integrate-and-Fire（DIF）神经元和异步执行机制，实现低延迟的脉冲 VLA 推理。相比现有脉冲 VLA 方法，其 SR 和 SPL 分别提升 11.9% 和 12.6%，首动作延迟降低 11.2 倍。
正文 · AI 翻译
摘要：ANN 到 SNN 的转换通过绕过从头训练大规模 SNN 的高昂成本，为构建节能的脉冲视觉-语言-动作（VLA）模型提供了一条实用路径。然而，现有方法通常需要大量时间步才能保持有竞争力的性能，导致实时 VLA 部署的推理延迟显著增加。为应对这一挑战，我们提出了 SpikingVLA，一个 ANN 到 SNN 的转换框架，可实现准确且低延迟的脉冲 VLA 推理。具体而言，我们提出了一种树突积分放电（DIF）神经元，通过树突混合和自适应胞体放电缓解逐通道激活离群值，从而以更少的时间步实现准确的 ANN 到 SNN 转换。基于 DIF 神经元，我们进一步引入了一种异步执行机制，将 VLA 各组件的时间计算重叠起来，减少同步开销和延迟。大量实验表明，SpikingVLA 在实现有竞争力的导航性能的同时，显著提升了推理效率。与现有的脉冲 VLA 方法相比，SpikingVLA 将 SR 和 SPL 分别提升了 11.9\% 和 12.6\%，同时将首动作延迟降低了 11.2$\times$。这些结果确立了 SpikingVLA 作为一个实用框架，可用于部署预训练 VLA 模型并实现高性能、低延迟的脉冲推理。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.09710 [cs.CL] |
| （或 arXiv:2610.09710v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.09710 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jingya Wang [查看邮箱]
[v1]
2026年10月7日星期三 09:05:07 UTC（12,941 KB）
来源：arXiv cs.CL · arxiv.org