arXiv cs.AI· Sicheng He, Yi Pan, Qiuting Yu, Jiaming Huang, Qi Lu, Shuyan Wu, Hongyan Feng, Xuanyu Liu, Jun Zhang, Jie Zhang, Wenqi Zhang, Xuhong Zhang, Jianwei Yin·· 11 小时前AI 评分38
VLA-Rolling：复用动作尾部，以更少去噪步数提升 VLA 控制效果
VLA-Rolling: Fewer Denoising Steps, Better Control via Adaptive Action Reuse
AI 导读
VLA-Rolling 是一个轻量推理框架，通过复用 flow-matching VLA 模型中被丢弃的动作尾部，在底层模型冻结的情况下减少去噪步数。
正文 · AI 翻译
作者：Sicheng He、Yi Pan、Qiuting Yu、Jiaming Huang、Qi Lu、Shuyan Wu、Hongyan Feng、Xuanyu Liu、Jun Zhang、Jie Zhang、Wenqi Zhang、Xuhong Zhang、Jianwei Yin
摘要：流匹配视觉-语言-动作（VLA）模型通过迭代去噪高斯噪声来生成动作块，但通常只执行一个短前缀，随后便基于更新后的观测重新规划。在这种滚动时域范式下，未执行的部分——即动作尾部——会被丢弃，而下一个动作块则从新的噪声重新生成。我们表明，被丢弃的尾部保留了可迁移的去噪进展：动作尾部初始化可以用更少的去噪步数达到或超过原生 10 步高斯基线的表现。然而，最优去噪预算在不同样本间差异显著，这表明尾部复用应当适应更新后的环境。基于这一观察，我们提出 VLA-Rolling，一个轻量级推理框架，通过三个阶段复用动作尾部：动作尾部继承、逐动作置信度估计，以及通过重新加噪和去噪预算分配进行的置信度引导精化，同时底层 VLA 保持冻结。在 LIBERO、MetaWorld、LIBERO-Plus 和 RoboTwin 2.0 上，针对 $\pi_{0.5}$、SmolVLA、X-VLA 和 MolmoAct2，VLA-Rolling 在全部 16 个模型—基准组合中降低了动作块推理成本，最高实现 $1.48\times$ 加速，同时在 14 个组合中将成功率最高提升 $15.08$ 个百分点。这些结果表明，动作尾部并非只是被丢弃的预测，而是可复用的中间状态，能够实现更高效、更准确的 VLA 推理。这些结果表明，动作尾部能够以更少的去噪步数支持生成更好的动作。我们的项目见 this https URL。
| 学科： | 人工智能（cs.AI）；机器人学（cs.RO） |
| 引用为： | arXiv:2610.25043 [cs.AI] |
| （或本版本的 arXiv:2610.25043v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.25043 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Sicheng He [查看邮箱]
[v1]
2026 年 10 月 18 日周日 06:01:43 UTC（7,436 KB）
[v2]
2026 年 10 月 20 日周二 06:54:08 UTC（7,436 KB）
来源：arXiv cs.AI · arxiv.org