All-For-One：将视觉基础模型蒸馏为快速、内存高效的视觉运动策略

All-For-One（AFO）提出两阶段蒸馏框架，把视觉基础模型（VFM）仅作为训练期的特权信息使用，从而避免在闭环控制中直接部署 VFM。All 阶段由教师策略融合 RGB 观测与多个 VFM 的输出，学习语义增强的表征；For-One 阶段再在分布内把该知识蒸馏给仅用 RGB 输入的轻量学生策略。作者在仿真中的两个 Adroit 任务、五个 MetaWorld 任务以及三个真实世界操作任务上评估，称 AFO 优于此前基于基础模型的方法，参数量比基于 VFM 的编码器少 30 倍以上，仿真基准中延迟比其自身教师低 50 倍。