arXiv · cs.RO· Hanzhen Wang, Jiaming Xu, Yushun Xiang, Jiayi Pan, Yongkang Zhou, Yong-Lu Li, Guohao Dai·· 7 小时前精选AI 评分62
论文 / 摘要阅读
SpecPrune-VLA：用动作感知自推测剪枝加速 VLA 模型
SpecPrune-VLA: Accelerating Vision-Language-Action Models via Action-Aware Self-Speculative Pruning
AI 导读 · 根据来源整理
SpecPrune-VLA 提出一种免训练的两级剪枝方法，用于加速视觉-语言-动作（VLA）模型推理。作者指出已有加速方法只利用当前动作步的局部信息、忽略全局上下文，部分场景成功率下降超过 20% 且加速有限；他们据此利用连续步输入图像高度相似这一时空一致性，把 token 选择与全局上下文结合。方法包含动作级静态剪枝（用全局历史与局部注意力减少每个动作的视觉 token）、层级动态剪枝（按逐层重要性自适应剪枝）和轻量动作感知控制器（按末端执行器速度区分粗粒度与细粒度动作并调整剪枝强度）。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org